由于现代深度学习技术的不断发展，深度学习任务具有控制逻辑复杂化、宿主-设备交互频繁化的发展趋势；而传统的以CPU为中心的加速器系统宿主-设备交互开销大，交互速度提升缓慢，最终形成“交互墙”问题：交互速度提升与设备计算速度提升之间形成剪刀差。根据阿姆达尔定律，这将严重限制加速器的应用。
针对这一问题，CPULESS加速器提出了融合流水线结构，将系统的控制中心移至深度学习处理器上来，省去独立的宿主CPU芯片；采用面向异常编程方式，能够将标量控制单元和向量运算单元之间的交互开销降至最低。
实验表明，在多种具有复杂控制逻辑的现代深度学习任务上，CPULESS系统相比传统以CPU为中心的GPU系统能够实现10.30倍性能提升，并节约92.99%的能耗。