2025年AI边缘计算技能卷.docxVIP

2025年AI边缘计算技能卷

考试时间：______分钟总分：______分姓名：______

一、选择题（每题2分，共20分）

1.下列哪一项不是边缘计算相比云计算的主要优势？

A.低延迟

B.降低网络带宽压力

C.更高的数据安全性

D.更强大的计算能力

2.在边缘计算分层架构中，靠近数据源、执行本地计算和决策的层通常被称为？

A.云层

B.边缘层

C.云边协同层

D.数据采集层

3.以下哪种模型压缩技术主要通过减少模型参数数量来减小模型大小和计算量？

A.模型量化

B.模型剪枝

C.知识蒸馏

D.模型蒸馏

4.适用于实时视频监控场景，需要快速处理大量图像数据的AI边缘计算任务，通常对以下哪个性能指标要求最高？

A.推理吞吐量（TPS）

B.模型精度

C.部署成本

D.功耗

5.联邦学习的主要目的是什么？

A.提高单个边缘设备的计算能力

B.在保护数据隐私的前提下，利用多个边缘设备的数据进行模型训练

C.减少边缘设备与云端的数据传输量

D.实现边缘设备的远程管理

6.如果一个AI模型在云端训练好后在边缘设备上部署，模型直接运行在哪个环境的处理器上？

A.云服务器CPU

B.云服务器GPU

C.边缘设备CPU

D.边缘设备GPU

7.以下哪个硬件平台通常被认为是专为边缘计算和AI推理设计的？

A.标准服务器CPU

B.笔记本电脑CPU

C.NVIDIAJetson系列

D.XeonPhi

8.在边缘计算场景中，数据预处理（如滤波、降噪）通常在哪个环节进行？

A.数据采集时

B.数据传输到云端后

C.数据到达边缘节点后

D.模型输出结果后

9.MLOps中，用于自动化模型训练、部署和监控的实践流程，对于边缘AI应用尤为重要，其主要目的是？

A.减少模型开发人员的工作量

B.提高模型在边缘设备上的稳定性和效率

C.降低边缘设备的硬件成本

D.实现模型的云端集中管理

10.边缘设备由于资源（计算能力、内存、功耗）限制，部署复杂的深度学习模型时面临挑战，以下哪种技术可以有效缓解这一问题？

A.数据增强

B.模型并行

C.迁移学习

D.模型量化

二、填空题（每空1分，共15分）

1.边缘计算通常被描述为一种分布式计算架构，它将计算和数据存储推向网络的______。

2.主流边缘计算硬件平台如NVIDIAJetson提供了优化的______和______，以支持AI模型的边缘部署。

3.为了在资源受限的边缘设备上实现实时推理，常用的模型优化技术包括______、剪枝和知识蒸馏。

4.在边缘计算架构中，负责收集传感器数据或执行基本本地任务的底层设备或软件称为______。

5.联邦学习的核心思想是模型训练在______端完成，仅交换模型参数或更新，而非原始数据，从而保护用户数据隐私。

6.评估边缘AI应用性能时，除了精度，延迟（______）和功耗是两个关键的考量因素。

7.将训练好的大型AI模型转换为能在移动或边缘设备上高效运行的格式，常用的工具或技术是______。

8.边缘计算支持“______”的应用模式，即数据和计算在靠近数据源的地方完成，无需事事依赖云端。

9.在工业物联网（IIoT）场景中，边缘计算可以实现设备的实时状态监测和预测性维护，这体现了其______能力。

10.确保边缘设备上AI模型的安全更新和版本管理，是______实践的重要组成部分。

三、简答题（每题5分，共20分）

1.简述边缘计算与云计算在处理模式、数据流转和主要优势方面至少三个关键区别。

2.解释什么是“边缘智能”，并列举至少两个可以实现边缘智能的应用场景。

3.简述模型量化的基本原理及其在边缘计算中的主要作用。

4.为什么说在边缘设备上部署AI模型需要特别考虑模型轻量化和硬件加速？

四、计算题/分析题（每题10分，共20分）

1.假设一个边缘节点部署了一个用于图像识别的AI模型，模型在边缘GPU上的推理延迟为50毫秒（ms）。该节点每秒需要处理10帧输入图像。如果通过模型剪枝技术将模型大小减少了50%，推理延迟降低了20%。请问优化后，该边缘节点的推理吞吐量（每秒处理的图像帧数）相比优化前提升了多少？优化后的推理延迟是多少毫秒？

2.