最近業界一直在大力推動將人工智能（AI）嵌入到嵌入式系統中。其中一些是用于基于云的AI，如亞馬遜的Alexa語音服務，但越來越多的引進集中在基于硬件的AI上。許多供應商已經發布了處理器和協處理器，在其上提供加速或專用卷積計算硬件來支持邊緣運行類神經網絡軟件。這樣，嵌入式系統就能夠在無需云連接的情況下開始執行AI算法。

這一趨勢對嵌入式系統開發人員意義重大。越來越多的處理器提供AI表明，嵌入式系統的編程方式正在發生根本轉變。這與45年前微處理器的問世一樣，又是一場意義重大的范式轉變。

差不多在我剛上大學那會兒，英特爾推出了第一款商用微處理器4004，而在我當工程師的第一年，看到處理器時鐘速率飆升到1MHz！在微處理器到來之前，復雜系統的控制需要通過使用晶體管和簡單的邏輯門，設計不靈活的梯形邏輯和狀態機來實現。但使用4004，開發人員創建的硬件設計，只需要更改內存器件的內容，即可對其進行配置和改變用途。突然間，硬件設計簡化了，系統設計也同步加速了，甚至可以切實實現更快、更復雜的行為。用軟件代碼取代專用邏輯，成為嵌入式系統設計的核心方法；沒能快速跟上潮流的開發人員發現自己被邊緣化了，只能接手小眾應用。

AI有可能對當今的嵌入式系統設計人員產生同樣影響。系統操作變得愈加苛刻，系統行為也變得愈加復雜，這使得處理器編程的簡易性變得比其性能特征更為重要。同時，人們對復雜系統行為的需求一直在增加，這對開發人員編寫可靠代碼來滿足需求形成考驗。

這就成為了AI的切入點。開發人員可以使用AI來“教”嵌入式系統完成任務，而不是試圖設計算法來實現所需任務。如果使用傳統的嵌入式編程技術，為相機系統編寫代碼，讓其可以可靠檢測視野中的所有人臉，是項艱巨且容易出錯的任務。然而，借助AI系統，通過訓練托管的AI來完成任務，然后在加裝AI的處理器上實現由此得到的神經網絡，可以快速取得驚人成果。

對于傳統的嵌入式開發人員，這使他們面臨一個與70年代中期的邏輯設計人員所面臨的相同選擇：學習新方法，或去冒出局的風險。

令人高興的是，眼下的情況有些不同。開發人員不需要成為AI專家就可將AI應用到其設計任務中，就像他們不必知道如何編寫機器代碼來對微處理器編程一樣。開發人員只需知道如何使用AI工具，了解何時應用何種方法來實現其設計目標即可。

但是，這要求開發人員去獲得新的技能并拓展新的思維方式。他們需要學習卷積神經網絡、機器學習、AI訓練方法以及如何將系統行為劃分為AI和算法域等課題。當系統的關鍵操作特性是派生得到且未定義的，且其中間操作是隱蔽的，以至不能用傳統的軟件去分析系統時，他們還需要知道如何測試、調試和驗證系統行為。

AI系統工作是通過設置神經網絡的權重來實現期望的結果，同時其可能含有隱藏層。由于這兩個屬性，我們很難用傳統方法對其進行分析和調試。

此外，情況會繼續變得復雜。目前，嵌入式AI將主要是針對早期訓練階段定義的相對固定的網絡進行實現。但隨著AI邊緣處理的性能不斷提高和成本下降，未來的嵌入式AI系統會越來越多地被設計為自我訓練。因此，嵌入式開發人員設計的系統最初將相對簡單且沒有什么差異，但隨著時間的推移，其將沿著具體安裝所特有的路徑演進，同時也仍需要母公司進行維護、調試和升級。

AI將引發嵌入式系統設計方式的大規模轉變，開發人員現在就應該著手準備。這種轉變不會一蹴而就，它也不會以同樣的方式影響所有的嵌入式系統，因此行業有時間適應。但這種轉變似乎不可避免，并且可能會長期影響幾乎所有的應用領域，就像過去40年來從邏輯設計向處理器編程的轉變一樣。那些希望自己的設計項項都可圈可點的人，需要開始學習如何嵌入AI了。