单片机，简称mcu，是一种集成电路芯片，在如今工业物联网高速发展的时代，它被广泛应用在工业控制领域。而皮特——谷歌TensorFlow团队成员，也是TensorFLow Mobile的负责人声称，未来有一天很有可能实现在单片机上的深度学习。

  为什么是单片机

  根据皮特的估算，今年一年全球会有大约400亿枚单片机(MCU)售出。

  MCU里面有个小CPU，RAM只有几kb的那种，但医疗设备、汽车设备、工业设备，还有消费级电子产品里，都用得到。

  能耗才是限制因素

  任何需要主电源(Mains Electricity)的设备，都有很大的局限性。毕竟，不管到哪都要找地方插电，就算是手机和PC都得经常充电才行。

  然而，对智能产品来说，在任何地方都能使用，又不用经常维护才是王道。

  所以，先来看下智能手机的各个组件的耗电量情况：

  显示器400毫瓦

  无线电800毫瓦

  蓝牙100毫瓦

  加速度计21毫瓦

  陀螺仪130毫瓦

  GPS 176毫瓦

  相比之下，MCU只需要1毫瓦，或者比这更少。可是，一枚纽扣电池拥有2，000焦耳的电量，所以即便是耗电1毫瓦的设备，也只能维持1个月。

  当然，现在的设备大多用占空比 (Duty Cycling)来避免每个部件持续处在工作状态。即便是这样，电量分配还是很紧张。

  CPU和传感器不太耗电

  CPU和传感器的功耗，基本可以降到微瓦级，比如高通的Glance视觉芯片。

  相比之下，显示器和无线电，就尤其耗电了。即便是WiFi和蓝牙耗电量也至少要几十毫瓦。不难看出，皮特的猜想和预测也完全不无道理，单片机究竟如何发展，现在还不好下结论。我们可以确定的是，只有努力去掌握单片机的相关知识，才能更好地推动单片机的发展，推动芯片产业的创新，这样就能尽早实现单片机上的深度学习啦。

  文章来源：《为什么说单片机会成为深度学习最肥沃的土壤》