为何数字信号处理器（DSP）如今无处不在？
当ARM CPU因苹果等早期采用者而普及，移动设备使用量激增。优势显而易见：嵌入式处理器让任何设备化身多功能、特性丰富的平台。而且软件更新可延长硬件寿命，单颗芯片即可支撑多代产品。
（来源：CEVA）
通用CPU虽擅长广泛任务，却难以应对实时、低功耗处理需求——如智能手机调制解调器。调制解调器须处理连续数字化的模拟无线电信号，要求极快、高效的计算，普通CPU若不大幅增加功耗便难以胜任。
DSP正是为这类任务而生。凭借原生浮点支持与优化数学单元——尤其是乘累加（MAC）运算——它们高效处理流式数据，区别于CPU典型的批处理负载。
音频处理同样具备这些需求。DSP驱动高端音频功能——从均衡、杜比压缩到先进降噪耳机，让你在航班上安睡无扰。
AI已从数据中心延伸至移动与边缘设备。如今车辆检测行人、碰撞、车道线以实现基础自动驾驶。语音控制电视、智能音箱、甚至头盔安装的GoPro，让用户双手自由操控。
这些功能依赖流式数据的实时处理——无论语音、静态图像还是视频。音频处理如高质量采集需多麦克风波束成形、回声消除、噪声抑制——DSP在这些领域拥有数十年验证专长。
指令识别采用训练神经网络——算法与CPU中心代码截然不同。CPU虽可运行，但迟缓耗电。在高并行架构（如DSP）上运行网络，可同时执行多操作并保持低功耗。
有人可能怀疑DSP过于专用、不适合通用开发者。实际上编程与CPU相似：两者均编写C代码。关键在于编写利用DSP优势以榨取最大性能的代码。
（来源：CEVA）
DSP无处不在：每个手机无线电——蓝牙、Wi-Fi、蜂窝网——均依赖一个或多个DSP。蓝牙耳机、智能音箱、语音遥控器、家庭安防摄像头、汽车传感器，均用DSP处理音频、检测运动、分析声音以实时决策。
GPU虽在数据中心AI训练中强大，但因体积、功耗、成本不适合边缘部署。随着隐私与安全需求增长，AI必须转向低成本、低功耗硬件——使DSP成为嵌入式设备的务实之选。
因此，嵌入式DSP大规模普及。它们以全可编程方式实现低成本、低功耗语音控制、目标检测、音频增强等——CPU仍管通用管理，但DSP日益主导智能音视频处理。
本文开启系列探讨DSP与硬件加速器对比。后续包括"DSP何时胜过硬件加速器"与"抉择：硬件加速器还是DSP？"
嵌入式