مدل‌های بینایی-زبانی که به ترکیب داده‌های تصویری و متنی می‌پردازند، نقش مهمی در پیشرفت هوش مصنوعی دارند، اما پردازش آن‌ها به دلیل پیچیدگی زیاد، نیازمند منابع محاسباتی قوی است. پژوهش جدیدی معرفی شده که مدل BridgeTower را با استفاده از شتاب‌دهنده Habana Gaudi2 اجرا می‌کند تا فرآیند آموزش و استنتاج این مدل‌ها با سرعت بیشتری انجام شود.
شتاب‌دهنده Habana Gaudi2 با معماری پیشرفته خود، توان پردازشی بالا و بهره‌وری انرژی بیشتر را ارائه می‌دهد که باعث افزایش کارایی مدل‌های بینایی-زبانی مانند BridgeTower شده است. این پیشرفت می‌تواند در توسعه سریع‌تر برنامه‌های هوش مصنوعی در حوزه‌های مختلف از جمله پردازش تصویر و زبان طبیعی تاثیرگذار باشد.