近日，我院师生合作完成的论文“A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks”（《智能物联网中的云—边—端协同智能综述》）获通信与网络领域国际顶级期刊IEEE Communications Surveys & Tutorials（IEEE COMST，影响因子50.6）录用。我院博士吴佳奇为论文第一作者，田子建教授参与指导研究。该论文围绕智能物联网中的云—边—端协同智能，系统梳理了体系架构、智能资源管理、协同学习、安全隐私与数据通信等关键问题，为分布式智能系统的设计与应用提供了系统性参考。

IEEE Communications Surveys & Tutorials由IEEE通信学会主办，主要刊发通信与网络领域具有系统性、前瞻性的综述与教程类论文。该刊最新影响因子为50.6，在IEEE全部期刊与杂志中名列第一，在“电信”和“计算机科学：信息系统”两个学科类别中均排名第一；按2025年CiteScore统计，在电气与电子工程领域排名1/1030，具有重要的国际学术影响力。

随着人工智能与物联网深度融合，智能终端产生的数据规模和计算需求持续增长，终端设备面临算力、存储与能耗限制，集中上传云端处理则受到通信带宽、响应时延与隐私保护等因素制约。针对这些问题，论文从基础设施协同与模型协同两个相互关联的维度构建分析框架，将任务卸载、资源分配与系统调度，以及模型训练、推理与持续更新纳入统一研究视野。在智能资源管理方面，系统比较强化学习、多智能体学习、博弈论及优化方法的适用条件与技术特点，分析其协调计算、通信与能耗需求的能力；在协同学习方面，梳理联邦学习、分布式深度学习、云—边模型演化及强化学习等主要范式，讨论模型压缩、知识蒸馏等技术对资源受限设备智能部署的支撑作用，并进一步分析安全隐私与数据通信机制，揭示模型性能、系统效率和安全可信之间的权衡关系。面向未来发展，论文总结了大规模协同智能系统在可扩展性、设备异构性、互操作性和可信运行等方面面临的挑战，并对大语言模型与智能体、下一代通信网络、数字孪生等方向展开讨论，为相关领域的技术研究与系统设计提供参考。

云—边—端协同智能与矿山智能化建设需求密切相关。面向矿井复杂环境中的多源感知、设备监测与智能分析任务，如何在终端资源受限、通信条件变化的情况下保障智能服务的实时性和可靠性，是具有实际价值的研究课题。该论文形成的系统性梳理，可为矿山场景下的边缘智能部署、分布式协同感知与智能计算提供方法参考，也为学院相关方向的后续研究提供支撑。此次论文录用展现了学院师生在协同智能领域的研究积累，以及研究生培养与国际学术合作的积极成效。

第一作者简介

吴佳奇，中国矿业大学（北京）人工智能学院博士、加拿大英属哥伦比亚大学联合培养博士，现为清华大学自动化系博士后/助理研究员。主要从事复杂环境智能感知、视觉语言模型及分布式边缘智能研究。主持2026年国家自然科学基金青年科学基金项目、2026年中国博士后科学基金会与中国煤炭科工集团有限公司联合资助（特别资助）项目（全国共资助54人，“智能识别”子方向仅资助1项）。担任2027 IEEE ICASSP（CCF B类会议）专题“Distributed Multimodal Signal Understanding with Foundation Models”的Leader Chair，以及多个国际顶级期刊会议的审稿人。以第一作者或通讯作者发表及录用高水平学术论文共15篇，包括CCF A类论文4篇、中科院一区及CCF B类论文7篇、中科院二区论文1篇、中国科技期刊卓越行动计划入选期刊论文3篇。另有国家发明专利1项。曾获2024年度博士研究生国家奖学金、2024年度国家留学基金委奖学金、2024年度校董特等奖学金、2025年度北京市优秀毕业生（博士）等荣誉。

论文信息

论文题目：A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks

论文作者：Jiaqi Wu, Jing Liu, Yang Liu, Lixu Wang, Zehua Wang, Wei Chen, Zijian Tian, F. Richard Yu, Victor C. M. Leung

录用期刊：IEEE Communications Surveys & Tutorials（影响因子50.6）

论文预印本：https://arxiv.org/abs/2508.18803