（文章來源：千家網）

有別于一般泛用型的PC架構，嵌入式系統的定義，是為特定用途所設計的IT系統，近年來嵌入式在特定領域的發展加速，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，應用產業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，嵌入式產業的發展來到史上高峰，未來幾年在AI與物聯網的驅動下，預計將持續成長。

AI是2017年IT產業的焦點議題，多數研究機構與產業都認為AI不但會與嵌入式系統整合，而且在部分應用中，具有AI功能的嵌入式設備將串聯成物聯網架構成為AIoT系統，而AIoT系統中，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芯片在嵌入式系統的應用相當廣，從數據中心、終端設備(智能手機、平板計算機、穿戴式裝置...等)、垂直特定產業(制造、交通、醫療...等)，都將是目標市場。投入的廠商也眾多，以架構來看，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網絡，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。

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運算引擎(Neural Compute Engine)的系統單芯片，可用于加速產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格邏輯IC，只執行單一工作，所以速度更快，但缺點是成本較高。

除了GPU、CPU外，其他處理架構如FPGA、DSP等廠商，也都積極投入AI市場，而就發展來看，仍未看出那一類運算架構會成為市場主流，服務器的應用目前仍以CPU為主，不過現在NVIDIA也開始跨入發展，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，因此未來處理器在嵌入式終端市場的應用將更為多元，不會出現一家寡占的狀況。