【中移智库】2023面向6G物联网的端侧计算白皮书_29页_1mb

面向6G物联网的端侧计算白皮书总结

核心内容

本白皮书探讨了面向6G物联网的端侧计算概念、典型应用场景、关键技术挑战以及新兴技术趋势。6G网络将实现更高的速率、更广的覆盖和更丰富的连接，推动端侧计算在物联网中的广泛应用。端侧计算作为云、边、端三位一体计算架构的重要组成部分，其优势在于低时延、高隐私、低功耗和离线自治，适用于大流量、实时性、隐私性及自治性等场景。

主要观点

• 端侧计算的必要性：随着物联网终端实时数据量的爆炸式增长，传统云计算架构面临响应速度慢、数据安全与隐私保护不足等问题，端侧计算成为提升系统效率和用户体验的关键。
• 算力受限：当前端侧计算受限于芯片算力，尤其是在后摩尔时代，算力提升面临瓶颈，冯·诺依曼架构的存储墙和功耗墙成为主要障碍。
• 功耗敏感：终端设备的功耗问题日益突出，传统芯片设计难以满足低功耗需求，类脑智能和存算一体等新兴技术成为解决方向。
• 信息孤岛：端侧数据无法有效汇聚，导致模型训练困难，同时终端设备功能有限，难以独立完成复杂任务。
• 端边云协同：随着物联网的快速发展，端边云协同成为解决算力、数据和资源分配问题的重要技术路径，有助于实现更灵活、高效的网络部署。
• 端端协同：从数据共享到任务卸载、碎片化能力汇聚、群体智能协同，端端协同技术正在逐步演进，以满足多样化智能场景的需求。

关键信息

典型应用场景

• 大流量场景：视频监控、自动驾驶等场景对网络带宽和数据处理效率要求极高，端侧计算可有效缓解网络压力，提升系统响应能力。
• 实时计算场景：如自动驾驶、工业控制、虚拟现实等，对端到端时延要求严格，端侧计算可显著降低时延，提升实时性。
• 隐私保护场景：人脸验证、可穿戴设备等场景需要保护用户隐私，端侧计算可在本地对数据进行脱敏处理，减少隐私泄露风险。
• 离线自治场景：智能家居等场景中，网络不稳定时需要终端具备离线处理能力，端侧计算可保障服务连续性和用户体验。

算力需求（部分示例）

新兴技术趋势

存算一体

• 定义：将存储与计算融合，以减少数据搬运，克服冯·诺依曼架构瓶颈。
• 技术分类：
  • 近存计算（PNM）：集成存储与计算模块，提升数据运算效率。
  • 存内处理（PIM）：将计算模块集成在存储器中，实现存算一体化。
  • 存内计算（CIM）：真正实现“存算一体化”，适用于视觉、听觉等场景。
• 挑战：
  • 新型存内计算器件技术成熟度低。
  • 芯片研发周期长，产业化存在不确定性。
  • 缺少成熟的EDA工具和IP核，设计效率低。

类脑智能

• 目标：借鉴生物神经网络的机制，实现低功耗、高性能的计算方式。
• 技术路线：
  • 结构层次：模仿人脑结构，构建神经网络模型。
  • 器件层次：利用忆阻器等新型器件模拟神经元和突触行为。
  • 智能层次：采用脉冲神经网络（SNN），提升时序信息处理能力。
• 挑战：
  • SNN的学习算法仍不成熟。
  • 传感器获取脉冲信号能力有限，限制了SNN的应用场景。
  • 需要跨学科合作，推动类脑智能算法和硬件的发展。

端边云协同

• 定义：通过云、边、端的协同计算，实现资源高效利用和任务灵活调度。
• 技术层次：
  • 纵向端边云协同：分为数据协同、模型协同、算力协同三个阶段。
  • 横向端端协同：包括数据共享、任务卸载、碎片化能力汇聚、群体智能协同四个层次。
• 挑战：
  • 端侧与边云协同机制尚未成熟。
  • 缺乏统一的协议和优化配置方案。
  • 数据安全与隐私保护问题需进一步解决。

关键建议

1. 推动存算一体工程化与产业化：通过产学研合作，提升芯片能效与算力，形成自主可控的产业生态。
2. 促进低功耗类脑智能算法成熟：加强跨学科合作，推动神经形态计算与传统计算的融合。
3. 完善端边云协同计算标准体系：构建统一的端边云协同计算架构，推动其在6G物联网中的应用落地。

未来展望

随着6G技术的推进，端侧计算将在物联网中发挥更加重要的作用。通过存算一体、类脑智能和端边云协同等新兴技术的发展，端侧计算有望实现更高效的算力利用、更低的功耗和更强的隐私保护能力，为6G物联网提供更加灵活、智能的计算支撑。