为了让开发者在Android应用程序中，更方便地加入机器学习功能，Google构建了Android机器学习平台，不只提供最新的推理组件更新，同时也对所有设备优化推理性能，开发者可以跨Android版本使用一致的机器学习推理API。
设备上机器学习带来许多优点，不只可以获得更低的推理延迟，也能以更好的效率使用电力，设备能够在没有连上网络的情况下，继续使用机器学习功能，但是Google发现，要在设备上部署机器学习模型，开发团队通常会遇到数个常见的问题。
第一个问题是应用程序的大小，由于应用程序受容量限制，因此如果必需要捆绑仅用于机器学习功能的函数库，可能会产生庞大的管理成本，第二个问题则是技术的复杂性，因为设备上与服务器上的机器学习技术存在很大的差异，由于计算环境高度异构，导致性能、稳定性和准确性也都有很大的不同。第三则是设备的支持性，开发人员为了要最大程度覆盖设备，因此倾向使用较旧的API，而这限制最新机器学习技术的使用。
为了解决这些问题，Google推出Android机器学习平台，这是一个可更新且完全集成的机器学习推理堆栈，该平台提供开发者Android设备端最新的推理二元文件，而这将能够降低APK文件的大小。
Google也对所有设备进行性能优化，官方提到，他们会优化机器学习推理与Android的集成，能根据设备自动作出性能决策，包括在可用时启动硬件加速。同时Android机器学习平台也最大程度降低开发复杂性，其提供跨Android版本一致的API，并且通过Google Play服务提供定期更新，因此更新节奏与Android操作系统发布周期分离。
官方提到，Android机器学习平台在Android设备端内置TensorFlow Lite for Android，也就是说，TensorFlow Lite已经可以在所有配备Google Play服务的设备上使用。如此开发人员就不需要在应用程序中加入Runtime，进而减少应用程序的容量，此外，TensorFlow Lite for Android会使用模型中的元资料，来自动激活硬件加速，使应用程序可以在每台Android设备获得最佳性能。
自动加速是TensorFlowLite for Android的新功能，该功能供开发者考量性能、准确性和稳定性，创建模型许可名单，这份许可名单能在模型执行的时候，决定打开硬件加速与否，而为了要使用许可名单，开发者需要提供额外的元资料来验证正确性。这项功能会在今年稍晚推出。
除了定期更新TensorFlow Lite for Android之外，Google还会更新在操作系统外的Neural Networks API，并且保持各Android版本的API维持相同规范。另外，Google还正与芯片厂合作，在操作系统外，直接向设备提供最新的硬件驱动程序，这使得开发人员可以大幅减少需要测试的设备数量，目前高通是Google的第一个合作伙伴。