Arm已經在其Cortex-M架構中添加了神經網絡處理指令，針對物聯(lián)網網絡外部邊緣的產品，例如可以識別少量語音而無需連接到云的設備，例如人聲喚醒命令。

“M-Profile Vector Extensions”（MVE）已經在“Helium”品牌下宣布，與該公司的高端Cortex-A內核的Neon SIMD（單指令多數(shù)據(jù)）擴展非常類似。氦擴展還將處理數(shù)字信號處理，提供比現(xiàn)有DSP指令更高的性能，這些指令是為了將Cortex-M3轉換為Cortex-M4而創(chuàng)建的。

Arm將Helium描述為“針對M-profile架構量身定制的Neon技術的優(yōu)化SIMD功能，以及針對新興用例的新編程功能和數(shù)據(jù)類型”。

與標準的32位Armv8-M指令一起使用固定長度的128位向量（具有聚集負載和散布存儲，低開銷循環(huán)和預測）和增加的算術支持（固定和浮點，包括半精度和單精度浮點數(shù)和8位整數(shù)和復雜數(shù)學，由150條指令共同覆蓋，包括8位向量點積。

同時，支持新指令的硬件包括通過“TrustZone for Armv8-M”擴展和PSA原則的安全功能。

總體而言，從現(xiàn)有的Armv8.1-M指令集架構（ISA）可以看出，與現(xiàn)有的Armv8-M架構（基于int32中的復雜FFT估算）相比，預計性能提升高達5倍，高達15倍機器學習（基于int8中的矩陣乘法）。

Armv8.1-M核心實施選項包括：

省略了氦，帶有可選的標量浮點（帶或不帶雙精度支撐）

氦只支持向量整數(shù)，帶有可選的標量浮點（帶或不帶雙精度支持）

具有向量整數(shù)加浮點的氦（支持矢量單精度和半精度），帶標量浮點（帶或不帶雙精度支持）

那么指令集指令是否會導致硅足跡大幅增加？

不，根據(jù)Arm，特別是在執(zhí)行氦指令時將重新使用一些現(xiàn)有的v8-M硬件。沒有確切的數(shù)據(jù)發(fā)布。

除語音處理外，還可以預見振動分析和視覺應用。

如今，多個供應商的工具鏈和模型都可以使用。包括Armv8.1-M在內的硅產品有望在兩年內上市。

除了矢量處理，Helium亮點還包括：

交織和解交織加載和存儲指令（VLD2 / VST2，步長為2，VLD4 / VST4，步長為4）

向量收集載荷和向量散布存儲向量寄存器中元素的存儲器訪問，使用另一個向量寄存器中的元素定義向量中每個元素的地址偏移量。

允許軟件處理任意存儲器訪問模式，并可用于模擬特殊尋址模式，如循環(huán)尋址，這些模式通常用于信號處理。

還可以幫助加速各種數(shù)據(jù)處理任務中數(shù)組中數(shù)據(jù)元素的非順序訪問向量復數(shù)值處理支持整數(shù)（8,16和32位）和浮點數(shù)（32位），例如VCADD，VCMUL，VCMLA指令車道預測位整數(shù)支持。