本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：设计并实现了一种集成边缘计算能力的AI智算WLAN架构。该架构在无线接入控制器中深度融合了算力为6~30TOPS的神经网络处理单元加速模块，通过异构计算框架实现视频流处理任务的硬件卸载。系统采用改进的三帧差分法进行运动目标检测，并集成YOLOv5s-INT8轻量化模型实现多模态分析。通过协议栈优化与智能流量调度，构建了扁平化的二层网络拓扑。实验结果表明，在智慧园区等高密度场景下，本系统可实现平均响应延迟≤150ms，带宽占用降低65.8%，存储需求减少90%，并显著降低部署空间与运维成本。
关键字：边缘计算；WLAN；视频分析；NPU加速；资源调度
doi：10.12045/j.issn.1007-3043.2026.07.010
概述
随着企业数字化转型的深入，高清视频监控与无线局域网已成为提升运营效率与安全保障的关键基础设施[1]。然而，传统WLAN 架构最初并非为传输密集、持续的视频流而设计，其在支持智能视频分析应用时存在显著瓶颈。一方面，将视频流上传至云端进行分析的模式导致高昂的带宽消耗与难以接受的延迟[2]；另一方面，采用内置GPU/NPU 的AI 摄像头方案则面临硬件成本高、散热困难、模型更新维护复杂等困境[3]。
边缘计算技术为上述问题提供了潜在的解决路径，即通过将计算任务下沉至网络边缘，就近处理视频数据[4]。近期研究进一步强调了云边端协同分析的重要性[5]，以及工业视频网络在资源受限环境下实现智能感知所面临的挑战与进展[6]。文献[7]提出了多种基于边缘服务器的计算卸载策略，以平衡分析任务的延迟与能耗。然而，这些方案通常将边缘服务器作为独立实体，与网络设备间的通信开销和资源调度冲突问题尚未得到根本解决。
同时，智能WLAN 技术（如基于802.11ax 标准的OFDMA 和BSS Coloring）可有效提升高密度接入场景下的频谱效率和抗干扰能力[8]。更有前沿研究开始探索生成式AI与无线传感的融合，为构建无线基础模型提供了新的思路[9]。但现有研究多集中于通信性能优化，未能将AI计算能力以硬件形式深度嵌入网络控制层，难以实现计算与通信资源的统一调度。
本文提出一种深度集成于WLAN 接入控制器（AC）的AI 智算架构，将边缘计算能力从“外挂”式服务器嵌入到网络核心设备AC 中，实现了网络与算力的原生融合，为上述挑战提供了新的解决方案。
