對于人工智能 （AI） 帶來的創(chuàng)新潛能，各個市場領(lǐng)域的嵌入式系統(tǒng)開發(fā)商皆展現(xiàn)濃厚興趣。但其實若就「創(chuàng)新」角度來看，似乎顯得有點奇怪，畢竟 AI 的基礎(chǔ)技術(shù)本身并非嶄新概念：植基在 IBM 的超級計算機 “深藍（Deep Blue）” 的 AI 系統(tǒng)早在 1997 年就擊敗了西洋棋世界冠軍 Garry Kasparov。盡管如此，在此重大突破后的 20 年來，推展各種 AI 技術(shù)的進程卻相當緩慢。這些技術(shù)直到 2010 年代后期才被整合，使得 AI 躋身嵌入式系統(tǒng)發(fā)展的主流技術(shù)之列，而此推展之路由于兩大因素變得平順許多：第一是業(yè)界可取得采用大量傳感器的物聯(lián)網(wǎng)系統(tǒng)所產(chǎn)生的龐大訓練數(shù)據(jù)庫；還有透過 YouTube、Instagram、Snapchat 與 Facebook Live 等熱門平臺，業(yè)界也首度取得大量被標注的影像、影片與其他形式的數(shù)據(jù)。第二個因素則是嵌入式系統(tǒng)主要裝置所具備的能力，如應用處理器、系統(tǒng)單芯片（SoC） 或可程序化邏輯門陣列（FPGA）皆達到可以充當「推論引擎」的臨界點。這代表這些安裝可執(zhí)行機器學習算法的裝置系統(tǒng)，能解讀圖像文件案并且辨識諸如貓、狗等物體。如今，AI 技術(shù)預期將迅速被應用至嵌入式系統(tǒng)，根據(jù)市場研調(diào)機構(gòu) IDC 預測，截至 2023 年，采用邊緣運算系統(tǒng)的 AI 處理器的市場年復合成長率將達 65%。但這波采用 AI 技術(shù)的趨勢，也引發(fā)嵌入式系統(tǒng)開發(fā)商采用的程序代碼儲存內(nèi)存 （code storage） 是否合宜的問題。今日，SPI NOR Flash 是儲存嵌入式系統(tǒng)啟動碼與應用程序代碼的首選內(nèi)存類型。不過，為了因應最新 AI 應用所產(chǎn)生的更龐大代碼鏈接庫，SPI NOR Flash 面臨必須提供更高內(nèi)存儲存容量的壓力。此外，今日應用軟件豐富的嵌入式系統(tǒng)往往需要不定期地進行在線更新，以便執(zhí)行安全性修補與新增功能。此不定期更新功能則使 SPI NOR Flash 寫入速度成為矚目焦點。本文認為，就儲存系統(tǒng)啟動碼與應用程序代碼而言，嵌入式系統(tǒng)開發(fā)商應該抱持開放態(tài)度看待以 Serial NAND Flash 取代 SPI NOR Flash 所帶來的潛在效益，同時也應該重新檢視對于 NAND 可靠性、壽命與效能的既有刻版印象。