2024边缘内生智能白皮书.pdf
《2024边缘内生智能白皮书.pdf》由会员分享,可在线阅读,更多相关《2024边缘内生智能白皮书.pdf(91页珍藏版)》请在咨信网上搜索。
1、1/90摘要摘要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
2、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。2/90目录目录1.引言.41.1 背景.41.2 边缘计算与边缘内生智能发展概述.41.3 边缘内生智能的重要性.52.6G 边缘智能网络和基础设施.72.1 面向 6G 的边缘内生智能架构.72
3、.1.1 架构整体概述.72.1.2 内生智能面的设计与实现.82.2 边缘智能算力基础设施.112.2.1 边缘智能硬件.112.2.2 边缘智能云平台.192.3 边缘智能网络基础设施.282.3.1 边缘智能接入网.282.3.2 边缘智能核心网.363.边缘内生智能的关键技术.433.1 模型轻量化.433.1.1 剪枝.443.1.2 知识蒸馏.453.1.3 量化.473.1.4 NAS.483.2 边云协同智能.493.2.1 联邦学习.493.2.2 分割学习.513.2.3 模型分割.523.3 无线联邦学习中的边缘智能.543.3.1 无线联邦学习.543.3.2 联邦学习
4、中的模型稀疏化.573.3.3 联邦学习的模型量化.603.4 边缘智能化部署.633.4.1 无线侧智能化驱动力.633.4.2 智能化部署.633.4.3 算力部署.663.5 深度边缘节点.673.5.1 深度边缘节点的无线网络可编程.693.5.2 深度边缘节点的网元融合.693.5.3 深度边缘节点的跨域 AI 设计.724.边缘内生智能应用.754.1 智慧交通.754.1.1 智慧交通边缘计算系统概述.754.1.2 智慧交通边缘计算类型.764.1.3 智慧交通边缘计算应用.784.2 智能制造.803/904.2.1 智能制造边缘计算系统概述.804.2.2 智能制造边缘计算
5、类型.824.2.3 智能制造边缘计算应用.834.3 智能节能.864.3.1 场景概述.864.3.2 对边缘智能的潜在需求与应用.865.边缘内生智能的发展与挑战.876.致谢.904/901.引言引言1.1 背景背景从 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
6、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
7、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与边缘内生智能发展概述边缘计算边缘计算: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。5/90边缘内生智能边缘内生智能:边缘智能是边缘计算发展到一定程度后的下一个
8、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,
9、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
10、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6/90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
11、。(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
12、访问性10。参考文献参考文献1 S.Talwar,N.Himayat,H.Nikopour,F.Xue,G.Wu and V.Ilderem,“6G:Connectivity in the Era of Distributed Intelligence,”IEEE CommunicationsMagazine,vol.59,no.11,pp.45-50,Nov.2021.2 M.Elsayed and M.Erol-Kantarci,“AI-Enabled Future Wireless Networks:Challenges,Opportunities,and Open Issues,”IE
13、EEVehicular TechnologyMagazine,vol.14,no.3,pp.70-77,Sep.2019.3 S.Deng,H.Zhao,W.Fang,J.Yin,S.Dustdar and A.Y.Zomaya,“EdgeIntelligence:The Confluence of Edge Computing and Artificial Intelligence,”IEEE Internet of Things Journal,vol.7,no.8,pp.7457-7469,Aug.2020.4 M.Pan,W.Su and Y.Wang,“Review of Resea
14、rch on the Curriculum forArtificialIntelligence and Industrial Automation based on Edge Computing,”2021 International Conference on Networking and Network Applications(NaNA),Lijiang City,China,2021,pp.222-226.5Y.Xiao,G.Shi,Y.Li,W.Saad and H.V.Poor,“Toward Self-Learning EdgeIntelligence in 6G,”IEEE C
15、ommunications Magazine,vol.58,no.12,pp.34-40,Dec.2020.6 H.Hu and C.Jiang,“Edge Intelligence:Challenges and Opportunities,”2020International Conference on Computer,Information and TelecommunicationSystems(CITS),Hangzhou,China,2020,pp.1-5.7 M.Mukherjee,R.Matam,C.X.Mavromoustakis,H.Jiang,G.Mastorakis a
16、nd M.Guo,“Intelligent Edge Computing:Security and Privacy Challenges,”IEEECommunications Magazine,vol.58,no.9,pp.26-31,Sep.2020.8Y.Sun,B.Xie,S.Zhou and Z.Niu,“MEET:Mobility-Enhanced EdgeinTelligence for Smart and Green 6G Networks,”IEEE CommunicationsMagazine,vol.61,no.1,pp.64-70,Jan.2023.9 Q.Cui,Z.
17、Gong,W.Ni,Y.Hou,X.Chen,X.Tao,P.Zhang,“Stochastic OnlineLearningforMobileEdgeComputing:LearningfromChanges,”IEEECommunications Magazine,vol.57,no.3,pp.63-69,Mar.2019.7/9010 M.Yao,M.Sohul,V.Marojevic and J.H.Reed,“Artificial Intelligence Defined5G Radio Access Networks,”IEEE Communications Magazine,vo
18、l.57,no.3,pp.14-20,Mar.2019.2.6G 边缘智能网络和基础设施边缘智能网络和基础设施2.1 面向面向 6G 的边缘内生智能架构的边缘内生智能架构作为下一代无线网络的关键使能技术,多接入边缘计算(Multi-access EdgeComputing,MEC)能够支撑大量的新兴业务。随着人工智能(ArtificialIntelligence,AI)的不断发展,其在 MEC 中的应用越来越广泛,但 AI 在 5G 网络中仅作为外挂式应用来协助 MEC。6G 网络中的 MEC 将在设计之初考虑 AI,并将其作为 MEC 系统的组成部分,以此来提高 MEC 的灵活性和开放性,更
19、好地应对不断涌现的应用场景和用户需求。由此,边缘内生智能架构被提出,本架构基于 AI 功能的解耦和重构来为用户提供定制化的 AI 服务。2.1.1 架构整体概述架构整体概述边缘内生智能架构由“四层三面”组成,如图 2.1 所示。其中,“四层”包含基础设施层、虚拟化层、功能层和应用层;“三面”包含控制面、AI 面和管理编排(management and orchestration,MANO)面。图 2.1 边缘内生智能架构8/90(一一)四层:)四层:基础设施层:基础设施层:位于边缘内生智能架构的最下层、涵盖了系统中的所有通信、存储和计算资源。其中,通信资源包括 WiFi、互联网等;存储资源包括
20、内存、硬盘驱动器(Hard Disk Drive,HDD)和固态驱动器(Solid State Drive,SSD)等;计算资源包括中央处理器(Central Processing Unit,CPU)、图形处理器(Graphics Processing Unit,GPU)等。虚拟化层虚拟化层:位于基础设施层之上,将底层资源抽象为资源池供上层的网络功能使用。当业务需求到来时,虚拟化层可创建 Docker 容器并使其在资源池上运行,来供给网络功能以保障其正常运转,进而保证定制化的 AI 服务。功能层:功能层:位于虚拟化层之上,包含被解耦的网络功能,即控制功能和 AI 功能,以及一条服务总线。不同的
21、网络功能能够根据业务需求进行实时的激活、释放和重组,并通过服务总线串联。应用层应用层:位于边缘内生智能架构的最上层,包含多样化的网络应用。应用层与用户直接交互,并在用户请求到达时,自动调用功能层的网络功能和虚拟化层的 Docker 容器来为用户提供服务。(二二)三面:)三面:控制面:控制面:负责从基础设施层到应用层的控制信令传输和处理。MANO 面面:将控制面的服务请求转化为 MANO 指令,并对系统的功能和资源进行协调和管理。MANO 面包含虚拟基础设施管理器(VirtualizedInfrastructure Manager,VIM),功能 MANO 和应用 MANO,分别用于对资源、功能
22、和应用的管理编排。AI 面面:也叫做内生 AI 面,作为边缘内生智能架构的核心面,用于学习用户和网络的行为和需求,实现网络的自运营。其虚拟化层为 AI 应用提供运行环境库,如 pytorch、tensorflow 等,可根据应用请求和资源状态进行选择;其虚拟化层包含被解耦的 AI 功能和一条服务总线;其应用层包含一个模板选择器和一个智能算法模型库,用于实现边缘内生智能的灵活重构。2.1.2 内生智能面的设计与实现内生智能面的设计与实现在边缘内生智能架构中,基于微服务的 AI 面被解耦为独立的 AI 功能,AI9/90功能可被按需激活和调用;在应用请求到来时,被解耦的 AI 功能可以按需组合来为
23、用户提供 AI 服务,以实现内生智能。(一一)内生智能面解耦:)内生智能面解耦:如图 2.1 所示,在内生智能面中,AI 服务被解耦为数据采集功能(DataCollection Function,DCF),数据预处理功能(Data Preprocessing Function,DPF),模型训练功能(Model Training Function,MTF),模型验证功能(Model ValidationFunction,MVF)以及数据存储功能(Data Storage Function,DSF),各功能介绍如下:DCF:采集 AI 模型训练所需的原始数据并生成相应的训练数据集。DPF:对包含
24、无效成分的原始数据进行预处理,通过数据采样、特征提取和降维等操作将原始数据中的无效或偏移内容移除,将其转化为 AI 模型训练所需的数据格式。MTF:根据业务需求选择相应的 AI 算法,训练 AI 算法的核心模型。MVF:在模型训练或实时推理的过程中评估 AI 模型的性能。DSF:存储和管理 AI 面的所有数据及 AIF 的相关参数。不同 AI 功能之间通过统一的服务总线进行通信与交互。同时,AI 功能可通过服务总线与控制功能进行信息传递,并根据业务类型由功能 MANO 来激活。(二二)内生智能面重构:)内生智能面重构:边缘内生智能重构借鉴了模板与实例化思想,依据业务类型进行 AI 功能激活、运
25、行环境配置和资源分配,以实现定制化的 AI 服务。模板:模板:通过提取和抽象一类边缘智能业务的共性为其提供通用的解决方案。边缘内生智能模板涉及模板信息(Template information,Tinf)和模板标识符(Template identifier,Tid)两个关键要素。其中,模板信息包含 AI 应用的组成元素,即应用所需的 AIF 类型、资源和运行环境,存储在智能算法模型库中。模板标识符用于区分不同 AI 应用对应模板的标识,存储在模板选择器中。在模板使用前,需对模板进行预定义操作,即根据特定 AI 应用需求定义该应用所需的功能激活、资源分配和运行环境配置相关参数。实例化实例化:根据
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2024 边缘 智能 白皮书
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【宇***】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【宇***】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。