面向智能应用的端-边融合系统研究

基于移动终端算力的增强和边缘服务器的部署，用户在终端上享受视频/音频分析等智能应用具备了基本条件。但是目前应用性能距离用户的需求仍有较大的差距，终端设备执行神经网络推断的速度停留在百毫秒级/秒级，同时产生大量的能耗/发热，难以满足用户对于实时性、舒适性和设备续航能力的要求；直接将数据迁移至边缘服务进行计算时，服务性能受到无线链接性能的制约，使得用户体验难以保障；边缘服务器规模扩大后，边缘端和终端的匹配搜索空间指数级增长，导致“维度爆炸” 问题，使得边缘端与终端之间的资源共享变得更加困难。以上问题的核心在于边端资源协调不畅，使得其计算资源无法被有效且充分的利用。

本项目以端边资源融合为主线，开展面向智能应用的调度和优化问题研究。 首先融合终端的异构芯片资源，加速智能应用中的计算瓶颈——神经网络推断， 以彻底释放终端系统效能；研究面向无线网络的自适应计算切分和迁移，实现边 端资源融合，优化智能应用性能；针对大规模边缘计算中服务器选择/分配时的 “维度爆炸”问题，提出基于状态压缩和随机优化的低复杂度资源分配策略，融合 多边-多端算力，为大规模用户的智能应用需求提供解决方案。最后结合以上研 究内容，搭建边端融合系统平台，为智能应用真正走向实用提供有力支撑。