美国杜克大学的研究团队开发出一种名为“无线智能边缘网络”（WISE）的新技术，可让边缘设备在无需强大硬件支持的情况下，实现高效能的人工智能运算。该技术利用无线电波在设备与基站之间无线传输AI模型的权重数据，使设备在极低能耗下完成复杂计算。 在杜克大学陈廷俊教授团队的实验中，一个通过无线方式接收数据的AI模型，能在极短时间内准确识别数千张图像。这项研究发表于《科学进展》杂志，由陈廷俊与麻省理工学院电子研究实验室（RLE）的Dirk Englund团队共同完成。 传统边缘AI面临两大难题：一是将完整AI模型存入小型设备，会因内存和算力需求导致电池快速耗尽；二是将计算任务上传至云端，又会带来延迟、高能耗和安全隐患。WISE技术提供了一种新路径：将AI模型的权重以无线电波的形式编码，并由基站无线广播。边缘设备接收信号后，利用内置的射频硬件（如无源频率混频器）直接在射频域完成关键计算，如信号相乘，实现深度学习中的核心运算步骤。 这种“物理内计算”（in-physics analog computing）不依赖数字芯片，避免了数据在设备与处理器间频繁移动，大幅降低能耗。实验显示，WISE在图像分类任务中准确率接近96%，能耗却比主流数字处理器低一个数量级以上。 该技术的一大优势在于可复用现有基础设施。5G、6G基站或Wi-Fi路由器稍作改造即可支持AI模型广播，而大多数无线设备本身已具备完成射频计算所需的硬件，无需额外添加昂贵或耗能的组件。 研究人员指出，WISE目前仍处于早期阶段，原型仅适用于短距离通信，未来需结合更强信号或下一代无线技术拓展覆盖范围。同时，同时传输多个AI模型还需解决频谱资源的高效复用问题。 尽管如此，其应用前景广阔：一个基站可同时支持无人机群执行搜救任务，或协助交通摄像头协同调控路口信号灯。研究人员相信，这标志着无线技术正从单纯传输信息迈向“通信与计算融合”的新时代，为大规模、低能耗的边缘智能铺平道路。