有別于一般泛用型的PC架構(gòu)，嵌入式系統(tǒng)的定義，是為特定用途所設計的IT系統(tǒng)，近年來嵌入式在特定領域的發(fā)展加速，與過去相較，無論是深度或廣度都有長足進展，主要原因除了IT技術本身的精進外，應用產(chǎn)業(yè)不斷拓展出新的功能需求也是主因，尤其是應用面，在市場競爭日益激烈的態(tài)勢下，無論是消費性或非消費性設備供貨商，都必須善用IT技術力量，強化本身競爭力，因此嵌入式系統(tǒng)的市場需求與日俱增，而在需求與供給雙方相互拉抬下，嵌入式產(chǎn)業(yè)的發(fā)展來到史上高峰，未來幾年在AI與物聯(lián)網(wǎng)的驅(qū)動下，預計將持續(xù)成長。

商機后勢可期 廠商卡位AI市場

AI是2017年IT產(chǎn)業(yè)的焦點議題，多數(shù)研究機構(gòu)與產(chǎn)業(yè)都認為AI不但會與嵌入式系統(tǒng)整合，而且在部分應用中，具有AI功能的嵌入式設備將串聯(lián)成物聯(lián)網(wǎng)架構(gòu)成為AIoT系統(tǒng)，而AIoT系統(tǒng)中，不僅上層的云端平臺會具有運算能力，終端的嵌入式設備，甚是設備中的組件，也都會有一定程度的AI設計，進而形成龐大商機，也因此目前各大芯片商都早已開始投入AI芯片的布局。

AI芯片在嵌入式系統(tǒng)的應用相當廣，從數(shù)據(jù)中心、終端設備（智能手機、平板計算機、穿戴式裝置。。.等）、垂直特定產(chǎn)業(yè)（制造、交通、醫(yī)療。。.等），都將是目標市場。投入的廠商也眾多，以架構(gòu)來看，浮點運算、同步并行運算非常適用于人工智能的深度學習神經(jīng)網(wǎng)絡，因此具有這些特點的GPU，也成為這波AI熱潮的重要運算架構(gòu)。

但在此趨勢中CPU也未缺席，尤其是Intel在2017年中分別推出獨立AI加速器Movidius Neural Compute Stick與Myriad X視覺處理器（Vision Processing Unit；VPU），前者內(nèi)建了Myriad 2視覺運算單元，在1瓦電力下可完成每秒1，000億次浮點運算，后者則是全球第一個配備神經(jīng)運算引擎（Neural Compute Engine）的系統(tǒng)單芯片，可用于加速產(chǎn)品端的深度學習推理。

除了兩家處理器大廠，Google也在2017年推出訂制化的ASIC AI芯片TPU，專為機器學習設計，Google的TPU主要用于改善搜尋結(jié)果的相關性與提高Google街景服務地圖和導航功能正確度，由于TPU是專為特定用途設計的特殊規(guī)格邏輯IC，只執(zhí)行單一工作，所以速度更快，但缺點是成本較高。

除了GPU、CPU外，其他處理架構(gòu)如FPGA、DSP等廠商，也都積極投入AI市場，而就發(fā)展來看，仍未看出那一類運算架構(gòu)會成為市場主流，服務器的應用目前仍以CPU為主，不過現(xiàn)在NVIDIA也開始跨入發(fā)展，至于終端嵌入式設備市場，無論是體積、功耗、價格，其市場需求都比服務器更嚴苛，因此難度會更高，不同的應用會需要不同運算架構(gòu)，因此未來處理器在嵌入式終端市場的應用將更為多元，不會出現(xiàn)一家寡占的狀況。

加速物聯(lián)網(wǎng)布建 組件走向智能化

除了AI之外，物聯(lián)網(wǎng)也會是未來嵌入式系統(tǒng)的重要發(fā)展，物聯(lián)網(wǎng)概念在IT產(chǎn)業(yè)已將近10年，雖未如當初研究機構(gòu)出現(xiàn)爆發(fā)性成長，不過已陸續(xù)有產(chǎn)業(yè)導入，在物聯(lián)網(wǎng)架構(gòu)中，嵌入式設備主要應用于底層，像是零售業(yè)的POS、醫(yī)療業(yè)的手持式平板計算機、制造業(yè)的工業(yè)計算機。。.等，這些嵌入式設備過去多為獨立式運作，即便有連網(wǎng)功能，也都僅與上層架構(gòu)鏈結(jié)，傳送系統(tǒng)運作數(shù)據(jù)，設備之間彼此并未連結(jié)為綿密的物聯(lián)網(wǎng)架構(gòu)。

近年來物聯(lián)網(wǎng)概念逐漸普及，在多數(shù)產(chǎn)業(yè)導入后，過去制定的物聯(lián)網(wǎng)架構(gòu)開始因應企業(yè)實務運作轉(zhuǎn)型，就目前發(fā)展來看，架構(gòu)在物聯(lián)底紋層的嵌入式設備，將會有兩大改變，包括快速導入和智能對象。

在快速導入部分，過去系統(tǒng)中的設備數(shù)量少，系統(tǒng)建置并不難，但物聯(lián)網(wǎng)系統(tǒng)號稱萬物皆連，大量擷取第一線設備的訊號，累績成大數(shù)據(jù)后，讓上層的云端平臺的運算更趨精準，因此在物聯(lián)網(wǎng)系統(tǒng)中，第一線設備的部件相當重要，在消費性領域如智慧家庭，其設備可以逐步連結(jié)，但在地域龐大像是大型醫(yī)院、工廠等，其鏈接的嵌入式裝置數(shù)量有可能上達千臺，要在一定時間內(nèi)布建，其難度相當高，尤其是較舊的機臺，要將感測訊息連上網(wǎng)，更對系統(tǒng)人員帶來嚴苛挑戰(zhàn)。對此困境，舊型設備必須藉由外接模塊與上層鏈結(jié)，機型較新的嵌入式設備，則多已有連網(wǎng)功能，現(xiàn)在物聯(lián)網(wǎng)仍多使用3G、4G、Wi-Fi等通訊技術，要鏈接上網(wǎng)并不難，但如何讓傳回的數(shù)據(jù)具正確性，就必須靠智能對象的設計。

智能對象的設計有兩部分，包括邊緣運算和組件AI化。邊緣運算是讓位處系統(tǒng)終端的嵌入式設備有一定運算能力，設備先行預處理過數(shù)據(jù)后，再將結(jié)果傳回云端平臺，邊緣運算除可降低后端處理器的工作負載外，前端整理過的數(shù)據(jù)量也會大幅減少，若是采用3G、4G等通訊技術的系統(tǒng)，就可降低傳輸費用。組件AI化則是讓嵌入式設備內(nèi)的零組件如儲存裝置、人機接口等，具有AI功能，使其可偵測設備狀態(tài)，提升系統(tǒng)運作效率，例如播放高畫質(zhì)影音檔案時，儲存裝置可從數(shù)據(jù)的讀取次數(shù)，運算出運作模式，進而調(diào)整設備狀態(tài)，預先處理讀取扇區(qū)，使整體系統(tǒng)運作更穩(wěn)定且快速。

AI與物聯(lián)網(wǎng)是近兩年嵌入式領域的重要趨勢，而業(yè)界多認為這兩者將會快速整合，翻轉(zhuǎn)過去IT架構(gòu)的功能走向，在此態(tài)勢下，無論是單一設備或整體系統(tǒng)，嵌入式設計者必須有全新思維，一直以來嵌入式系統(tǒng)的設計都以市場需求為設計導向，在AIoT時代，系統(tǒng)使用思維將全部翻轉(zhuǎn)，設備內(nèi)部的組件功能更細更具智能，外部的系統(tǒng)整合則必須更緊密且多元，如此方能因應新時代的市場需求，設計出優(yōu)化嵌入式系統(tǒng)。

責任編輯：ct