最初只在特定设备使用的嵌入式系统，受到物联网 (IoT) 带动、加上商用在即的 5G 推波助澜，霎时星途大开。为加速终端应用的落地，当前嵌入式计算有以下七大发展趋势：
1. 为扩大市场，各式微控制器 (MCU)、微处理器 (MPU) 等基础计算单元积极与应用处理器 (AP) 整合做＂异构＂计算；
2. 为简化开发，新世代处理器力拼硬件、软件开发工具包 (SDK) 和内核引擎一次到位，而固件是差异化关键；
3. 为提升效能，可集中资源、按需配置的＂分布式内存＂成主流；
4. 为增强精度，现行通用处理器普遍可支持浮点计算单元 (FPU)，但如果意在追求极致效率，定点仍具优势；
5. 为优化质量，传感器与 I/O 装置接口支持不可少，MIPI 联盟多项标准已成标配；
6. 为巩固安全，硬件＂安全可信任根＂可降低网络攻击造成的数据风险和生产损失。
7. 为链接应用，争相与人工智能 (AI)／机器学习 (ML) 挂勾，云端服务供货商 (CSP) 成热门合作伙伴。
1. 为扩大市场，各式微控制器 (MCU)、微处理器 (MPU) 等基础计算单元积极与应用处理器 (AP) 整合做＂异构＂计算；
2. 为简化开发，新世代处理器力拼硬件、软件开发工具包 (SDK) 和内核引擎一次到位，而固件是差异化关键；
3. 为提升效能，可集中资源、按需配置的＂分布式内存＂成主流；
4. 为增强精度，现行通用处理器普遍可支持浮点计算单元 (FPU)，但如果意在追求极致效率，定点仍具优势；
5. 为优化质量，传感器与 I/O 装置接口支持不可少，MIPI 联盟多项标准已成标配；
6. 为巩固安全，硬件＂安全可信任根＂可降低网络攻击造成的数据风险和生产损失。
7. 为链接应用，争相与人工智能 (AI)／机器学习 (ML) 挂勾，云端服务供货商 (CSP) 成热门合作伙伴。
当特定应用标准产品 (ASSP) 与专用芯片 (ASIC) 持续迭代之际，现场可编程逻辑门阵列 (FPGA) 除了善用既有配置灵活特性，也没错过上述风潮；以老大哥赛灵思 (Xilinx) 为首，从验证工具、加速协作，转具独当一面的气场。最早提出 FPGA 概念的莱迪思半导体 (Lattice)，日前亦公开宣称：其 FPGA 尺寸小、可支持并行处理和基于各类传感器的 AI 推论，是实现各类低功耗网络终端 AI 应用的理想平台——在 iCE40 UltraPlus 和 ECP5 FPGA 运行增强版 sensAI 解决方案，可协助用户为＂毫瓦级＂智能设备赋予 AI 和 ML 功能。
此次性能提升包括支持更为轻量化／高效的神经网络 (NN) 模型以及更深度的量化，进而可使用更复杂的模型来处理更高分辨率／画面更新率的图像；随附的全新参考设计可快速创建常见的 AI 应用，包括增强版关键词检测和人脸识别。志在发展＂中国芯＂FPGA 的新进厂商高云半导体 (Gowin)，亦发布 AI 边缘计算方案——GoAI，强调较标准 MPU 加速 78 倍，且设计流程可与目前 AI、NN 开发框架完全融合；特别一提的是，他们旗下不同产品线兼采 Arm-based 和 RISC-V 架构，且内建 Bluetooth 5 联机功能的新家族即将问市。
最后一个有趣议题是关于软核 vs. 硬核，为因应 AI 算法的日新月异，不少整合开发环境 (IDE) 皆诉诸＂软件定义芯片＂(SDX) 概念，主张以软件形式包装 AI 引擎；但有别于软核支持者，另一家 FPGA 供货商 mixel 认为硬核在处理效率与稳定性略胜一筹。至于该怎么选择？就看终端应用的需求偏好了。
