中国移动研究院通算智融合领域论文入选 IEEE GLOBECOM 2025 推动生成式 AI 与边缘智能融合创新

　　近日，中国移动研究院在生成式 AI 与边缘智能融合领域取得重要突破 —— 其研究论文《Prompt Similarity-Aware Offloading for AI-driven Text-to-Image Generation Tasks》被国际通信领域旗舰会议IEEE GLOBECOM 2025正式录用，标志着我国在 “通信 + 计算 + 智能” 融合技术领域的研究获得国际权威认可。

　　聚焦核心挑战：破解文本生成图像任务的调度难题

　　随着生成式 AI 应用的爆发式增长，文本生成图像(text-to-image)等 AIGC 任务因计算密集、延迟敏感、终端资源受限等特点，对移动通信网络的边缘智能与通算一体协同调度能力提出了极高要求。例如，用户通过终端发起 “生成一幅未来城市夜景” 的指令时，既需要强大的算力支撑复杂的图像生成过程，又要求快速响应以保障交互体验，传统的集中式计算或简单边缘卸载模式难以兼顾效率与质量。

　　中国移动研究院的研究团队针对这一痛点，创新提出了基于提示词相似性的图文生成任务性能增强与智能边缘计算卸载框架（JPEO，Joint Performance Enhancement and Offloading），为无线网络支撑交互式 AIGC 业务提供了全新解决方案。

　　JPEO 框架的双重创新：性能增强与智能卸载协同

　　JPEO 框架的核心突破体现在两方面，实现了 “算力高效利用” 与 “服务质量提升” 的双重目标：

　　计算增强方案：为基站、MEC(多接入边缘计算)等边缘节点设计智能缓存与复用机制。通过分析历史任务的提示词语义，识别相似任务的中间计算结果并存储，当新任务发起时，可直接复用这些结果加速生成过程 —— 在不增加额外计算负载的前提下，显著提升图像生成质量，让 “相似描述生成更优图像” 成为可能。

　　动态卸载策略：基于终端需求与边缘节点状态，智能匹配最优计算节点。框架通过精准评估卸载时延，确保交互响应的确定性;同时结合节点的计算能力与历史表现，优化生成性能，避免 “算力浪费” 或 “任务拥堵”。

　　技术支撑：基于 RMAB 理论的智能调度

　　为实现高效协同，团队进一步设计了提示词相似性感知的卸载策略，其核心是引入Restless Multi-Armed Bandit（RMAB）动态决策理论：

　　通过分析提示词的语义相似性与时序相关性，实时学习边缘节点的服务能力，动态选择最优卸载节点;

　　针对无线环境波动(如信号强度变化)和节点资源动态(如算力空闲率)，引入滑动窗口机制，强化近期观测数据的权重，实现 “探索潜在高效节点” 与 “利用已知最优节点” 的平衡，确保策略在复杂场景下的鲁棒性。

　　实证效果：质量提升 13%，鲁棒性显著

　　仿真测试结果显示，JPEO 框架表现优异：

　　在保障确定性卸载时延的前提下，图像生成质量(以 CLIP-similarity Score 为指标)相比传统算法提升13.04%;

　　即使在用户提示词内容大幅变化(如主题从 “山水风景” 切换为 “科幻建筑”)或边缘节点资源剧烈波动(如突发任务拥堵)时，框架仍能保持稳定性能，展现出极强的适应性。

　　行业意义：为 6G 时代智能服务奠定基础

　　该研究成果不仅推动了生成式 AI 与边缘智能的深度融合，更前瞻性地探索了 6G 时代 “边缘智能 - 网络协同 - 生成 AI 服务” 的融合路径。其价值在于：

　　为无线网络赋能 AIGC、元宇宙等新兴业务提供了技术范式;

　　验证了 “通算智融合” 的可行性，让 “算力像水电一样随取随用” 的愿景更进一步;

　　展现了我国在通信与 AI 交叉领域的研究实力，为全球下一代网络技术发展贡献 “中国方案”。

　　随着 IEEE GLOBECOM 2025 的召开(通常为每年 12 月)，该论文的技术细节将进一步向全球同行展示，有望推动相关领域的学术交流与产业落地。