边缘内生智能白皮书2024全球6G技术大会

边缘计算作为下一代无线网络的关键技术，推动了网络与计算设施的边缘化。更加靠近用户终端的边缘服务器可使得业务的服务时延大大降低，并能够应对不断涌现的新型场景。同时，人工智能的迅速发展对边缘计算的性能提升具有显著推动作用，有助于边缘计算设备应对急剧增加的边缘侧数据。因此，可将边缘数据的计算本地性和人工智能的强计算能力相结合，即边缘智能，来增强边缘侧的数据处理能力，提高无线通信系统的整体性能，并改善用户的服务体验。边缘智能近年来研究火热并处于快速发展阶段，因此本白皮书旨在分析当前边缘智能的研究进展。主要包括： （1）6G边缘智能网络和基础设施：首先分析面向6G网络的边缘内生智能架构；然后对边缘智能算力基础设施进行介绍，包括边缘智能硬件和云平台；最后描述边缘智能网络基础设施，包括边缘智能接入网和核心网。 （2）边缘内生智能的关键技术：从模型轻量化、边云协同智能、边缘智能化部署和深度边缘节点这几个方面分别进行介绍，并对无线联邦学习中的边缘智能进行详细的讲解，包括联邦学习中的模型稀疏化和模型量化。 （3）边缘内生智能应用：分析智慧交通、智能制造和智能节能等面向边缘内生智能的典型应用。 1.引言4 1.1背景4 1.2边缘计算与边缘内生智能发展概述4 1.3边缘内生智能的重要性5 2.6G边缘智能网络和基础设施7 2.1面向6G的边缘内生智能架构7 2.1.1架构整体概述7 2.1.2内生智能面的设计与实现8 2.2边缘智能算力基础设施11 2.2.1边缘智能硬件11 2.2.2边缘智能云平台19 2.3边缘智能网络基础设施28 2.3.1边缘智能接入网28 2.3.2边缘智能核心网36 3.边缘内生智能的关键技术43 3.1模型轻量化43 3.1.1剪枝44 3.1.2知识蒸馏45 3.1.3量化47 3.1.4NAS48 3.2边云协同智能49 3.2.1联邦学习49 3.2.2分割学习51 3.2.3模型分割52 3.3无线联邦学习中的边缘智能54 3.3.1无线联邦学习54 3.3.2联邦学习中的模型稀疏化57 3.3.3联邦学习的模型量化60 3.4边缘智能化部署63 3.4.1无线侧智能化驱动力63 3.4.2智能化部署63 3.4.3算力部署66 3.5深度边缘节点67 3.5.1深度边缘节点的无线网络可编程69 3.5.2深度边缘节点的网元融合69 3.5.3深度边缘节点的跨域AI设计72 4.边缘内生智能应用75 4.1智慧交通75 4.1.1智慧交通边缘计算系统概述75 4.1.2智慧交通边缘计算类型76 4.1.3智慧交通边缘计算应用78 4.2智能制造80 4.2.1智能制造边缘计算系统概述80 4.2.2智能制造边缘计算类型82 4.2.3智能制造边缘计算应用83 4.3智能节能86 4.3.1场景概述86 4.3.2对边缘智能的潜在需求与应用86 5.边缘内生智能的发展与挑战87 6.致谢90 1.引言 1.1背景 从1G到5G，通信技术经历了多次升级和变革，显著提高了数据传输速率，降低了延迟，并扩大了网络覆盖范围。然而，随着物联网和人工智能等技术的飞速发展，万物互联且应用场景日益复杂，现有的网络架构已无法满足新的需求。因此，作为下一代通信技术，6G必须具备更高的性能和更强大的智能化能力，推动边缘侧网络从“万物互联”向“智能互联”转变。为了更好地适应未来多样化且复杂的用户请求和应用场景，将智能技术融入通信系统的设计和实现，内生智能的概念应运而生[1]。 近年来，人工智能（AI）的理论与技术得到了进步，并广泛应用于工业场景。但是大部分的AI服务通常部署在云服务器上。随着“万物互联”时代的到来、终端设备数量和生成的数据迅速增加。集中式数据处理的形式即把所有的数据上传至云端的形式无法满足用户低时延的需求。因此，边缘计算随着物联网（IoT）以及人工智能的发展而出现。然而，目前对边缘计算的研究实施无法满足复杂的业务场景。因此，边缘内生智能有潜力成为边缘计算的下一个研究热点[2]。 边缘内生智能能够在原生网络中实现各个单元之间的自我动态感知以及自我优化的能力，打破了原有外挂式AI架构，通过将AI深度融入至网络各层中以提高系统整体网络效能，并实现网络架构中整体生命周期的自主感知以及自我管理[3]。 1.2边缘计算与边缘内生智能发展概述 边缘计算：为了缓解云数据中心的处理压力，边缘计算的概念被提出。边缘计算是一种将计算过程从中心服务器迁移到设备边缘的技术。它的核心思想是将网络、计算、存储和应用服务整合到一个靠近数据源头的平台上，可以就近提供服务。这种技术有助于减少云计算的处理负载和解决数据传输延迟的问题，满足用户在实时业务、应用智能、安全与隐私保护等方面的需求。 边缘内生智能：边缘智能是边缘计算发展到一定程度后的下一个阶段。随着边缘计算和人工智能技术的快速发展和迭代，边缘智能的概念应运而生，在边缘执行人工智能算法，这是更复杂的数据分析任务。在边缘节点，特别是在移动设备和物联网设备上部署人工智能应用，就需要边缘计算支持。首先，边缘节点需要提供相应的硬件和编程库，以满足人工智能的基本操作。其次，需要一个边缘计算平台来实现边缘节点的资源管理和任务调度。最后，需要解决云端协作式人工智能中的任务卸载和数据安全问题[4]。 随着人工智能技术的不断发展，边缘设备智能化程度得到了提升。最初，边缘智能主要关注在边缘设备上运行人工智能算法和模型，以实现数据的快速处理和响应。这种方式的智能化程度相对较低，因为边缘设备的功能和性能有限，无法实现复杂的人工智能算法和模型的运行[5]。随着技术的不断发展，边缘设备的性能和智能化程度得到了显著提升。在这个过程中，边缘内生智能的概念逐渐兴起。边缘内生智能强调将人工智能技术集成到边缘设备中，使其具备自主的数据处理和分析能力。这种方式使得边缘设备能够更好地适应复杂的应用场景，提高数据处理和响应的速度和效率[6]。 1.3边缘内生智能的重要性 边缘内生智能的重要性包含如下方面： （1）在网络边缘侧生成的数据需通过AI完全释放其潜能：由于移动设备数量激增，设备端将产生大量的数据（例如音频、图片和视频）。此时AI算法的引入将是必不可少的，因为它能够快速分析这些庞大的数据量，并从中提取特征，从而做出高质量的决策，提高了数据处理的效率和可靠性。这有助于减少人工干预和错误率，提高业务的效率和可靠性[7]。 （2）边缘内生智能以更丰富的数据和应用场景扩展智能算法部署范围：传统的云计算模式中数据源一般会上传并存储至云端，因为云端具有非常高的计算性能[8]。然而，随着万物互联时代的快速发展，传统的云计算模式逐渐向边缘计算模式转变。未来边缘侧将会产生海量的物联网数据，若上述数据需要全部上传至云端进行AI算法处理，那么将会占据大量的带宽资源并为云计算数据中心带来非常大的计算压力。面对上述挑战，通过将云端计算能力下沉至边缘，实现 了低延迟的数据处理，从而实现高性能的边缘智能处理模式[9]。 （3）边缘内生智能具有更好的系统可用性和可扩展性：AI技术己经在日常生活中的许多数字产品与服务中取得了巨大的成功，如视频监控、智能家居等。AI也是创新前沿的关键驱动力，如自动驾驶、智能金融。因此，AI应该更接近人、数据和终端设备，在实现上述目标的过程中，由于数据处理在本地进行，所以当中央服务器遇到问题时，边缘设备仍然可以继续运行。此外，随着新应用的添加或现有应用的升级，边缘设备可以轻松扩展或修改，提供了更好的灵活性。 （4）边缘内生智能增强了人工智能应用的可用性和可访问性：由于边缘设备的处理能力增强，更多的人工智能应用可以在设备上运行，而不仅仅是依赖云服务器。这增加了人工智能的可用性和可访问性[10]。 参考文献 [1]S.Talwar,N.Himayat,H.Nikopour,F.Xue,G.WuandV.Ilderem,“6G:ConnectivityintheEraofDistributedIntelligence,”IEEECommunicationsMagazine,vol.59,no.11,pp.45-50,Nov.2021. [2]M.ElsayedandM.Erol-Kantarci,“AI-EnabledFutureWirelessNetworks:Challenges,Opportunities,andOpenIssues,”IEEEVehicularTechnologyMagazine,vol.14,no.3,pp.70-77,Sep.2019. [3]S.Deng,H.Zhao,W.Fang,J.Yin,S.DustdarandA.Y.Zomaya,“EdgeIntelligence:TheConfluenceofEdgeComputingandArtificialIntelligence,”IEEEInternetofThingsJournal,vol.7,no.8,pp.7457-7469,Aug.2020. [4]M.Pan,W.SuandY.Wang,“ReviewofResearchontheCurriculumforArtificialIntelligenceandIndustrialAutomationbasedonEdgeComputing,”2021InternationalConferenceonNetworkingandNetworkApplications(NaNA),LijiangCity,China,2021,pp.222-226. [5]Y.Xiao,G.Shi,Y.Li,W.SaadandH.V.Poor,“TowardSelf-LearningEdgeIntelligencein6G,”IEEECommunicationsMagazine,vol.58,no.12,pp.34-40,Dec.2020.. [6]H.HuandC.Jiang,“EdgeIntelligence:ChallengesandOpportunities,”2020InternationalConferenceonComputer,InformationandTelecommunicationSystems(CITS),Hangzhou,China,2020,pp.1-5. [7]M.Mukherjee,R.Matam,C.X.Mavromoustakis,H.Jiang,G.MastorakisandM.Guo,“IntelligentEdgeComputing:SecurityandPrivacyChallenges,”IEEECommunicationsMagazine,vol.58,no.9,pp.26-31,Sep.2020. [8]Y.Sun,B.Xie,S.ZhouandZ.Niu,“MEET:Mobility-EnhancedEdgeinTelligenceforSmartandGreen6GNetworks,”IEEECommunicationsMagazine,vol.61,no.1,pp.64-70,Jan.2023. [9]Q.Cui,Z.Gong,W.Ni,Y.Hou,X.Chen,X.Tao,P.Zhang,“StochasticOnlineLearningforMobileEdgeComputing:LearningfromChanges,”IEEECommunicationsMagazine,vol.57,no.3,pp.63-69,Mar.2019. [10]M.Yao,M.Sohul,V.MarojevicandJ.H.Reed,“ArtificialIntelligenceDefined5GRadioAccessNetworks,”IEEECommunicationsMagazine,vol.57,no.3,pp.14-20,Mar.2019. 2.6G边缘智能网络和基础设施 2.1面向6G的边缘内生智能架构 作为