电子计算机本质上就是算力资源、存储资源和IO资源等资源的集合体。而嵌入式系统是计算机的一种，自然也是由这些资源构成。

近些年，在大数据、人工智能，尤其是以深度学习技术为核心的人工智能技术的催动下，整个计算机行业都在向算力时代迈进。这影响了许多事情，包括芯片设计和软件编程。

经历过Intel奔腾CPU年代的人，都应该记得那时候的主频之争。那时候提高系统性能的方法就是提升主频，每一代CPU都比上一代主频要高，而玩家和用户也都热衷于研究超频，竭力想提升主频获取更多性能。

后来主频走到头了，越来越难提升CPU频率，则进入了对称多核的年代，开始拼并行，看谁多线程。所以大家看到现在的电脑和智能手机都是4核起步，8核算普通，动不动16核、32核，甚至几百个核心。而软件开发上多线程也成为了绝对主流，面试题都几乎必问多线程及其导致的同步问题、临界区问题、可重入性问题等。

近几年，则开始大步迈进算力时代。算力时代最大的特征是“算力为王，数据驱动”。（之前的两个时代也分别是主频为王和多核多线程为王）

算力时代的一大特征是跳出了CPU为主的玩法。CPU只需要处理传统业务（如hmi，网络通信等），AI业务则由算力单元提供，算力单元作为协处理器再向CPU汇报，由CPU协调。

如果把cpu比作一个江湖侠客，那么前两个时代就是这位侠客的白手起家阶段，砍人和社交都靠他自己干。而现在算力时代他已经有了自己的队伍了，他专心当好老大搞好社交就行了，砍人则交给了专门训练的强战斗力部分专业负责。

那么算力单元是什么呢？有多种方法和厂商。他们都在用自己的技术，自己的方法为计算机提供算力，掀起了一场“算力之争”。

老牌显卡厂商英伟达行动很早。表现突出。君不见前些年英伟达也就是卖卖显卡，给intel提鞋的啊，然而现在已经成了巨佬，暴打intel，都要收购arm（听说有变数）了。闹归闹，英伟达的gpu和cuda编程技术等确实是很成熟优秀的AI算力解决方案，挖矿的和搞云计算的，搞智能汽车自动驾驶平台的，大量都在用英伟达家的芯片和软件，活该人家赚钱。

算力新秀主角则是ASIC，也就是专为实现特定AI算法的专用芯片。专用芯片虽然应用领域窄，不如GPU通用，但是好处是芯片设计难度降低，算力效率高。只要技术实力和财力足够，快速迭代，实际上很有竞争力。

ASIC的典型代表就是华为海思的人工智能处理器。昇腾系列CPU，310，910。华为的自动驾驶平台MDC810（算力400T，曾经一度算力最高吊打全场）。甚至是华为手机芯片麒麟内部集成的NPU，海思HI35XX系列内部集成的NNIE等，也都是ASIC的典型代表。

当然了，能提供算力的不止以上两种。譬如传统的算力解决方案DSP也可以的，TI的ADAS解决方案现在还在用高性能DSP做车道线识别跟踪算法。

不管用哪种方式获得算力，总之算力已经成了现代计算机系统的竞争关键。大家比的就是单位功耗所能提供的有效算力。而自动驾驶为代表的现代高科技，背后依靠的也是算力。所以一时间各种芯片厂商、主板厂商、主机厂商、解决方案厂商等，都患上了“算力焦虑”症。

这就是时代的车轮，浩浩荡荡不可阻挡。作为一名工作十几年的嵌入式开发者，我深刻认识到从芯片到硬件到软件到算法等全链条，拥抱算力竞争，围绕算力打造新功能和新竞争优势是未来10年的时代主旋律，也是我们每个IT人的机会所在。

今天就先说这么多，以后再来跟大家从具体行业角度展开解读。

免责声明：本文系网络转载，版权归原作者所有。如涉及作品版权问题，请与我们联系，我们将根据您提供的版权证明材料确认版权并支付稿酬或者删除内容。