5大32位元開發板的Maker選擇指南|數位時代 BusinessNext

1.了解開發板定位訴求

首先是了解其定位訴求，Raspberry Pi的原初定位是提供學生平價的電腦教育學習系統，絕大多數的情況下是將Raspberry Pi當一般的電腦在操作，例如使用鍵盤、滑鼠、網路、螢幕等，當然也可以對硬體進行擴充延伸，電路板上有13×2的針腳，可用來連接其他的外部電子裝置，例如無線網路、攝影鏡頭等，使Raspberry Pi變身成其他的電子應用系統。

（Adafruit為Raspberry Pi開發專屬顯示器。）　　

Raspberry Pi如此，Banana Pi也是相同的定位，差別是Banana Pi的硬體規格較佳，但價格也稍高，Raspberry Pi約25美元或35美元，但Banana Pi約45美元，且Banana Pi的13×2針腳（General Purpose Input/Output, GPIO）幾乎與Raspberry沒有差異，擺明鼓勵他人轉用Banana Pi進行相關發展。

（Banana Pi出於國人之手，希望讓不滿足於Raspberry Pi的玩家可以更上層樓。）　　

簡單說，Raspberry Pi與Banana Pi多數情況是由USB埠供電，並固接使用，但另外三種平台（LinkIt、Edison、Newton）基本上都是訴求穿戴式與物聯網應用，是更嬌小的平台，其中LinkIt沒有言明尺寸，Edison則如前述，Newton的系統則僅22×38公釐，必要時以電池運作。

Newton開發板的尺寸最小，僅22×38公釐。　　

2.晶片架構與軟體開發支援

第二是從晶片架構與軟體開發的角度來評估，先簡單列出5個平台的晶片架構：

五大32位元開發板處理器核心
enter image description here

雖然全是32位元處理器，但卻有高低、新舊之別，其中ARM7、ARM11屬於古典、經典版的ARM架構，基本上英國安謀（ARM）公司不太推崇繼續使用舊架構，通常鼓勵改行Cortex-M系列（新架構）取代，且LinkIt所用的ARM7比ARM11更低階簡陋，連記憶體管理單元（Memory Management Unit, MMU）都缺乏，其開發幾乎與一般微控制器無異。至於Cortex-A7（Cortex-A系列，新架構）、Edison、Newton比較適合高階應用的開發。

了解架構後，也就了解其開發軟體支援性，其中ARM架構、Intel x86架構有較多的開發工具、作業系統、範例程式、驅動程式等軟體生態系統（Ecosystem）可支援，但MIPS就相對為少，雖然MIPS支持者也宣稱MIPS支援Linux、Android等，然就實務經驗，其Android的支援性較難完整，或雖支援但仍需較多最佳化心力。

（Intel Galileo已有不少延伸套件可用。）

雖然ARM、x86架構的支援軟體多，但x86的相關軟體多半較肥大（從個人電腦上的軟體精簡而來），如此較不易開發小型化的應用，因此就軟體開發角度而言，ARM架構最為合適小型化專案的開發。

最後，也當從晶片架構來考慮未來的換用自由度，x86架構晶片除Intel外僅有AMD、VIA供貨，但短期內無法提供與Edison（使用夸克Quark處理器）相同小體積、低功耗的方案；MIPS雖有廣泛授權，晶片供貨業者較Intel多，但MIPS已多年走弱，可選擇的晶片亦不多。

至於ARM架構的換用性最多，而ARM自2008年即開始推展Cortex-A（微處理器）、Cortex-R（即時處理的微控制器）、Cortex-M（微控制器）等新架構，若選用古典版ARM架構，隨著時間用的人將逐漸減少。

（LinkIt採用ARM7架構的核心，是較舊型的架構。）

依此觀察，LinkIt所用的ARM7EJ-S（MediaTek MT2502A）為2001年的架構，Raspberry Pi所用的ARM1176JZ-F（Broadcom BCM2835）也為2007年，均屬古典版ARM架構。若不在意開發的未來升級、相容延續性，以現階段管用為著眼，依然是理想的選擇。

本文出自創新曼波，作者為陸向陽，資通訊及電子領域資深媒體人及產業分析師，熟悉ICT技術及市場研究。

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。