边缘原生智能白皮书

6G边缘智能网络与基础设施

边缘计算作为一种关键技术，推动了网络和计算设施的去中心化，通过将计算过程从中央服务器迁移到设备边缘，显著降低了服务延迟，并应对新兴应用场景。边缘智能则将人工智能技术深度集成到通信系统的设计和实现中，实现边缘设备和网络的自主感知和优化，提升系统整体网络效率。

6G边缘智能网络架构采用“四层三平面”设计，包括基础设施层、虚拟化层、功能层和应用层，以及控制平面、AI平面和管理与编排平面。其中，AI平面负责学习用户和网络行为和需求，实现网络的自助运行。

边缘智能计算基础设施包括边缘智能硬件和云平台。边缘智能硬件要求具备实时高效的数据处理能力，并能进行智能决策，例如智能摄像头、智能传感器、智能机器人和边缘服务器等。边缘智能云平台则提供边缘计算环境所需的必要基础设施和服务，包括容器编排、数据存储、安全管理以及监控等。

边缘智能关键技术包括模型轻量化、边缘-云协同智能、无线联邦学习、边缘智能部署和深度边缘节点等。模型轻量化技术如剪枝、知识蒸馏、量化和神经网络架构搜索等，旨在降低模型大小和计算复杂度，方便在边缘设备上部署。边缘-云协同智能通过联邦学习等技术，实现边缘设备和云端的数据协同处理，保护用户隐私。无线联邦学习则是在无线通信网络中实现联邦学习，进一步提升边缘智能应用的性能。

边缘智能应用包括智能交通、智能制造和智能节能等。智能交通领域，边缘计算可以实现实时交通监控和预测、智能交通调度和控制、交通事件响应和管理等。智能制造领域，边缘计算可以实现实时生产监控和分析、智能预测和维护、灵活生产调度、智能物流和仓储以及节能和环境保护等。智能节能领域，边缘智能可以通过AI技术实现对网络设备的智能节能管理，降低网络运营成本。

边缘智能发展面临的挑战包括无线联邦学习的通信开销、边缘设备计算和存储资源有限、计算资源调度复杂、智能制造领域的应用挑战以及数据安全和隐私保护等。