《人工智能》2026年第5期“边缘智能”专题出版

专题执行编委

韩锐（作序）

北京理工大学教授、国家级青年人才。2010年毕业于清华大学并获得优秀硕士毕业生称号，2014年博士毕业于伦敦帝国理工学院。主要研究方向为边缘智能、具身智能，专注端侧大模型训练技术。主持国家自然科学基金青年/面上项目三项、国家自然科学基金重点项目等。研究成果在ACM MobiCom、IEEE INFOCOM、TC、TPDS、TDSC、TKDE等CCF A类、SCI一区会议期刊发表论文40余篇。曾获CCF-A类会议MobiCom最佳社区论文亚军奖、瑞士日内瓦国际发明展金奖、德国纽伦堡国际发明展银奖等。

专题：边缘智能

边缘智能的发展趋势、关键技术与未来展望

吴尚睿，董惠雯，张广学

摘要：为梳理边缘智能的技术进展与应用条件，本文采用叙述性综述方法，以云-边-端协同为视角，归纳模型轻量化、协同推理、分布式学习、边缘大模型、可信与绿色计算和资源编排的代表性研究，并比较工业互联网、车联网和智慧医疗的部署要求。本文的综述贡献在于，以任务时限、数据边界、资源状态和失败代价为分析主线，将模型效率、跨层协同与可信约束纳入统一框架，并据此组织技术比较及场景化评价。分析表明，边缘智能正由传统的单设备模型部署转向效率、协同与可信约束共同驱动的分布式智能系统；其持续落地不仅依赖算法与硬件的协同设计，还需要兼顾精度、尾部时延、能耗、通信、隐私、鲁棒性和可审计性的评测与治理机制。

关键词：边缘计算；边缘智能；云-边-端协同；协同推理；联邦学习；边缘大模型；可信人工智能

云边大小模型协同技术：历史、现状和展望

张青龙，张澄然，韩锐，刘驰

摘要：随着大模型能力及规模持续增长，单独依赖云侧部署或压缩后部署于边侧，已难以兼顾推理时延、系统成本、数据隐私和个性化适配等多维需求。云边大小模型之间的协同推理与训练，成为突破这一挑战的关键技术。本文对相关技术进行分类与总结：在协同推理方面，将现有方法划分为模型路由（自适应选择云或边的模型进行推理）与计算级联（联合云边模型共同推理），涉及资源感知路由、领域与任务路由、模型级联、模型分割和投机解码等技术；在协同训练方面，按照知识传递的方向总结云侧向边侧、边侧向云侧和云边双向知识交换三类方法，涵盖模型压缩、知识蒸馏、联邦学习、弱到强泛化和神经元粒度选择性知识交换等技术。最后，我们分析了云边大小模型协同从传统离身智能向具身智能演进的必要性及挑战。本文可为高效、可靠且可持续的云边协同系统设计提供结构化参考。

关键词：云边协同推理与训练；云侧大模型；边侧小模型；边缘智能；人工智能

面向边缘大模型智能体的图增强方法与应用展望

刘海慧，曾建电，郭剑雄，李彦增，周翀，王田

摘要：边缘大模型正在由面向单次推理的功能模块演变为能够访问知识、维护记忆、调用工具、执行物理任务并开展多智能体协作的智能体。工业现场、机器人、车路云和城市物联网等边缘场景包含设备、对象、空间、事件、流程和通信节点之间的大量关系信息，图结构为组织关系知识、多跳证据、任务依赖和多智能体交互提供了显式载体。本文比较关键词、向量与图检索的能力分工：关键词检索适用于精确匹配，向量检索擅长语义召回，图检索能够显式利用实体关系、多跳路径、结构约束和证据来源，三者可根据任务需求形成互补。基于已有文献，本文将图增强方法归纳为知识与证据、检索与记忆、执行与工作流、协同与通信四类功能，进一步梳理图检索增强生成、长期记忆、图化工作流、多智能体通信拓扑和动态图等关键技术及其边缘部署方式，并从任务结果、证据支撑、运行过程和系统成本四个方面总结评价方法。本文从任务自适应混合检索、动态图与长期记忆、模型-图-执行的端边云协同、可信执行和统一评价基准等方面讨论未来研究方向。

关键词：边缘智能；大模型智能体；图增强；知识图谱；图检索增强生成；端边云协同

边缘联邦学习的鲁棒性：训练阶段攻击与防御综述

周婷，吕洪涛，刘宁，刘磊

摘要：在边缘联邦学习中，数据异质性、动态参与和分层聚合等因素会增加诚实客户端更新之间的差异，并限制服务器对客户端信息的获取，给训练过程中的恶意攻击识别与鲁棒防御带来挑战。本文围绕边缘联邦学习训练阶段的攻击与防御研究进展进行综述。首先介绍联邦训练机制及边缘环境中诚实客户端更新差异的来源，其次梳理主要攻击方式及边缘条件对攻击识别的影响，并归纳现有鲁棒防御方法。在此基础上，从信息需求、信任条件和部署开销等方面比较不同方法的适用性。最后，总结现有研究在评测、分层场景中的信息利用，以及动态攻击检测与恢复方面存在的问题，并讨论后续研究方向。

关键词：边缘智能；联邦学习；模型投毒；后门攻击；拜占庭攻击；鲁棒防御

综述分析

基于LLM的智能体间接提示注入攻防综述

赵旭升，刘书赫，邹大均，赖军

摘要：基于大语言模型（LLM）的智能体通过任务规划、工具调用和环境交互等机制，具备面向复杂任务的推理、决策、执行能力，但其开放式外部交互架构也引入了间接提示注入（IPI）风险。不同于经由用户输入直接作用于LLM上下文的提示注入，IPI攻击者通常将恶意载荷嵌入智能体可访问的外部数据源，使其随检索结果进入模型解析流程并干扰行为决策，从而诱导智能体执行非授权操作。区别于主要围绕IPI防御或广义提示注入的既有综述，本文聚焦智能体场景中IPI的行为操控属性，从IPI的概念内涵出发，构建分层威胁模型，梳理典型攻击范式、防御技术体系和攻防评测基准，并讨论关键挑战与未来方向。

关键词：大语言模型；智能体安全；间接提示注入；提示注入防御

深度学习隐私保护技术的综述与展望：安全计算时代的挑战

杨佳，张兴

摘要：深度学习技术已广泛应用于各个领域，极大地改善了人们的日常生活质量，但随之而来的隐私问题也日益严重。大规模数据集中包含的个人敏感信息很容易因管理不善而泄露。本文系统探讨了深度学习中的隐私保护技术，分析了数据收集、存储、共享，以及模型训练与发布过程中的隐私风险。通过介绍差分隐私、同态加密和安全多方计算等技术的原理、优势和局限，以及实际应用案例，揭示了隐私保护与模型性能之间的平衡。同时，本文还展望了未来的研究方向，包括提高算法效率与可解释性、构建全面的隐私保护框架、开发自适应机制，以及探索跨领域应用。本文试图为相关研究人员提供一个全面的视角，以期推动深度学习在隐私保护方面不断发挥积极作用。

关键词：深度学习；隐私保护；隐私攻击；差分隐私；同态加密

技术研究

基于多臂赌博机算法的Ka频段手机直连低轨卫星智能波束选择方法研究

赵天驰，宗紫依，张普

摘要：为达成全天候、全域性的通信覆盖目标，低轨道卫星（LEO）通信技术被视为第六代移动通信系统（6G）的关键组成部分。鉴于轨道资源的有限性（如运行功率、波束数量和信道容量等），以及在复杂干扰环境下所面临的种种挑战，实现鲁棒性强且高效率的资源管理变得至关重要。本研究针对Ka频段手机直连低轨卫星通信中的波束选择问题，提出了一种基于改进多臂赌博机算法的波束选择机制，旨在快速选择最优波束，以实现最佳传输效果。LEO卫星利用信道状态信息（CSI）进行最优传输波束的选择。在仿真研究中，本研究对吞吐量、累积期望遗憾值，以及最优波束选择次数的百分比进行了比较分析。仿真结果表明，所提出的改进多臂赌博机算法在应对信道随机性时表现出色，具有较高的系统容量、良好的性能，能够有效提升通信链路的性能。

关键词：手机直连低轨卫星通信；波束选择；多臂赌博机算法

思考与探讨

人工智能在司法裁判过程中的实践应用与问题探析

张礽，高美艳

摘要：随着智慧法院建设的深入推进，人工智能技术在司法裁判中的实践应用已从辅助性工具逐步扩展至全流程智能化支持。本文通过分析司法裁判领域运用人工智能的基础功能，结合国内外典型案例，揭示了我国司法智能化进程中“技术赋能与制度约束”的协同困境。目前，人工智能算法逻辑与法律方法的主观性、灵活性存在本质冲突，具体表现为法律解释择机性缺失、裁判创新性受限，以及程序合法性风险加剧问题，据此提出“法律方法嵌入式开发”的技术路径，构建包含动态风险评估、人机权限划分、算法透明化机制的三维规制体系，强调通过“技术可控性”与“审判亲历性”的平衡，实现司法智能化转型中技术理性与价值理性的有机统一。希冀对完善智慧司法生态、防范技术异化风险提供理论价值与实践指导意义。

关键词：司法裁判；人工智能；程序正义；算法治理