智能6G：网络的边缘部署和轻量化*

周子??，刘庆玲，陶剑英，林云

（哈尔滨工程大学信息与通信工程学院，黑龙江 哈尔滨 150001）

0 引言

全球的移动通信技术已经步入了5G 时代，商用化的5G 技术可以支持低时延高可靠的物联网业务，使云端智能下落到用户终端的愿景成为现实。但是随着人工智能、通信技术、硬件设备等领域飞速发展，用户也提出更高层次的服务需求[1]。在此基础上，6G 将会演进5G 典型场景，推出超级无限带宽、超大规模连接、极其可靠通信，并扩展普惠智能、通信感知融合等新型服务场景[2]。这些服务场景将会产生海量数据，采用传统的云计算框架将边缘数据进行集中处理的模式不仅效率低、能耗大，而且还会因为时延等问题降低服务质量，边缘计算（EC,Edge Computing）在这种背景下应运而生。

EC 是一种可以在网络边缘进行分析并处理数据的技术，通过部署边缘计算平台，让本地终端直接接入就近的服务器进行实时处理，可以最大限度地减少上传云端的数据量，释放带宽并降低服务成本。与此同时，在物理距离缩短的情况下，数据传输的时延也会大大降低，为用户提供更好的服务质量。

增强边缘计算还有另一个发展方向——人工智能（AI）。近几年AI 技术不断取得突破性进展，但是随着性能的提升，模型的体量以及能耗也在不断增加。现阶段的边缘终端（多数为传感器）通常会在mW 级别的功耗下运作，此外大部分时间将会以μW 级别的功耗进入休眠状态。在资源有限的条件下保证模型的性能，是一个具有挑战性的工作，包括知识蒸馏以及结构剪枝在内的模型轻量化技术掀起一股新的研究热潮。在这种背景下，实现边缘计算和模型轻量化的有机结合，普及边缘设备的智能服务将成为商业化发展的一种主流趋势。本文重点针对边缘计算和模型轻量化的基本理论、关键技术、发展现状等进行探讨和分析。

1 边缘节点网络部署

鉴于6G 系统的复杂性、先进性以及对产业的引领和带动作用，各主要发达国家纷纷加大投入，深入展开研究，谋求竞争优势。在5G 时代，深度学习的数据处理通常只能在云计算中心进行，该体系在处理边缘数据时存在四点不足：（1）时延较大，难以满足业务实时性需求；（2）数据流量过多，易导致信道堵塞；（3）能耗较大，会提高运营成本；（4）安全性较低，隐私数据存在相当大的泄漏风险。在5G 物联网的基础上，以网络为基础、云端处理器为中心，进行“云网融合”（架构如图1 所示），做到网随云动：云端处理器对网络进行资源分配和实时调度；实现网络云化：让传统的封闭式网络打开大门，实现本地云化、智能化，实现资源弹性分配、快速组网、智能控制等目标[3]。这种以云端服务器为中心，设立边缘节点，对边缘服务器进行技术升级、优化管理方式，建设众星捧月的网络格局可以有效地解决现存问题，是一种潜力巨大的发展方向。本节将介绍边缘计算的相关理论，并通过数据分析6G 网络采用边缘计算的优势。

图1 6G云网融合架构示意图

1.1 边缘计算（EC,Edge Computing）

边缘计算是一种新型计算范例，由谷歌公司于2006年提出，用在网络的边缘执行计算任务。相比云计算，边缘计算更贴近数据的源头，可以在一定程度上减少数据传输过程中产生的延迟；同时，因为就近处理，无需将全部数据上传到云端服务器，可以更好地保护隐私数据以防泄露，最大程度上避免信息被人恶意利用；此外，还可以大幅度减少通信能耗、最大程度上减轻网络带宽的压力。

边缘计算主要通过在终端设备和云服务器之间引入边缘节点，在节点处对用户任务类别进行判定，将时效要求较低、数据量大且需要进行深入分析的任务交付给云端中心服务器进行处理；让规模小、要求实时智能分析的任务驻留在边缘节点进行处理。因此，在智能业务中，数据量较大、需要大规模集中处理的任务可以继续沿用云集中处理模式，边缘计算则更适合小规模数据分析任务和本地服务[4]。边缘计算的架构如图2 所示：

图2 边缘计算架构

近年来，各种传感设备不断升级，数据采集能力得到显著提高，可以检测到大部分工业生产过程中的实时信息。对于检测过程中产生的海量数据，传统的处理模式存在时延大、成本高等问题，无法满足工业需求。鉴于边缘计算的优点，可以被广泛应用于工业生产环节中[5]。典型的应用场景有：基于深度学习的轴承故障诊断[6]和电力设备检修[7]，该应用场景通过边缘计算进行故障诊断和缺陷检测；对无人机进行综合管理，实现大范围数据采集和实时监控[8]，从而加强园区的安防管理；在进行产品测评时，运用了EC 的虚拟现实和增强现实（VR/AR）技术也使工人分析数据更为高效。

虽然边缘计算已经运用到众多场景之中，但仍存在许多问题需要进一步改善，这些问题包括EC 性能过低、安全性不足、设备协作协议完善较差等。因此，为了早日实现6G 网络的愿景、广泛普及智能业务，这些问题都需要得到持续的关注并进行深入研究。

1.2 移动边缘计算（MEC,Mobile Edge Computing）

欧洲电信标准协会于2016 年正式提出移动边缘计算的概念，MEC 将一定的计算能力附加在基站上，而边缘计算除基站外还在私有云、Cloudlet 等位置附有计算能力，这是二者最大的区别，MEC 和EC 的网络部署图如图3 所示：

图3 网络部署图

MEC 通过构建无线电接入网（RAN,Radio Access Network）层次的服务环境，使部分业务脱离核心网，进而节约资源、降低时延、提高服务质量。根据ETSI 所发布的白皮书，MEC 具有如下特征[9]：

（1）本地服务：MEC 可以脱离互联网的其余部分实现自主运营，并能够访问本地网络资源，这种特性对于M2M（Machine-to-Machine）场景十分重要。此外，由于MEC 和其他网络存在隔离特性，可以有效提升数据安全性。

（2）邻近性：MEC 布置在移动终端的最近位置，对于一些特定的计算密集型设备（例如增强现实、视频分析）具有巨大优势。

（3）低时延：MEC 就近部署在用户设备附近，可以最大程度上避免本地数据和云端数据的交互过程，大幅度降低用户服务时延，且覆盖范围内的用户数量在一定程度上保持稳定，能够减小服务器的带宽压力。

（4）位置感知：边缘分布式设备通过低级信令进行信息实时共享，MEC 可以接收本地网络设备的数据，实现设备定位。

（5）网络上下文信息：提供网络信息和实时上网数据服务的应用程序，可通过MEC 利用RAN 实时信息，对网络状态进行分析，协助运营商做出合理判断，为用户带来更优质的服务。

MEC 的“邻近性、低时延、位置感知”等技术特性，可以满足6G 服务场景中的诸多需求（如表1 所示），为其带来了广泛的应用前景。

表1 服务场景需求

由表1 可知，MEC 可以适用于车联网（IoV,Internet of Vehicles）、虚拟现实 增强现实

提醒您：因为《智能6G：网络的边缘部署和轻量化*》一文较长还有下一页，点击下面数字可以进行阅读！

《智能6G：网络的边缘部署和轻量化*》在线阅读地址：智能6G：网络的边缘部署和轻量化*