摘 要
随着人工智能计算与应用的不断发展,基于深度学习的智能服务对算力资源需求也逐渐提高,因此利用移动算力网络为边缘智能提供泛在异构、高效可靠的算力服务支撑。针对边缘智能和移动算力网络的研究现状和关键技术进行了讨论,提出了面向边缘智能的移动算力网络设计实例,给出了面向智能任务的网络部署方案和多维资源分配方案。
0 1
概 述
近年来,随着从云数据服务器到个人端的计算和存储设备的激增,计算普遍化和计算服务下沉的信息中心的时代到来。Machina Research报告显示,预计到2025年全球联网设备会超过270亿台;同时,根据Gartner预测,2025年将会有超过75%的数据需要分流到网络边缘侧。边缘计算作为一种将计算任务尽量靠近数据源和用户终端处理的技术,具有缓解骨干网压力、服务响应灵活和任务完成时延低的优势。
随着人工智能技术的不断发展和广泛应用,基于深度学习的智能服务对算力资源需求大幅增加,在网络边缘部署智能服务并提供高效、泛在和安全的计算服务获得广泛关注,相关研究提出了边缘智能(EdgeIntelligence,EI)概念。边缘计算和智能服务相结合,形成了边缘智能的概念,边缘与智能的结合能使两者相互受益。同时,为了充分挖掘异构广域的可用计算资源,相关研究机构提