AI-Driven Next-Generation Edge Computing: Current and Future Trends

Ismaeel Al Ridhawi

doi:10.1109/MNET.2025.3580540

AI-Driven Next-Generation Edge Computing: Current and Future Trends

2025-06-17

0

PRE

AI

DOI：10.1109/MNET.2025.3580540

原文链接

原文求助

摘要

En 中文

面向第六代（6G）网络的传統边缘计算架构，由于其在适应高度动态和资源密集型场景方面的能力有限，无法满足沉浸式服务的日益增长的任务和计算需求。6G中缺乏用于动态任务分配和资源管理的强大空天地一体化网络（SAGIN）框架，成为实现真正6G网络的一大障碍。本文讨论了预部署的即将到来的6G网络面临的边缘计算障碍和挑战，并介绍了一个旨在优化空天地一体化网络（SAGIN）内边缘计算设备任务和资源管理的框架。该解决方案利用了包括元宇能赋能的数字孪生（DT）以及多种人工智能（AI）技术在内的当代技术，共同增强了网络的适应性、可扩展性和计算效率。该解决方案支持分布式网络实体的自主决策与协调、预测实体需求与网络动态，促进实时、主动的资源分配，并通过识别跨分层网络层的有效资源分配路径来优化任务卸载和负载均衡。通过联邦学习（FL）和区块链，维持了去中心化优化和实体隐私保护。这项工作为将上述技术整合到6G中开辟了一条变革性途径，并为下一代协同边缘计算奠定了基础。

Keyword:

6G

Edge Computing

Metaverse

Digital Twin

Federated Learning

Generative AI

Agentic AI

Deep Learning

AI-Driven Next-Generation Edge Computing: Current and Future Trends

摘要

期刊

机构

引用论文