在嵌入式开发领域，一个巨大的转变正在悄然发生。传统的连接设备正演化成为能够自主决策的智能系统，它们通过处理更接近数据来源的信息，而不是在IoT网关或云端进行，这有望极大地提高决策速度、减少延迟、解决数据隐私问题、降低成本并提升能源效率。

工业自动化、机器人技术以及智能城市和家庭自动化仅是推动计算能力需求上升的一个应用领域。过去，嵌入式系统中的传感器功能简单且未联网，但现在，人工智能（AI）和机器学习（ML）技术使得本地设备能够实现前所未有的智能水平，让它们能够做出之前无法执行的复杂决策。

随着AI时代的到来，通用处理器也经历了显著变化。多年前，由于逻辑和控制算法被视为软件开发的核心点，那时数字信号处理（DSP）算法出现，使得增强语音、视觉和音频等应用成为可能。而今，我们正处于推理成为算法开发焦点的一个新时代，这一转变正影响计算体系结构设计。

我们看到，不仅需要新的加速器，还需要改进通用处理，以提供必要平衡，并启用如特征检测或实时视频识别等应用程序。几年前，当开发人员创建噪音取消应用程序时，他们只依赖基于频率的滤波器。但今天，他们可以通过将过滤与ML/AI模型相结合来提高性能和功能。这促使对处理器和工具需求的大幅增长，使这些任务更加高效，并无缝提供给用户。

这种演变主要由ML驱动，但它并非没有技术挑战。大规模启动与停止，以及尝试创造一种一刀切方法，都促使行业改变其方法，以释放扩展机会。此刻，开发者利用安全、高性能技术，使小型低功率嵌入式系统适用于以前难以想象的声音、视觉及振动应用，这些应用正在改变世界。语言模型及各种版本将很快找到位置，在具有新计算能力IoT边缘设备中运行。这将打开曾梦寐以求但难以实现的事物可能性。

为了配备这项发展所需硬件，我们引入了ARM8.1M体系结构中的ARM矢量处理技术。在ML及数字信号处理中的应用中，有显著性能提升。此外，它还提供单指令多数据(SIMD)功能，为ARM Cortex-M设备带来了新水平的性能，支持预测维护及环境监测等应用。

我们已经看到了合作伙伴在他们最新产品中选择使用ARM技术，使得开发者能在网络最边缘的地方利用ML能力。例如，Alif半导体发布了第一个Cortex-55硅，而HMAX采用了带有ARM Cortex-M-55的一款下一代W2AI处理器，该目标是电池驱动IoT设备中的计算机视觉。

随着硬件不断发展，对于软件要求越发复杂，由此产生的是对于新的开发流程——创建优化的人工智能模型以及高效驱动程序——而必须调整重要性的认知。在这个过程中，一系列工具可供选择，无论是在基于电子NPPS上的使用还是基于cortex 的CPU上使用ARM指令。一旦数据科学家离线构建完模型，就会有一套工具对其进行优化，无论是在基于电子NPPS上的使用还是在基于cortex 的CPU上使用ARM指令，如QEexo这样的自动化平台就为这一过程提供了一种直观界面，让用户收集清理并可视化传感器数据，并建立不同类型算法下的机器学习模型。

因此，在一个单一流程内，将嵌入式-IoT-AI三个领域紧密联系起来，是许多软件工程师熟悉的情况。在边缘潜力被逐步解锁之际，大众对微性能需求日益增长，不仅限于语音激活门锁、大型场景的人员检测识别甚至将电动车控制与预测性维护连接起来，以及无数其他高级AI/ML应用的领域。此刻，加装正确科技后，可重新设想边缘及其终端装置，在成本表现能源效率之间达成平衡，是这些受限系统关键要素之一。