【導讀】“通用處理器”這一術語一直被廣泛用于描述可運行各類軟件工作負載的CPU。在現代基于Arm架構的系統級芯片（SoC）領域，這一稱謂仍被廣泛使用，但隨著系統復雜度不斷提升，我們有必要追問：這類器件在實際應用中，究竟有多“通用”？
盡管基于Arm架構的SoC在軟件層面具備靈活性，但其實際性能表現很大程度上依賴于固定功能的硬件模塊。除了CPU之外，還集成了數字信號處理器（DSP）、神經網絡處理器（NPU）、圖形處理器（GPU）及其他加速器，各自被打造為專門處理人工智能推理、音頻處理或圖像處理等特定工作負載。由此構建的系統并非由某一種靈活的計算資源主導，而是由一系列專用組件構成，且每個組件均針對特定任務深度優化。
固定功能的得與失
這種設計方法能夠提升效率，但也帶來了關鍵的利弊與得失。
固定功能硬件在處理工作負載時，能顯著降低功耗、提升性能，但其適配能力存在天然局限。一旦流片完成，其硬件功能便基本固化。當負載迭代、新算法涌現時，這些模塊可能不再準確適配需求，迫使開發者遷就硬件限制，而非讓硬件適配應用場景。
在邊緣AI和物理AI等快速迭代領域，這種靈活性缺失的問題愈發凸顯。
靈活性的假象
依托其強大的軟件生態系統，現代SoC往往看似靈活。操作系統、開發框架與各類函數工具庫提供多層抽象，可簡化開發流程，并帶來一定的可移植性。
然而，在實際應用中，要實現理想的性能，開發者通常需要借助供應商的專屬工具與應用程序接口（API），去定向適配特定加速器。工作負載必須精準映射到現有硬件上，而各類硬件均有其專屬約束與編程模型，這意味著靈活性往往受限于任務與芯片的匹配度。
隨著工作負載不斷變化，這種局限性會愈發明顯。如果某項任務無法順暢地映射到現有加速器上，便會退回至CPU，這往往導致延遲更高、功耗增加，且難以滿足實時性要求。
時序至關重要之際
與此同時，這類系統大多都依賴于共享資源與時間片調度，在加載負載時易出現時序波動。
對于與物理世界交互的應用來說，如音頻處理、電機控制或傳感器反饋，這種波動不僅影響性能，而且更關乎功能。穩定滿足時序要求，與原始計算能力同等重要，并且系統設計必須兼顧可預測性以及靈活性。
重新定義“通用”
不斷演進的工作負載疊加實時性約束，促使我們重新思考“通用”的真正含義。
真正的通用系統并非由其集成的加速器數量來定義，而是取決于它能否適配不斷變化的需求，且不受固定功能硬件的束縛。這一轉變將重心轉向靈活、軟件定義的計算架構，既能并行處理多任務，又能保障時序可預測性。
可適配的芯片
XMOS公司的XCORE?架構與XMOS生成式SoC（GenSoC）平臺提供了一種截然不同的系統設計思路。
GenSoC允許開發者去生成自己的專屬SoC，從對接外部系統的輸入輸出（I/O）接口，到DSP、AI及控制處理單元，所有這些功能都集成于單顆芯片中。其架構由并行處理單元構成，這意味著它可同時執行多項任務且互不干擾，而且每次都能穩定、高效、可預測地完成處理。
這徹底改變了系統的設計模式。開發者無需再根據固定功能選型芯片，而是可以構建完全匹配需求的系統，并隨著需求的迭代能夠持續靈活匹配。
突破固定功能局限
隨著邊緣AI與物理AI系統持續演進，工作負載將變得更復雜、集成度更高、時序敏感性更強。在此背景下，通用計算需要被重新定義，它并非專用模塊的集合，而是可隨應用同步演進的靈活基石。
對芯片而言，這意味著要擺脫固定功能設計，轉向軟件定義的、高確定性的且原生并行的架構。
