边缘人工智能：演化、分类框架与未来展望的系统综述
机器学习
2025-10-03 v1
摘要
边缘人工智能（Edge AI）将智能直接嵌入网络边缘设备中，通过就近处理数据来实现实时处理，提高隐私性并降低延迟。本综述遵循PRISMA指南，系统性地检视了Edge AI的演化、当前格局及未来方向，通过多维分类框架涵盖部署位置、处理能力（如TinyML和联邦学习）、应用领域及硬件类型。随后，分析了从早期内容分发网络和雾计算到现代设备端智能的演进路径。探讨了核心赋能技术，包括专用硬件加速器、优化软件及通信协议。关键挑战包括资源受限、安全性、模型管理、功耗及连接性问题。最后，突出了新兴机遇，如神经形态硬件、持续学习算法、边缘云协作及可信度集成，为研究者和实践者提供了综合性框架。
引用
@article{arxiv.2510.01439,
title = {Edge Artificial Intelligence: A Systematic Review of Evolution, Taxonomic Frameworks, and Future Horizons},
author = {Mohamad Abou Ali and Fadi Dornaika},
journal= {arXiv preprint arXiv:2510.01439},
year = {2025}
}