Essa não é uma biblioteca que resolve um problema de ML especificamente, bibliotecas da Machine Learning podem usá-la. Muitos feedbacks que recebi são de pessoas que precisavam apenas de algo mais eficiente para lidar com grandes quantidades de números e matemática repetida em grandes datasets.

Outro caso de uso especificamente é para manipulação de imagens que fica bem mais eficiente. Isso tudo sem precisar de adicionar um serviço em outra linguagem ou aumentar sua stack (tem muita gente por ai que não tem interesse em ter um produto com 3 linguagens).

O RubixML mesmo tem uma comunidade bem ativa e casos de uso em produção de pessoas que simplesmente não queriam introduzir Python em seus produtos somente para fazer uma predição em um modelo Naive Bayes, e podem fazê-lo dentro de seus próprios backend Laravel, Symfony e afins.

Outro potencial é abrir seus modelos treinados no Python mas usar o PHP para realizar a inferência/predição no seu website em produção, evitando utilizar mais um serviço.

Fora isso, a minha biblioteca usa float32, diferentemente do PHP que usa double precision para tudo. O PHP gasta o dobro de memória para armazenar a mesma quantidade de números, então só de usar a NDArray você já economiza memória a troco de uma precisão que para a maior parte dos casos é inútil.