對于人工智能 （AI） 帶來的創新潛能，各個市場領域的嵌入式系統開發商皆展現濃厚興趣。但其實若就「創新」角度來看，似乎顯得有點奇怪，畢竟 AI 的基礎技術本身并非嶄新概念：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 技術的進程卻相當緩慢。這些技術直到 2010 年代后期才被整合，使得 AI 躋身嵌入式系統發展的主流技術之列，而此推展之路由于兩大因素變得平順許多：第一是業界可取得采用大量傳感器的物聯網系統所產生的龐大訓練數據庫；還有透過 YouTube、Instagram、Snapchat 與 Facebook Live 等熱門平臺，業界也首度取得大量被標注的影像、影片與其他形式的數據。第二個因素則是嵌入式系統主要裝置所具備的能力，如應用處理器、系統單芯片（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行機器學習算法的裝置系統，能解讀圖像文件案并且辨識諸如貓、狗等物體。如今，AI 技術預期將迅速被應用至嵌入式系統，根據市場研調機構 IDC 預測，截至 2023 年，采用邊緣運算系統的 AI 處理器的市場年復合成長率將達 65%。但這波采用 AI 技術的趨勢，也引發嵌入式系統開發商采用的程序代碼儲存內存 （code storage） 是否合宜的問題。今日，SPI NOR Flash 是儲存嵌入式系統啟動碼與應用程序代碼的首選內存類型。不過，為了因應最新 AI 應用所產生的更龐大代碼鏈接庫，SPI NOR Flash 面臨必須提供更高內存儲存容量的壓力。此外，今日應用軟件豐富的嵌入式系統往往需要不定期地進行在線更新，以便執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，就儲存系統啟動碼與應用程序代碼而言，嵌入式系統開發商應該抱持開放態度看待以 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。