意法半导体的MLC传感器本身就能大幅降低系统总体功耗，因为利用大量传感器数据开发的感知相关算法是运行在传感器上。Qeexo AutoML利用传感器数据为边缘设备自动生成高度优化的超低延时、超低功耗且内存占用率很小的机器学习解决方案。这些算法解决方案采用延长电池寿命的高效机器学习模型，克服了计算能力和存储容量因芯片尺寸而受到的限制。
Qeexo首席执行官Sang Won Lee表示：“Qeexo实现了最近我们与ST合作时所作的承诺，即在Qeexo AutoML上增加对ST机器学习核心传感器系列产品的支持。现在，我们与ST的合作让应用开发人员能够在ST的MLC传感器上快速创建和部署机器学习算法，而无需占用MCU时钟周期和系统资源，应用前景非常广阔，涵盖工业和物联网。”
意法半导体MEMS传感器部门总监Simone Ferri表示：“在Qeexo AutoML平台上增加ST的机器学习核心传感器，可以方便开发人员在低功耗应用中更快捷地导入嵌入式机器学习。我们在传感器(包括LSM6DSOX或ISM330DHCX)中引入MLC内核，可显著减少系统数据流量，减轻网络处理负担，将系统功耗降低几个量级，同时提供更强的事件检测、唤醒逻辑和实时边缘计算功能。”
