说说物联网和嵌入式的关系
如果一个传统行业的老板告诉你，他的产品、设备、厂房不需要乱搞什么联网的，那你就要思考下这类型的企业是否值得去了，因为市场终究会淘汰他。
有这么一个案例，一个小家电的老板，他们有款电风扇在市面上卖得非常好，他自己也非常舍得投入钱去研发，研发团队还专门负责按键可靠性设计的人，一颗小小的开关按键，从一开始1万次的寿命设计标准，迭代了几轮后，现在寿命要求居然是20万次。但由于设备不联网，产品卖出去后，研发人员根本也不知道用户在使用的时候会按多少次，所以他们只能把这个当作产品的指标，每一次迭代都要有所改善。
但实际是，一款新的智能风扇在用户手上到更换下一代产品，按键按下的次数仅仅在2万次以内，所以20万次的是明显的过度设计了，但是因为没有办法拿到实际的用户使用数据，导致老板浪费的部分资源在做并非核心问题的迭代上，实际上可能到3万次的时候，风扇的其它零部件就已经出问题了。
所以如果这个家电是一款联网的设备，那公司的研发团队就能非常清楚的知道批量出去的产品设计瓶颈，避免过度设计，而这仅仅是智能化后非常小的一个点，由传统企业升级位科技企业，带来的是整个行业的革新。
下面这张是物联网产业链公司图谱，涵盖了从传感器、网络到云平台大部分的头部企业。而嵌入式在其中主要起到串联的作用，换句话说，上面的企业，你只需要找到他们招聘的官网，嵌入式的岗位绝对少不了。
我们可以细化下，
对于平台层企业，主要提供云服务为主，那和嵌入式有什么关系呢？要知道，AWS、阿里云、腾讯云基本上都在部署Iot相关的业务，而Iot平台的价值，体现在海量设备的接入，所以云平台厂家就得提供支持X86、ARM、RISC不同平台的SDK，开发板，模组，甚至OS，而这部分工作，纯软件的工程师是不够熟悉的，必须有熟悉底层的开发工程师进行对接支持，这就是嵌入式工程师在平台层企业的位置。
对于网络层的企业，模组公司、射频芯片原厂、运营商平台，这类和网络相关的企业，输出的解决方案一般是我们常见的WiFi模组、BLE模组、4G模组、NB模组、Lora模组等等，而从芯片、到模组、到解决方案再到产品，这里面包含大量的开发设计工作，这些工作都需要嵌入式工程师的主导。
对于感知层的企业，这是就更直接了，传感器、MCU、RFID、应用厂家，完全就是传统嵌入式、单片机工程师的工作啊，从传感器开发、到不同单片机平台、到不同的智能硬件产品，物联网的到来，让非常多传统的设备爆发了第二春。
对于芯片原厂企业，BSP开发、系统开发、驱动开发，老生常谈了。
然后说说人工智能和嵌入式的关系
目前，人工智能领域面临的最大问题是“数据源”和“落地难”，长期以来，市场与企业关注的重点主要集中于算法与算力领域，并在芯片、算法领域取得了不错的阶段性成果。但是在落地层面瓶颈非常多，一是各类环境数据的采集和清洗，二是部署本地后的成本和性能。
人工智能也好、深度学习也好，对传感器数据的要求是非常高的，无论是单目、双目、深度摄像头、激光雷达、音频、热成像、声波，这些数据都需要实时采集而且做深度融合，而所有的外设模块开发，都需要嵌入式的参与。
在落地层面就更直观了，很多研究传统算法和深度学习的小伙伴，在开展先行研究时，都是基于超多核、超高主频、GPU加速等等一体的主机，所以模型的训练和验证，效率相对比较高，但是这类模型想要拿到M0 M3类架构的芯片上去跑，瓶颈就到处都是了，所以性能优化是人工智能的永恒话题，而模型封装、移植、性能优化这些都需要非常熟悉芯片底层、交叉编译、指令集相关知识的人，而这些人所需要的技能就是嵌入式领域的技能。
物联网和人工智能的未来
物联网也好，人工智能也好，现在还是发展的初期，熟悉新能源汽车的朋友们都知道，自动驾驶按智能程度定义了从L0到L5，绝大部分的企业现在能够到达的都是L3。
其实物联网和人工智能技术的结合在非常多的领域都有这么一个等级划分，工业、家居、机器人等等，现在绝大多数的智能产品或场景，还只是停留在连接层面，相比于已经红海的互联网，这里还是有非常大的空间，这也是这些年基本上所有头部企业都下沉到这个领域的原因，因为太多的传统行业需要升级。
