Core ML 针对各种类型模型的设备端性能进行了优化，能够充分利用 Apple 硬件并尽可能地减少内存占用空间和功耗。
Core ML 模型会严格地仅在用户的设备上运行，因此无需任何网络连接，让你的 App 保持响应灵敏的同时保护用户数据的私密性。
Core ML 支持最新的模型，例如设计用于理解图像、视频、声音和其他富媒体的先进神经网络。
使用 Core ML 转换器可以将来自 TensorFlow 或 PyTorch 等库的模型转换为 Core ML，这种操作比以往更加轻松简单。
App 中内置的模型可以在设备端使用用户数据进行更新，在不侵犯隐私的情况下，帮助确保模型与用户行为保持相关。
Core ML 与 Xcode 紧密集成。在编写任何代码之前，先探索你的模型的行为和性能。利用自动生成的 Swift 和 Objective-C 接口，轻松地将模型整合到你的 App 中。利用 Core ML 和神经网络引擎 Instrument 对你 App 的 Core ML 支持的功能进行性能分析。
无需编写任何代码，即可生成在互联设备上测量到的模型性能报告。查看负载和预测时间的摘要以及计算单元使用情况的详细分析。
使用 Core ML Instrument 对 App 进行性能分析，以查看 Core ML API 调用和相关模型。了解 Core ML 将工作调度给硬件的时间和位置，同时更明确地了解 Metal 和新的神经网络引擎 Instrument。
你可以直接在 Xcode 中预览模型对示例数据文件的行为，也能通过设备摄像头和麦克风实时预览。
Xcode 支持模型加密，从而为你的机器学习模型提供了额外的安全保障。
Core ML 旨在以最有效的方式充分发挥强大的硬件技术优势，包括 CPU、GPU 和神经网络引擎，以便尽可能地提高性能，同时尽量减少内存占用和功耗。