在嵌入式开发领域，一个巨大的变革正在悄然发生。传统的连接设备正逐渐演变成能够根据收集到的数据自主做出决策的系统。这一变化的核心是通过在物联网(IoT)网关或云端之前对数据进行处理，从而加快决策速度、减少延迟、解决数据隐私问题、降低成本和提高能源效率。

工业自动化、机器人技术、智能城市和家庭自动化仅仅是推动计算能力需求上升的一些应用领域。在过去，这类系统中的传感器功能非常有限且不具备网络连接能力，但随着人工智能(AI)和机器学习(ML)技术的进步，现在这些简单控制算法已经变得过时，允许本地设备实现更高级别的决策。

AI时代通用处理器的演变

多年前，软件开发者将逻辑和控制算法作为核心工作，而后来数字信号处理(DSP)算法出现，使得增强语音、视觉和音频应用成为可能。现在，我们进入了推理成为算法开发重点的一个新时代，这种转变正在影响计算体系结构设计。我们目前面临的是对计算性能、高能源效率、延迟实时处理能力以及可伸缩性等方面提出了新的或更高要求。

除了需要新的加速器外，还需要改进通用处理，以为开发人员提供必要平衡并启用如特征检查或实时视频检测等应用程序。此前，当创建噪声取消应用程序时，只会依赖基于频率滤波，但今天可以通过将过滤与ML/AI模型结合来提高性能和功能。这促使对处理器及工具需求增加，使任务更加高效且无缝提供给用户。

边缘智能标记

这种变化主要由ML驱动，但它并不缺乏技术挑战。长期以来启动与停止，以及尝试创造一种切割方法，都促使行业改变其方法以释放大规模扩展机会。现在，开发者利用安全性提升技术，使小型低功耗嵌入式系统能够用于先前难以想象的声音、视觉振动等应用，这些应用正在改变世界语言模型及其版本将很快找到位置于具有新计算能力IoT边缘设备中，这将打开曾经梦想但无法实现的事业可能性。

为了支持硬件所需发展改造所需硬件，一些年前我们引入了ARM8.1M体系结构中的ARM矢量处理技术。ARM作为小型低功耗嵌入式单元，在ML及数字信号过程中的性能提升显著，并提供单指令多数据(SIMD)功能，为ARMcortex-M设备带来了新水平性能，同时支持预测维护环境监测等复杂任务。

实现智能边界力量

合作伙伴选择使用ARM技术，使得在网络最边缘处运用的ML能力建立起来。例如，2020年2月发布的Alif半导体采用了带有cortex-55硅片，而HMAX则采用cortex-M-55作为下一代W2AI芯片的一部分，该芯片目标是电池驱动IoT设备上的图像识别。此外，2022年4月发布的心智(Renesas）CPU ARM cortex-M85同样被普鲁梅雷公司用于其基于相机的人员检测完整软件解决方案，并展示了RAMU技巧显著加速其推理引擎，该公司相信该性能提升能让客户使用更大精确度的人员检测AI增加产品功能并延长电池寿命。

随着硬件不断发展，与之相关联的是越来越复杂软件需求，它们要求新的流程来优化ML模型以及编写高效驱动程序至关键生态系统中。在这个过程中，有各种各样的arm第三方工具可供选用，一旦数据科学家离线创建完模型，就有工具进行优化，无论是在基于电子NPPS上还是在基于cortex-m5以上arm指令平台上。而QEexo则为边缘自动化端到端机器学习平台提供了一种直观用户界面，让用户可以收集清理并可视化传感器数据，以及建立不同类型自动建模。此外凯伊微MDK补充mlpop工具帮助验证复杂工作负载从而形成一个完整验证流程。但总之，无论如何都是许多软件工程师熟知的一个现状：嵌入式iotaiapplications趋向于集中于一个单一交互性的开发周期内，其结果就是人们对于微调性能尤为看重，如语音激活门锁个人检测识别预测性维护以及无数其他高度依赖人工智能/机器学习高级操作例子特别是在成本表现能源消耗隐私保护之间取得平衡这一点对于受限资源限制下的这类受限系统至关重要。而配备正确科技，则使得制造商重新设定他们眼光在成本表现能源消耗隐私保护之间达成平衡是一个关键因素之一这样受限资源限制下的这类受限资源限制下的这类受限资源限制下的这类受到严格制约条件限制的情况下未来的潜力被解锁出来也是一次重大突破！