記者從南京大學獲悉，該校類腦智能科技研究中心繆峰教授團隊提出並驗證了一種全新的“端雲融合”智能計算範式，該範式將無線通信融入神經網絡，顯著降低了無線通信模塊的功耗，並保持高精度推理能力，為超大規模端側設備的智能互聯提供了新的理論視角與工程路徑。相關研究成果於2月25日發表於國際學術期刊《自然·電子學》。

長期以來，具身機器人等大量端側設備由於算力有限，需要與雲端設備進行協同智能計算。但將海量數據傳輸到雲端處理卻又能耗過高、代價過大，導致邊緣智能難以大規模落地應用。

“在萬物智聯時代，構建端雲無線協同的網絡，迫切需要發展一種新的協同範式，來突破傳統數據無損傳輸所導致的通信能耗。”繆峰表示，這種範式需要以更低的發射功率、更高的計算能效，支撐超大規模終端的智能互聯。

針對這一需求，研究團隊採用自主研製的模擬存內計算芯片，構建了神經網絡推理系統與無線通信系統，並將其分別用於端側神經網絡模型的推理計算與計算結果的無線傳輸。

“模擬存內計算技術具有高度並行計算的特點，可實現神經網絡推理和通信信號處理過程中高複雜度的矩陣運算。”論文共同通訊作者、南京大學助理教授王聰解釋說。

在訓練方法層面，研究團隊提出了通信感知訓練的“算法—硬件”協同優化思路，大幅降低了無線通信的能耗與硬件成本，提升了系統的魯棒性。

“通過將‘無線通信’也納入神經網絡優化訓練中，系統會在保證推理任務精度的前提下，主動學會‘該花多少能量去傳輸數據’，這樣可以讓端雲融合計算系統在多種無線通信環境和調製方式下，以較低的能耗代價完成高精度的推理任務。”論文共同通訊作者、南京大學教授梁世軍介紹。

“這對於移動場景下所處無線環境複雜多變的智能終端設備尤為重要。”繆峰表示，此項研究突破了傳統端雲協同計算系統的設計定式，提出了“以任務為中心、端到端協同優化”的智能計算新範式，為超大規模終端設備進行高效智能計算提供了一種新路徑。