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(shè)計(jì)的IT系統(tǒng)，近年來嵌入式在特定領(lǐng)域的發(fā)展加速，與過去相較，無論是深度或廣度都有長(zhǎng)足進(jìn)展，主要原因除了IT技術(shù)本身的精進(jìn)外，應(yīng)用產(chǎn)業(yè)不斷拓展出新的功能需求也是主因，尤其是應(yīng)用面，在市場(chǎng)競(jìng)爭(zhēng)日益激烈的態(tài)勢(shì)下，無論是消費(fèi)性或非消費(fèi)性設(shè)備供貨商，都必須善用IT技術(shù)力量，強(qiáng)化本身競(jìng)爭(zhēng)力，因此嵌入式系統(tǒng)的市場(chǎng)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(dòng)下，預(yù)計(jì)將持續(xù)成長(zhǎng)。

商機(jī)后勢(shì)可期廠商卡位AI市場(chǎng)

AI是2017年IT產(chǎn)業(yè)的焦點(diǎn)議題，多數(shù)研究機(jī)構(gòu)與產(chǎn)業(yè)都認(rèn)為AI不但會(huì)與嵌入式系統(tǒng)整合，而且在部分應(yīng)用中，具有AI功能的嵌入式設(shè)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(tái)會(huì)具有運(yùn)算能力，終端的嵌入式設(shè)備，甚是設(shè)備中的組件，也都會(huì)有一定程度的AI設(shè)計(jì)，進(jìn)而形成龐大商機(jī)，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(yīng)用相當(dāng)廣，從數(shù)據(jù)中心、終端設(shè)備(智能手機(jī)、平板計(jì)算機(jī)、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(biāo)市場(chǎng)。投入的廠商也眾多，以架構(gòu)來看，浮點(diǎn)運(yùn)算、同步并行運(yùn)算非常適用于人工智能的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，因此具有這些特點(diǎn)的GPU，也成為這波AI熱潮的重要運(yùn)算架構(gòu)。

但在此趨勢(shì)中CPU也未缺席，尤其是Intel在2017年中分別推出獨(dú)立AI加速器MovidiusNeuralComputeStick與MyriadX視覺處理器(VisionProcessingUnit；VPU)，前者內(nèi)建了Myriad2視覺運(yùn)算單元，在1瓦電力下可完成每秒1，000億次浮點(diǎn)運(yùn)算，后者則是全球第一個(gè)配備神經(jīng)運(yùn)算引擎(NeuralComputeEngine)的系統(tǒng)單芯片，可用于加速產(chǎn)品端的深度學(xué)習(xí)推理。

除了兩家處理器大廠，Google也在2017年推出訂制化的ASICAI芯片TPU，專為機(jī)器學(xué)習(xí)設(shè)計(jì)，Google的TPU主要用于改善搜尋結(jié)果的相關(guān)性與提高Google街景服務(wù)地圖和導(dǎo)航功能正確度，由于TPU是專為特定用途設(shè)計(jì)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(diǎn)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(chǎng)，而就發(fā)展來看，仍未看出那一類運(yùn)算架構(gòu)會(huì)成為市場(chǎng)主流，服務(wù)器的應(yīng)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(shè)備市場(chǎng)，無論是體積、功耗、價(jià)格，其市場(chǎng)需求都比服務(wù)器更嚴(yán)苛，因此難度會(huì)更高，不同的應(yīng)用會(huì)需要不同運(yùn)算架構(gòu)，因此未來處理器在嵌入式終端市場(chǎng)的應(yīng)用將更為多元，不會(huì)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(huì)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(dāng)初研究機(jī)構(gòu)出現(xiàn)爆發(fā)性成長(zhǎng)，不過已陸續(xù)有產(chǎn)業(yè)導(dǎo)入，在物聯(lián)網(wǎng)架構(gòu)中，嵌入式設(shè)備主要應(yīng)用于底層，像是零售業(yè)的POS、醫(yī)療業(yè)的手持式平板計(jì)算機(jī)、制造業(yè)的工業(yè)計(jì)算機(jī)...等，這些嵌入式設(shè)備過去多為獨(dú)立式運(yùn)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(yùn)作數(shù)據(jù)，設(shè)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(dǎo)入后，過去制定的物聯(lián)網(wǎng)架構(gòu)開始因應(yīng)企業(yè)實(shí)務(wù)運(yùn)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(shè)備，將會(huì)有兩大改變，包括快速導(dǎo)入和智能對(duì)象。

在快速導(dǎo)入部分，過去系統(tǒng)中的設(shè)備數(shù)量少，系統(tǒng)建置并不難，但物聯(lián)網(wǎng)系統(tǒng)號(hào)稱萬物皆連，大量擷取第一線設(shè)備的訊號(hào)，累績(jī)成大數(shù)據(jù)后，讓上層的云端平臺(tái)的運(yùn)算更趨精準(zhǔn)，因此在物聯(lián)網(wǎng)系統(tǒng)中，第一線設(shè)備的部件相當(dāng)重要，在消費(fèi)性領(lǐng)域如智慧家庭，其設(shè)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(dá)千臺(tái)，要在一定時(shí)間內(nèi)布建，其難度相當(dāng)高，尤其是較舊的機(jī)臺(tái)，要將感測(cè)訊息連上網(wǎng)，更對(duì)系統(tǒng)人員帶來嚴(yán)苛挑戰(zhàn)。對(duì)此困境，舊型設(shè)備必須藉由外接模塊與上層鏈結(jié)，機(jī)型較新的嵌入式設(shè)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(shù)，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(duì)象的設(shè)計(jì)。

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

AI與物聯(lián)網(wǎng)是近兩年嵌入式領(lǐng)域的重要趨勢(shì)，而業(yè)界多認(rèn)為這兩者將會(huì)快速整合，翻轉(zhuǎn)過去IT架構(gòu)的功能走向，在此態(tài)勢(shì)下，無論是單一設(shè)備或整體系統(tǒng)，嵌入式設(shè)計(jì)者必須有全新思維，一直以來嵌入式系統(tǒng)的設(shè)計(jì)都以市場(chǎng)需求為設(shè)計(jì)導(dǎo)向，在AIoT時(shí)代，系統(tǒng)使用思維將全部翻轉(zhuǎn)，設(shè)備內(nèi)部的組件功能更細(xì)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(yīng)新時(shí)代的市場(chǎng)需求，設(shè)計(jì)出優(yōu)化嵌入式系統(tǒng)。