近日，AI与未来网络研究院贾维嘉教授团队在设备端边缘智能方向的工作“Empowering Edge Intelligence: A Comprehensive Survey on On-Device Al Models”被计算机领域顶刊ACM Computing Surveys录用。

ACM Computing Surveys 1969年创刊，最新影响因子23.8，目前是Cite Score上排名第一的计算机领域国际顶级期刊，属于中科院SCI一区Top期刊。

设备端人工智能（AI）模型

在当前人工智能技术迅猛发展的背景下，设备端人工智能（AI）模型的研究逐渐成为推动智能设备普及和应用的重要力量。

综述深入探讨了设备端人工智能模型的基本概念、应用场景及其面临的技术挑战。首先，论文定义了设备端AI模型的特征，包括实时性能、资源限制和数据隐私保护，并分析了其在智能手机、智能家居、自动驾驶和医疗设备等领域的应用。其次，综述详细讨论了设备端AI模型所面临的主要挑战，如计算资源的限制、能量管理和数据隐私问题。为应对这些挑战，研究者们提出了多种优化和实施策略，包括模型压缩、数据预处理和系统集成等。此外，综述还探讨了边缘计算和基础模型等新兴技术对设备端AI模型演变的影响，强调了这些技术在推动智能系统发展的重要性。

综述从数据、模型和系统三个方面详细介绍了在设备上优化和实施人工智能模型的方法。设备端人工智能的数据优化方法能够有效提升为设备端AI模型收集的数据质量；模型优化操作包括模型压缩和模型设计，其中模型压缩通过剪枝、模型量化和知识蒸馏等技术减少模型大小，以获得在保持高准确度的同时需要更少资源的紧凑模型；综述还介绍了加速模型性能的硬件方法。

本综述为设备端AI模型的特征和应用提供了系统的分析框架，提出的优化策略为设备端AI模型的实际应用提供了指导，强调了设备端AI模型在智能家居、医疗健康、工业自动化等多个领域的应用潜力。

本文第一作者为AI与未来网络研究院2022级博士研究生王旭斌，指导老师贾维嘉教授。合作者还有北京师范大学王田教授、郭剑雄副教授、王晨豪副教授、唐志清博士以及UIC孟天晖博士。

这项工作得到了国家自然科学基金、广东省教育厅、广东省科技厅、北京师范大学珠海校区、珠海市科学技术创新局的资助。部分工作得到了北京师范大学（珠海）交叉智能超算中心的支持。