2024-05-09-未来移动通信论坛-2024年边缘内生智能白皮书_91页_7mb

1. 概念与背景
边缘计算将计算能力下沉至网络边缘，6G时代进一步融合AI能力，形成“边缘内生智能”。其核心目标是降低时延、提升数据处理效率、增强用户体验，同时应对物联网和人工智能带来的海量数据挑战。

2. 核心要素

• 架构：四层三面架构（基础设施层、虚拟化层、功能层、应用层；控制面、AI面、MANO面），支持动态感知与自优化。
• 关键技术：
  • 模型轻量化：剪枝、蒸馏、量化、NAS优化模型部署。
  • 边云协同：联邦学习、分割学习实现分布式训练与隐私保护。
  • 无线联邦学习：结合无线通信优化模型更新与传输。
• 部署策略：分级算力部署（设备级实时处理、MEC近实时、中心云大规模分析），支持多样化场景需求。

3. 支撑技术

• 硬件：边缘服务器（优化型）、工业计算机（可靠性高）、边缘网关（协议转换强）、一体化机柜（集成性好），满足不同环境需求。
• 云平台：分布式边缘云支持容器化编排与智能化运维，实现算力调度与资源协同。

4. 典型应用

• 智慧交通：目标检测、事件预警、信号优化、协同控制，实时降低事故与拥堵。
• 智能制造：设备监控、视觉质检、“智慧眼”安防，提升生产效率与质量管控。
• 智能节能：基站负载优化、多层级节能策略，降低能耗与运维成本。

5. 挑战与机遇

• 挑战：模型传输带宽开销大、边缘设备资源受限、联邦学习异构数据处理复杂、数据隐私保护难度高。
• 机遇：AI与通信深度融合（如通感算智一体化）、分布式智能协同、跨行业标准支持，推动6G网络服务化与智能化演进。