需要学习储备哪些知识(不是单独嵌入式的知识储备)？
嵌入式是如何和人工智能结合起来的(具体机器学习算法怎么移植到微控制器上的)？
现在或以后该领域会有哪些职位？
人工智能的领域庞大涵盖学科众多，应用范围也很多，比如：机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程……不管怎么划分作为计算的输入输出是离不开嵌入式的，而现在在计算部分也开始有嵌入式的解决方案，因为在某些应用场景中无法可靠甚至根本不能采用云端计算的方式进行AI计算，于是AI的计算本地化的要求催生出一大批基于本地计算的嵌入式人工智能解决方案。
除了传统的嵌入式处理器之外还有专用的人工智能芯片这里我就不展开了下面的链接有介绍：“忘掉酷睿和骁龙：人工智能时代你该认识这些芯片 - IT国际新闻 - C114(中国通信网)”另外就是FPGA或者FPGA+MPU的解决方案，这里呢我就放一个私货视频在下面的链接里了：“DeePhi Deep Learning Platforms: Powered by Xilinx”
上述三种方式各有优缺点：第一种，映射算法最快可以迅速将AI算法移植到嵌入式MPU上，但明显资源受限；第二种，可以将AI算法计算加速到一个可观的程度但价格比较昂贵且计算的通用性不强；第三种，可以说介于一二之间，计算资源较第一种丰富，也能对AI计算加速，同时它还具有第二种方案所没有的灵活性。关于需要储备的知识，不管是AI如何应用到嵌入式系统上相应的AI基础知识：AI的数学工具、CS相应理论、就算你没有足够的精力学得比较深入至少也要“看过猪跑”，接下来就是现在大名鼎鼎的CNN、BNN之类的东西了，你需要理解其基本原理，然后AI的嵌入式应用方案中你自己根据你自己感兴趣的方案去补充相应的知识。