La rapida crescita nel campo dell'intelligenza artificiale (AI) ha creato una domanda per hardware specializzati in grado di offrire prestazioni all'avanguardia. Oltre ai miglioramenti nelle prestazioni, lo sviluppo di tali hardware influisce significativamente sull'applicazione pratica dei modelli teorici. Il successo della ricerca sull'AI è spesso giudicato in base a quanto efficacemente i concetti teorici possono essere integrati con le implementazioni hardware, evidenziando l'importanza di tradurre modelli teorici complessi in forme pratiche ed eseguibili. A causa della diversità degli algoritmi nelle applicazioni AI end-to-end, è preferibile un hardware flessibile che possa supportare efficientemente vari kernel di calcolo. Tra gli acceleratori specifici per dominio, il Coarse-Grained Reconfigurable Array (CGRA) offre un equilibrio tra alte prestazioni e flessibilità necessarie per eseguire vari kernel su un singolo pezzo di hardware.