计算机研究与发展

作者：罗宇哲,李玲,侯朋朋,于佳耕,程丽敏,张常有,武延军,赵琛,

关键词：协同智能, 联邦学习, 协同推理, 智能物联网, 智能计算系统,

深度学习和物联网的融合发展有力地促进了AIoT生态的繁荣.一方面AIoT设备为深度学习提供了海量数据资源，另一方面深度学习使得AIoT设备更加智能化.为保护用户数据隐私和克服单个AIoT设备的资源瓶颈，联邦学习和协同推理成为了深度学习在AIoT应用场景中广泛应用的重要支撑.联邦学习能在保护隐私的前提下有效利用用户的数据资源来训练深度学习模型，协同推理能借助多个设备的计算资源来提升推理的性能.引入了面向AIoT的协同智能的基本概念，围绕实现高效、安全的知识传递与算力供给，总结了近十年来联邦学习和协同推理算法以及架构和隐私安全3个方面的相关技术进展，介绍了联邦学习和协同推理在AIoT应用场景中的内在联系.从设备共用、模型共用、隐私安全机制协同和激励机制协同等方面展望了面向AIoT的协同智能的未来发展.

来源：2025年第1期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2025年第1期