自动驾驶汽车、无人机和机器人等自主系统的发展推动了嵌入式系统的开发。这些系统要求能够处理复杂的传感器数据并实时做出决策，且功率预算通常很紧张。因此，软件必须具备前沿技术、通过安全认证且高效。例如，如今的嵌入式系统开发人员需要 SDK 支持 TensorFlow、ONNX Runtime 和 Caffe 等稳健的机器学习 (ML) 和深度学习 (DL) 框架。此类库以及针对嵌入式硬件优化这些模型的支持，对于推动产品创新至关重要。

在汽车和工业市场工作的开发人员，通常在安全至上的环境中进行开发。为了维持高标准，嵌入式软件工程师跨多个硬件内核实现操作系统，以管理任务并验证对传感器数据的可预测、低延迟响应。其整个软件栈必须经过安全评级，并根据 ISO 26262 和 IEC 61508 等国际标准进行测试，以达到 ASIL B/ASIL D（汽车）或 SIL 2/SIL 3（工业）等级。嵌入式软件工程师还需要增强的平台来构建安全关键型软件，例如经认证的库、开发流程和工具。

功率限制也给开发自主系统的嵌入式软件工程师带来了持续的挑战。例如，在汽车前置摄像头应用中，由于摄像头通常装在承受持续高温的挡风玻璃下，散热限制将处理器的功耗预算限制为五到六瓦特。运行效率低下的软件会导致功耗过大，从而给系统增加不必要的热量。过多的热量会导致热噪声和图像质量不佳。对于希望保持嵌入式设计高效运行的开发人员来说，动态软件设计、低功耗模式和功耗优化工具至关重要。

图 2-1 ADAS 嵌入式软件工程师需要安全关键型软件