25日，记者从南京大学获悉，该校类脑智能科技研究中心缪峰教授团队提出并验证了一种全新的“端云融合”智能计算范式，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，为超大规模端侧设备的智能互联提供了新的理论视角与工程路径。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》。

　　长期以来，具身机器人等大量端侧设备由于算力有限，需要与云端设备进行协同智能计算。但将海量数据传输到云端处理却又能耗过高、代价过大，导致边缘智能难以大规模落地应用。

　　“在万物智联时代，构建端云无线协同的网络，迫切需要发展一种新的协同范式，来突破传统数据无损传输所导致的通信能耗瓶颈。”缪峰表示，这种范式需要以更低的发射功率、更高的计算能效，支撑超大规模终端的智能互联。

　　针对这一需求，研究团队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，并将其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。

　　“模拟存内计算技术具有高度并行计算的特点，可实现神经网络推理和通信信号处理过程中高复杂度的矩阵运算。”论文共同通讯作者、南京大学助理教授王聪解释说。

　　在训练方法层面，研究团队提出了通信感知训练的“算法—硬件”协同优化思路，大幅降低了无线通信的能耗与硬件成本，提升了系统的鲁棒性。

　　“通过将‘无线通信’也纳入神经网络优化训练中，系统会在保证推理任务精度的前提下，主动学会‘该花多少能量去传输数据’，这样可以让端云融合计算系统在多种无线通信环境和调制方式下，以较低的能耗代价完成高精度的推理任务。”论文共同通讯作者、南京大学教授梁世军介绍。

　　“这对于移动场景下所处无线环境复杂多变的智能终端设备尤为重要。”缪峰表示，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，为超大规模终端设备进行高效智能计算提供了一种新路径。