科技进步使得数据传输量大增，处理器运算效能也须跟着提升，RISC-V技术便应运而生。RISC-V透过开源标准协作推动处理器之开放性与延伸性，提升效能，使数据传输、撷取及保存更有效率，以满足如人工智能、机器学习等新兴应用。

如同网路的出现颠覆了人际互动的模式，随着网路数据变得更加普遍，数据所代表的角色不再只是事件、影音、测量结果的记录或流水帐。反之，有效运用的数据能更增添生活的便利性，让消费者在导航、理财、购物或管理日常活动时更有效率，而数据所带来的价值和资讯也更将朝货币形式发展。现今，所讲求的不再只是储存资料，而是该如何撷取、保存及加以转换来挖掘出数据中所蕴含的各种可能性。

即时决策需求增快数据应用趁势崛起

数据在演进方向上的变化，也产生了需要分析大量且不同资料的大数据应用，即透过运算及演算法找出其中的趋势、模式与关联性；而这些情报与资讯能产生新的连结点，进而推动更精准的预测及决策，并改善商业、科学或营运结果。

不过，除了过往资讯的大数据分析之外，现今的数据应用还必须能够在讯息发生的同时立即分析。

因此，一种和大数据同时出现，称为快数据(Fast Data)的应用则应运而生。不同于大数据，快数据会运用大数据的演算法提供即时的决策与结果，在撷取到数据的当下立即处理或转换成有价值的资讯。

换句话说，大数据所提供的洞察力，是根据「已发生的现象」去预测「可能会发生的情境」，即预测性分析；而快数据所提供的洞察力则是来自即时的状况。因此对于极需即时分析、解答并采取行动的「智能型」机器，像是环境监测器、安全监视系统、证券交易系统等设备来说，快数据是不可或缺的。

在这场大数据革命发生的同时，现今大多数的资料中心都是使用通用型(General-purpose)处理器为基础，来管理与控制这些庞大数据集。随着大数据应用持续演进，像是人工智能、机器学习和分析技术等应用的出现，以及来自于行动装置、监控系统和智能型机器的数据，这些作为快速数据应用程序的分析数据更加剧了专用化(Purpose-built)运算结构和功能的需求。

通用运算渐感吃重专用化处理器兴起

部份产业的处理器技术已逐渐的从通用型中央处理器(CPU)转向专用化处理器，如绘图处理器(GPU)、现场可程式逻辑闸阵列(FPGA)、特定应用IC(ASIC)等以解决特定领域需求。虽说一般通用型电脑运算可加以改良与优化，以支援基本大数据与快数据应用，但不可否认的是，现今需求早已远远超越一般通用处理器运算能力所能提供的范围。因此产业不该只着重于其运算能力，设计的整体架构才更是其核心。

当谈到一般的运算，通常所有焦点都围绕着CPU而非数据。CPU决定多少记忆体或输入/输出可用、提供分母平均数后的最低资源分配额。相对之下，快数据应用、机器学习或基因组学(Genomics)环境所能得到的资源效能比例最佳化之可能性相当低。这不代表着通用型运算是不好的，因为它仍可支援多种应用，但须重新思考或纠正的，正是这种「通用运算可以解决所有问题」的观念，半导体商必须开始考虑采用专用化处理。

大数据/快数据应用增专用化处理商机涌现

随着各种密集性数据承载的涌现，全新商机也随之出现，无论是以储存为主的架构(支援大数据应用)或以记忆体为主的架构(支援快数据应用)，都对专用化处理出现一系列新需求。由于大数据对于储存有以千兆位元组(Petabyte)计的庞大需求，它的处理需求可能也会有所不同。举例而言，资料分析在执行工作时只需要适度的处理与运算能力，但在机器学习的环境下，就必须持续进行巨量的专用化处理才能教育机器，而这时处理功能的需求就大不相同。

相反地，快数据应用必须能马上存取及处理对应的数据以满足安全侦测(录影监视)、事件关联性(分析不同事件之间的关系)和区块链(透过密码保护记录区块的安全)等应用的需求(图1)。这种状况下除了专用化处理，庞大记忆体也扮演着关键角色，因为相较于透过深层输入/输出来进行操作，大容量的主记忆体更能即时输送数据进行处理，解决原先无法解决的问题。

而现今根深蒂固的观念：「把CPU视为万用灵丹，让它主宰有多少记忆体、输入/输出可用，以及决定能运用资源的多寡。」其实会更阻挠相关需求的发展。

开发创新应用边缘运算成关键

对某些应用来说，是否能够支援在「边缘(edge)」，亦即数据所在的装置或系统，进行资料运算并搜集数据以获取即时情报，也至关重要。许多创意的新应用都是为此设计开发，从即时撷取的内容当中找出具有价值的数据。

以目前运算技术的进展而言，目前产业现已取得一定的进展，能够在物联网(IoT)和工业物联网(IIoT)设备和系统中实现这些新的应用概念。例如，RISC-V开放指令集架构(ISA)便扮演了重要的角色。

RISC-V满足大数据/快数据工作承载

RISC-V是一种指令集架构，能透过开源标准协作推动处理器创新。它为软硬体在处理器架构方面的开放性与延伸性，提供了全新层次的自由空间，更为全新世代的运算设计及创新预先铺路。相较之下，有些商用芯片厂商则会针对自家的专用原始码及专利收取使用授权费。

另外，RISC-V采用开放的模组化手法，适合当作数据中心运算架构的基础。作为作业系统处理器，它能支援资源的独立扩张，借此打造专用化架构。它的模组式设计还能提升处理器效率，让它们可以支援远端移动系统。随着大数据与快数据应用开始带来更多极端的工作承载，未来将会需要专用化架构来弥补现有通用型架构的极限(图2)。

无论是大数据应用、支援人工智能、机器学习与分析技术等的储存式架构，或是支援快数据、各种边缘与即时性应用的记忆体架构，RISC-V都具备必要的能力、基础、生态系统与开放程度。同时，RISC-V提供了16到128位元的独立扩充能力，模组设计适合嵌入式应用与企业应用；更可同时跨界大数据与快数据应用，且无论在储存式架构或记忆体架构下，都能支援各种不同的功能和数据处理，从数据中提供价值，有助于推动处理器设计从以CPU为主，迈向以数据为中心的模式。

记忆体供应商认为RISC-V将开启大量商机，其不仅可以延伸数据中心架构、纳入新的指令，还能于资料所在处进行处理，而不必传送至资料中心，免除不必要的数据传送。换言之，透过RISC-V，大数据和快数据环境开发专用型处理器的大门已经打开，为设备上撷取的数据增加价值。