核心研究成果 - 南京大学研究团队提出并验证了一种全新的“端云融合”智能计算范式 [1] - 该范式将无线通信融入神经网络 显著降低了无线通信模块的功耗并保持高精度推理能力 [1] - 相关研究成果于2月25日发表于国际学术期刊《自然·电子学》 [1] 研究背景与行业痛点 - 具身机器人等大量端侧设备因算力有限 需与云端设备进行协同智能计算 [1] - 将海量数据传输到云端处理能耗过高、代价过大 导致边缘智能难以大规模落地应用 [1] - 万物智联时代 构建端云无线协同网络迫切需要发展新协同范式以突破传统数据无损传输导致的通信能耗瓶颈 [1] 技术方案与实现路径 - 研究采用自主研制的模拟存内计算芯片构建了神经网络推理系统与无线通信系统 [1] - 系统分别用于端侧神经网络模型的推理计算与计算结果的无线传输 [1] - 模拟存内计算技术具有高度并行计算特点 可实现神经网络推理和通信信号处理过程中的高复杂度矩阵运算 [1] - 在训练方法层面 团队提出了通信感知训练的“算法—硬件”协同优化思路 [2] - 该思路大幅降低了无线通信的能耗与硬件成本 并提升了系统的鲁棒性 [2] 技术创新与优势 - 通过将“无线通信”纳入神经网络优化训练 系统在保证推理精度的前提下 主动学会“该花多少能量去传输数据” [3] - 该设计使得端云融合计算系统能在多种无线环境和调制方式下 以较低能耗完成高精度推理任务 [3] - 此项研究突破了传统端云协同计算系统的设计定式 提出了“以任务为中心、端到端协同优化”的智能计算新范式 [3] - 该范式为移动场景下无线环境复杂多变的智能终端设备提供了重要解决方案 [3] - 研究为超大规模端侧设备的智能互联提供了新理论视角与工程路径 并为超大规模终端设备的高效智能计算提供了新路径 [1][3]