CNCC论坛分享 | 边缘智能前沿技术与应用论坛

本次论坛由CCF专业会员、国家级青年人才、华中科技大学计算机学院教授何强作为主席，CCF会士、分布式系统与计算专委会荣誉主席、上海交通大学特聘教授陈贵海为共同主席，邀请业内著名专家学者出席，围绕“边缘智能前沿技术与应用”主题进行演讲，旨在分享领域内知名专家和学者的研究成果和经验，促进边缘智能在商业、工业和交通等各领域的应用，使边缘智能更好地融入人们的日常生活。

何强教授在会议主持中提到，边缘智能具有低延迟和个性化的特点，并且能够保护用户隐私，能够促进科技的发展和社会的进步，带动经济增长，对国家安全、医疗卫生和交通基础设施等建设都有促进作用。继续深入研究和应用边缘智能技术是当今科技领域的重要任务之一。

浙江大学求是特聘教授、CCF杰出会员，国家杰出青年基金获得者，IET Fellow、浙江大学社会科学研究院副院长、浙江大学中原研究院大数据与人工智能研究中心主任邓水光，报告的题目是《云边协同计算与智能》。他在报告中指出云边协作智能是人工智能、边缘计算与云计算的有机融合，可有效解决人工智能最后一公里问题。并从计算范式的发展出发，讨论了云边协同计算和智能领域的一些重要技术和挑战，讨论了云边协同的在线资源分配、复杂任务调度、大规模负载疏散等研究热点。同时，结合国家重点研发项目 “感存算一体的神经元计算机系统”，介绍了一种新型计算形态——类脑计算，并分享了基于类脑计算在云边协作智能的研究探索和阶段性成果。

山东大学“杰出中青年”特聘教授、计算机科学与技术学院副院长、CCF高级会员，国家优秀青年科学基金获得者于东晓，报告的题目是《资源受限下的协同学习机制研究》。报告指出边缘计算整合了泛在资源，与人工智能互相耦合，形成的边缘智能，能够真正实现靠近数据源端的人工智能，并提出了全面自治边缘智能，深度轻量化协同学习的目标愿景。于教授在报告中指出协同学习面临的众多挑战：一方面，边缘设备的构成比较复杂，设备的计算能力，响应速度等不同；第二个方面的挑战来自于复杂的网络环境和数据环境，网络环境复杂导致存在潜在的恶意节点，以及网络拓扑会发生变化，数据集中也有可能存在大量的离群点；第三个方面的挑战主要由于大模型的流行使得资源受限的边缘设备无法支持完整模型的训练。报告分享了具有理论收敛保证的资源自适应联邦学习方法和一种去中心化的边缘协同训练学习范式，并提出可容错的信息融合机制提供高效安全的通信保障和利用本地差分隐私机制实现轻量鲁棒的协同学习。

南京大学计算机科学与技术系副教授，中国电子学会优秀科技工作者，江苏省计算机学会优秀科技工作者戴海鹏，报告的题目是《无人机边缘智能研究》。他在报告中表示，在未来6G背景下以空地一体网络实现无人机边缘智能，存在以下三方面挑战。一是空时动态通信、计算、缓存需求，二是超大规模的复杂连接决策与资源管理，三是无所不及的全网络泛在智能需求。戴教授针对这三大挑战，提出了基于OODA环的无人机弹性协同边缘智能、空地一体联邦学习以及无人机自组网的去中心化联邦学习等多种架构。他将具有信息新鲜度意识的空地协同边缘推理、无人机集群高效边缘计算方法等多个问题建模为非凸混合整数非线性规划问题，将建模的优化问题分解为三个子问题进行求解。

CCF物联网专委会、分布式计算与系统专委会委员、中国科学技术大学计算机科学与技术学院教授谈海生，报告的题目是《边缘计算在线智能理论与应用》。报告中指出，在线模型和在线智能是边缘计算的固有需要。针对这一点，谈教授重点介绍了他在延迟敏感系统（例如边缘计算）中的在线存储方面的相关研究，详细阐述了其中存在的Delayed Hits和Bypassing两个问题，即数据请求延迟命中以及数据可以绕过缓存直接从数据中心（如云端）获取。他基于广泛使用的LandLord算法提出了称为CaLa的算法，缓解了上述问题，极大的增加了边缘计算环境下在线缓存的命中率。此外，谈教授还介绍了他在边缘在线智能领域的其他相关工作，包括在线作业调度、在线资源分配、在线模型调度和在线边缘资源在线定价等具体任务。

中山大学计算机学院教授、CCF高级会员、先进网络与计算系统研究所所长以及国家地方联合工程实验室副主任陈旭，报告题目是《面向实时图神经网络的分布式边缘算力系统》。报告指出图神经网络 (GNN) 在图结构大数据上具有出色的表征和学习能力，在智能物联网、工业智造等领域具有重要应用价值，而传统GNN服务的服务范式通常会将地理分布的输入数据完全上传到远程数据中心，存在显著的通信开销，而新兴的边缘计算具有巨大的潜力。陈教授在报告中分享了一种新颖的面向实时大规模GNN推理的分布式边缘算力系统Fograph，能够最大程度地发挥边缘计算带来的架构优势，Fograph架构利用了靠近物联网数据源的多个边缘节点的多样性和动态资源，通过引入异构感知执行规划和GNN特定的压缩技术，其设计能够很好地适应边缘环境中GNN服务的独特特征，在推理速度和吞吐量等性能指标上获得了显著提升。