本文提供了 6G 边缘智能的愿景，着重探讨了边缘计算基础设施和平台、数据和边缘网络管理、边缘软件开发以及 ML / AI 算法的实时和分布式训练等方面的内容，旨在实现带有安全、隐私、定价和最终用户方面的智能边缘服务。我们的主要目标是从物联网向智能物联网转变，并提供 6G 智能边缘的发展路线图。

Apr, 2020

这篇文章提出了一种基于人工智能的 6G 网络智能架构，用于实现知识发现、智能资源管理、自动网络调整和智能服务提供。作者还回顾和讨论了 AI 技术在 6G 网络中的应用，并详细阐述了如何利用 AI 技术有效地优化网络性能，包括 AI 支持的移动边缘计算、智能移动和切换管理以及智能频谱管理。另外，作者强调了重要的未来研究方向和 AI-enabled 6G 网络的潜在解决方案，包括算法鲁棒性、计算效率、硬件开发和能源管理等。

Dec, 2019

本文讨论了 6G 的潜在技术以支持移动人工智能应用，并探讨了能够设计和优化 6G 架构、协议和运营的 AI 启用方法。

Apr, 2019

本文探讨了物联网、边缘计算、5G 移动通信、人工智能 / 机器学习等技术在支持实时应用和满足复杂多样化的应用需求方面的潜力和挑战。

Dec, 2020

本文旨在探讨 6G 边缘本地人工智能网络中的关键需求和挑战，并介绍了一种基于自我监督生成对抗网络的自学习体系结构，可以在网络边缘实现自动数据学习和合成，实现较大的性能提升。最后，讨论了自学习可实现的未来趋势和关键研究问题。

Oct, 2020

本文评估了基于人工智能的 5G 无线通信系统，包括网络管理、无线资源分配和网络安全等。

Sep, 2020

本文调查了利用机器学习技术提高无线网络性能方面的最新研究，并提出挑战和未解决的问题，为研究人员提供了一条路线图。

Mar, 2021

人工智能（AI）技术已成为众多行业的关键驱动力，包括消费电子、医疗保健和制造业，主要得益于过去十年间的复苏。AI 的变革力量主要来自于深度神经网络（DNN）的应用，其需要大量的训练数据和大量的计算资源进行处理。然而，由于与云通信相关的潜在延迟问题，深度学习（DL）工作流越来越多地过渡到靠近终端用户设备（EUDs）的无线边缘网络上。这种转变旨在支持对延迟敏感的应用，并催生了边缘 AI 的新范式，这将在即将到来的 6G 网络中支持无处不在的 AI 应用。尽管具有潜力，但边缘 AI 面临重大挑战，主要是由于无线边缘网络的资源限制和 DL 的资源密集性之间的矛盾。为确保性能既最佳又可持续，这需要对边缘 AI 采取注重能源的方法。因此，本文提供了关于绿色边缘 AI 的现代综述。我们首先分析了边缘 AI 系统的主要能源消耗组成部分，以确定绿色边缘 AI 的基本设计原则。在这些原则的指导下，我们进一步探讨了边缘 AI 系统中三个关键任务的能效设计方法，包括训练数据获取、边缘训练和边缘推理。最后，我们强调了进一步增强边缘 AI 能效的潜在未来研究方向。

Dec, 2023

通过深度学习的突破，将计算任务和服务从网络核心推向网络边缘的边缘计算成为一种新兴范式，旨在利用边缘大数据的潜力，本文综述了最近关于边缘智能的研究进展，并讨论了未来的研究机会。

May, 2019

本文综述了近期在人工智能边缘计算系统中与解决通信挑战相关的技术，着重介绍了从算法和系统两个方面提高在网络边缘的训练与推理的通信效率的方法，并突出了未来研究方向。

Feb, 2020