本书深入探讨人工智能与边缘计算的密切关系。众多智能场景和大模型的兴起加剧了大数据需求，同时数据规模对网络架构提出挑战，边缘计算应运而生。人工智能和边缘计算密不可分，边缘计算通过降低延迟和负载为人工智能提供保障，而人工智能的优化能力则支持了边缘计算高效运行。

目录
“新一代人工智能理论、技术及应用丛书”序
序
前言
第1章 边缘计算概述 1
1.1 边缘计算的产生 1
1.2 边缘计算的发展 2
1.3 边缘计算的现状 3
1.4 边缘计算的趋势 4
1.5 边缘计算的挑战 6
1.6 边缘计算理论科学问题初探 10
1.6.1 四个理论问题 10
1.6.2 三层约束关系 11
1.6.3 两项关键技术 12
1.6.4 一个共生生态 13
1.7 本章小结 14
参考文献 15
第2章 人工智能基本原理 17
2.1 人工智能发展历史和趋势 17
2.2 人工智能和深度学习 19
2.3 深度学习中的神经网络 20
2.3.1 全连接神经网络 20
2.3.2 自动编码器 21
2.3.3 卷积神经网络 21
2.3.4 生成对抗网络 22
2.3.5 递归神经网络 22
2.3.6 迁移学习 23
2.4 深度强化学习 24
2.4.1 强化学习 25
2.4.2 基于值函数的深度强化学习 25
2.4.3 基于策略梯度的深度强化学习 26
2.5 边缘智能的挑战和难点 26
2.6 分布式深度学习训练 27
2.6.1 数据并行 28
2.6.2 模型并行 28
2.7 边缘深度学习框架 28
2.8 本章小结 30
参考文献 30
第3章 边缘计算基本原理 33
3.1 边缘计算分类 33
3.1.1 微云和微型数据中心 34
3.1.2 雾计算 34
3.1.3 移动(多接入)边缘计算 35
3.1.4 边缘计算术语 35
3.1.5 云-边-端协同计算 35
3.1.6 边缘人工智能计算设备 39
3.1.7 商用边缘节点 40
3.1.8 边缘计算框架 40
3.2 边缘虚拟化 41
3.2.1 硬件虚拟化 42
3.2.2 网络虚拟化 43
3.2.3 网络切片 43
3.3 本章小结 43
参考文献 44
第4章 边缘智能应用 47
4.1 实时视频分析 47
4.1.1 基于机器学习的视频分析预处理 48
4.1.2 基于云边深度学习的视频分析 48
4.2 自动化车联网 49
4.2.1 基于机器学习的传感信息处理 49
4.2.2 基于深度学习的自动化车联网 50
4.3 智能制造 51
4.3.1 基于机器学习的知识库更新 52
4.3.2 深度学习驱动的新一代智能制造 52
4.4 智慧家居、社区与城市 53
4.4.1 基于机器学习的实时数据分析 54
4.4.2 基于深度学习的场景智能管控 54
4.5 本章小结 56
参考文献 56
第5章 边缘人工智能推理 58
5.1 边缘人工智能模型优化 58
5.1.1 模型优化的一般方法 58
5.1.2 边缘定制的模型优化 59
5.2 人工智能模型分割 61
5.3 人工智能推理早退 62
5.4 人工智能计算缓存 64
5.5 本章小结 65
参考文献 66
第6章 边缘人工智能训练 69
6.1 边缘分布式训练 70
6.2 联邦学习 72
6.2.1 通信高效的联邦学习 74
6.2.2 资源优化的联邦学习 75
6.2.3 安全强化的联邦学习 77
6.3 边缘智能训练实际案例 79
6.3.1 多用户边缘计算场景 79
6.3.2 系统建模 80
6.3.3 基于深度强化学习的计算任务卸载策略 81
6.3.4 分布式合作训练 82
6.4 本章小结 82
参考文献 83
第7章 面向人工智能的边缘计算架构 86
7.1 智慧边缘硬件 86
7.1.1 移动CPU和GPU 86
7.1.2 基于FPGA的解决方案 87
7.1.3 基于TPU的解决方案 89
7.2 智慧边缘的数据分析 90
7.2.1 边缘数据处理的需求和挑战 90
7.2.2 大数据与边缘数据处理 91
7.2.3 边缘数据处理体系结构 92
7.3 边缘智能的通信和计算方式 92
7.3.1 完全卸载 95
7.3.2 部分卸载 96
7.3.3 纵向协同 97
7.3.4 横向协同 97
7.4 面向人工智能的边缘定制框架 98
7.5 智能边缘的性能评估 99
7.6 本章小结 100
参考文献 100
第8章 面向优化边缘的人工智能算法 103
8.1 人工智能驱动的自适应边缘缓存 103
8.1.1 基于深度学习的缓存策略更新 104
8.1.2 基于强化学习的缓存策略更新 105
8.2 人工智能驱动的边缘计算卸载优化 106
8.2.1 基于深度学习的边缘计算卸载优化 107
8.2.2 基于强化学习的边缘计算卸载优化 108
8.3 人工智能驱动的边缘管理和维护 109
8.3.1 边缘通信优化 110
8.3.2 边缘安全保护 111
8.3.3 边缘联合优化 111
8.4 自适应边缘缓存实际案例 112
8.4.1 多基站边缘缓存场景 113
8.4.2 多基站系统建模 113
8.4.3 基于加权分布式DQL的缓存替换策略 114
8.4.4 边缘缓存案例总结 115
8.5 本章小结 115
参考文献 115
第9章 边缘智能的机遇与挑战 119
9.1 边缘智能前景 119
9.2 通用人工智能推理模型的构建 119
9.2.1 性能指标不明确 120
9.2.2 早退推理机制的泛化 120
9.2.3 混合模型修正 120
9.2.4 训练推理协调 121
9.3 完备的智能边缘架构 121
9.3.1 边缘数据处理解决方案 121
9.3.2 微服务架构 122
9.3.3 激励和可信机制 123
9.3.4 自适应调度机制 123
9.4 边缘侧实用训练原则 124
9.4.1 数据并行性与模型并行性 124
9.4.2 训练数据来自何处？ 125
9.4.3 异步边缘联邦学习 125
9.4.4 基于迁移学习的训练 125
9.5 智慧边缘的实际部署和改进 126
9.6 本章小结 127
参考文献 127
第10章 链上边缘智能 130
10.1 边缘智能上“链” 130
10.1.1 区块链简述 130
10.1.2 边缘智能上“链”的迫切需求 133
10.1.3 链上边缘智能体系结构 135
10.1.4 区块链共识助力边缘智能 137
10.2 边缘算力上“链” 139
10.2.1 边缘智能的算力挑战 139
10.2.2 边缘算力需求和使用现状的突出矛盾 140
10.2.3 边缘节点众筹算力网络架构 141
10.2.4 区块链加持的算力变现价值体系 144
10.3 本章小结 149
参考文献 149
第11章 边缘智能安全 152
11.1 边缘协同智能体系安全风险分析 152
11.1.1 边缘智能安全管理风险 152
11.1.2 边缘协同网络融合风险 153
11.1.3 边缘计算风险 154
11.1.4 边缘协同智能风险 155
11.2 边缘协同智能安全策略 156
11.2.1 管理平台侧安全策略 156
11.2.2 网络融合侧安全策略 156
11.2.3 边缘计算侧安全策略 157
11.2.4 边缘协同侧安全策略 158
11.3 边缘协同智能安全解决方案 158
11.3.1 智能安全管理平台 159
11.3.2 边缘计算安全防护框架 160
11.3.3 边缘协同侧安全防护方案 162
11.3.4 算法安全解决方案 162
11.4 本章小结 163
参考文献 164
第12章 边缘智能与多智能体学习 166
12.1 从单体智能到多体智能 166
12.1.1 多智能体学习：概念与特征 166
12.1.2 多智能体学习的发展与分类 167
12.1.3 边缘群智中的挑战与热点 168
12.2 多智能体学习赋能的网络边缘 169
12.2.1 边缘资源管理的演进 169
12.2.2 边缘通信的赋能 170
12.2.3 边缘缓存的赋能 171
12.2.4 边缘计算的赋能 171
12.3 边缘场景中的多智能体学习 172
12.3.1 边缘环境对多智能体模型的影响 172
12.3.2 边缘环境中多智能体模型的局限 174
12.3.3 边缘环境内多智能体学习的模式 174
12.3.4 边缘环境内多智能体知识的迁移 176
12.4 多智能体+边缘仿真：从理论到实践 177
12.4.1 边缘智能仿真与框架 177
12.4.2 传统多智能体方法案例 178
12.4.3 未来展望 179
12.5 本章小结 179
参考文献 180
第13章 边缘智能与未来数字平行社会 186
13.1 边缘计算与万物互联 186
13.2 万物赋能：边缘协同智能与数字演进 190
13.2.1 优化智能应用请求的响应时延与资源供给 190
13.2.2 改进智能应用数据的通信传输与隐私保护 191
13.2.3 提升智能应用服务的应用拓展与部署保障 191
13.3 平行边缘：信息创造价值？ 194
13.4 本章小结 197
参考文献 198
第14章 边缘智能的产业落地 200
14.1 边缘智能的政策环境 200
14.1.1 政府层面的支持政策概述 200
14.1.2 成立行业组织与技术联盟 202
14.1.3 促进产研结合的研究生态 203
14.1.4 健全法律法规与监管措施 204
14.2 边缘智能的行业落地 204
14.2.1 市场布局与需求场景 204
14.2.2 天网工程与雪亮工程 205
14.2.3 智能工厂和智慧港口 206
14.2.4 面向用户的媒体娱乐 207
14.3 边缘智能的商业模式 208
14.3.1 B2B2C 模式· 208
14.3.2 B2B 模式 209
14.3.3 业务优化提升模式 210
14.4 产品化发展前景展望 211
14.5 本章小结 213
参考文献 213