2026年电大人工智能专业《人工智能与边缘计算》专项训练试题及答案

2026年电大人工智能专业《人工智能与边缘计算》专项训练试题及答案一、单项选择题（每题2分，共30分）1.边缘计算的核心思想是将计算任务从云端下沉到哪里？A.核心网B.网络边缘C.数据中心D.传输基站答案B2.在边缘计算架构中，通常所说的“云-边-端”三层架构，其中“边”主要指的是？A.个人电脑B.边缘服务器或边缘网关C.智能手机D.互联网云服务器答案B3.相比于云计算，边缘计算最主要的优势是？A.算力更强B.存储空间更大C.低延迟和带宽节省D.数据更易于集中管理答案C4.下列哪项技术不是用于边缘侧深度学习模型轻量化的常用技术？A.模型剪枝B.量化C.知识蒸馏D.数据增强答案D5.在边缘计算场景中，MQTT协议的主要特点是？A.基于HTTP，传输数据量大B.发布/订阅模式，轻量级且低开销C.只能用于点对点通信D.必须依赖有线网络连接答案B6.边缘智能是指将人工智能算法部署在？A.仅限云端B.仅限终端设备C.网络边缘侧或终端设备D.仅限超级计算机答案C7.MEC（Multi-accessEdgeComputing）指的是？A.多接入边缘计算B.移动边缘计算C.混合边缘计算D.多媒体边缘计算答案A8.在自动驾驶场景中，车辆需要在毫秒级内做出决策，这主要体现了边缘计算满足了对什么指标的极致要求？A.吞吐量B.安全性C.时延D.准确率答案C9.边缘计算中，为了保护用户隐私，常采用哪种技术使得数据不出本地即可完成模型训练？A.联邦学习B.迁移学习C.强化学习D.监督学习答案A10.下列硬件中，最适合作为边缘计算节点中执行AI推理任务的专用加速芯片是？A.CPUB.GPUC.NPU（神经网络处理器）D.HDD答案C11.将模型从FP32（32位浮点数）转换为INT8（8位整数）的过程称为？A.剪枝B.量化C.蒸馏D.压缩答案B12.边缘计算面临的主要安全挑战不包括？A.节点物理防护弱B.数据传输加密C.统一的身份认证难D.算力资源无限答案D13.TensorFlowLite是TensorFlow针对哪个场景推出的轻量级解决方案？A.云端高性能训练B.移动端和嵌入式设备推理C.桌面端游戏开发D.网络服务器搭建答案B14.在物联网中，传感器采集的数据首先传输到？A.云中心B.边缘网关C.外部互联网D.数据库答案B15.边缘计算节点的算力通常满足公式CeA.边缘算力总是不足B.边缘算力受限，需合理分配任务C.边缘计算无法运行AI模型D.云端计算将很快被淘汰答案B二、判断题（每题1分，共10分）1.边缘计算将完全取代云计算，成为未来唯一的计算模式。答案错误解析边缘计算和云计算是互补关系，而非替代关系。云端负责长周期数据存储、大规模模型训练，边缘侧负责实时响应和本地处理。2.边缘计算通过在数据源头附近处理数据，可以有效减少回传云端的网络带宽消耗。答案正确3.由于边缘设备资源受限，因此在边缘侧运行的AI模型通常不需要进行优化。答案错误解析正因为边缘设备资源受限，才更需要对模型进行剪枝、量化等优化以适应部署环境。4.5G技术的低延迟特性与边缘计算结合，可以满足工业互联网对实时控制的需求。答案正确5.所有的边缘计算设备都必须具备高强度的GPU算力。答案错误解析边缘设备形态多样，很多简单的传感器或网关仅依靠MCU或低功耗CPU即可运行轻量级算法。6.知识蒸馏是指通过训练一个小的“学生模型”来模仿一个大的“教师模型”的行为。答案正确7.边缘计算中，数据的本地处理意味着完全不需要考虑数据隐私法规。答案错误解析虽然数据本地处理有助于隐私合规，但仍需遵循相关安全规范，且边缘节点本身的物理安全也很重要。8.Docker容器技术由于其轻量级和可移植性，常被用于边缘计算应用的部署。答案正确9.边缘AI推理通常比云端AI推理的精度要低很多，因此没有实用价值。答案错误解析经过优化后的边缘模型在精度上通常仅有微小下降（如1%以内），但在实时性和能耗上优势巨大，极具实用价值。10.边缘计算只能在固定位置部署，无法在移动场景中使用。答案错误解析边缘计算可以部署在车辆、无人机等移动平台上，实现移动边缘计算。三、填空题（每题2分，共20分）1.边缘计算通过在网络边缘侧执行计算，能够显著降低网络  ，从而满足实时性要求。答案延迟（或时延）2.模型压缩技术主要包括剪枝、量化和  。答案知识蒸馏3.在云-边协同架构中，云端通常负责海量数据的  和复杂模型的迭代更新。答案存储（或训练）4.  是一种轻量级的物联网消息传输协议，采用发布/订阅模式，非常适合边缘网络环境。答案MQTT5.为了适应边缘设备的存储限制，MobileNet网络引入了  卷积来替代标准卷积，以减少参数量和计算量。答案深度可分离（或DepthwiseSeparable）6.联邦学习是一种分布式机器学习技术，其核心目标是保护数据  。答案隐私7.边缘计算的一个典型应用场景是智慧城市，其中视频监控摄像头通常在本地进行  识别，仅将异常结果上传。答案目标（或图像/行为）8.边缘节点通常具有资源受限的特性，包括CPU算力、  和电池电量。答案内存（或存储空间）9.在边缘计算安全中，由于节点数量多且分布广，传统的  机制面临巨大挑战。答案中心化管理（或集中认证）10.如果一个神经网络的权重参数从32位浮点数转换为8位整数，其模型大小通常缩小为原来的  。答案1/4四、简答题（每题5分，共20分）1.简述边缘计算与云计算的主要区别。答案(1)计算位置：云计算集中在数据中心，边缘计算靠近数据源（网络边缘或设备端）。(2)响应时延：云计算延迟较高（受网络传输影响），边缘计算延迟极低。(3)带宽消耗：云计算需上传所有数据，带宽消耗大；边缘计算本地处理，仅上传必要数据，节省带宽。(4)适用场景：云计算适合长周期、大数据分析、模型训练；边缘计算适合实时性要求高、数据隐私敏感的业务。2.列举三种常见的边缘AI模型轻量化技术，并简要说明其原理。答案(1)剪枝：移除神经网络中权重较小或冗余的神经元或连接，减少参数量。(2)量化：降低模型参数的数值精度（如从FP32转为INT8），减少模型大小和计算复杂度。(3)知识蒸馏：利用一个大型“教师模型”的知识训练一个小型“学生模型”，使小模型逼近大模型的性能。3.什么是“云边协同”？请结合人工智能应用场景举例说明。答案云边协同是指云计算和边缘计算通过紧密配合，共同完成数据处理和智能分析任务。例如：在人脸识别系统中，边缘设备（摄像头）负责实时抓取图像并进行初步的特征提取和推理（云边协同的边缘侧）；当遇到边缘侧无法识别的复杂场景或需要更新模型时，将数据上传至云端，云端利用强大算力进行复杂训练或识别，并将更新后的模型下发至边缘端（云边协同的云端侧）。4.简述边缘计算面临的主要安全挑战。答案(1)节点物理安全：边缘设备通常部署在无人值守或开放环境，易被物理破坏或篡改。(2)数据传输安全：数据在边缘与云端、边缘与终端之间传输，易受窃听或劫持。(3)设备认证与访问控制：海量异构设备接入，身份认证难，易遭受DDoS攻击。(4)隐私保护：数据在边缘侧处理，虽减少了上传，但仍需防止本地数据泄露。五、综合应用题（每题10分，共20分）1.某工厂计划部署一套基于计算机视觉的工业质检系统。系统要求：生产线上的产品需在0.1秒内完成缺陷检测，且每天产生10TB的图像数据。请分析该系统为何适合采用“边缘计算”架构，并设计一个基本的“云-边-端”技术实现方案。原因分析：(1)实时性要求高（0.1秒），若全部上传云端，网络波动会导致延迟不可控，边缘计算可本地实时处理。(2)数据量巨大（10TB/天），全部上传云端将产生巨大的带宽成本和存储压力，边缘计算可过滤掉合格品图片，仅上传缺陷图片，大幅节省带宽。技术方案设计：(1)端层：工业相机采集高清图像，通过千兆/万兆网口传输给边缘网关。(2)边层（边缘工控机/服务器）：部署经过轻量化（如量化、剪枝）的目标检测模型（如YOLOv5-Nano）。利用GPU/NPU加速推理，实时判断产品是否有缺陷。若合格，结果存入本地日志；若缺陷，将缺陷图像及报警信息上传云端。(3)云层：接收边缘上传的缺陷数据，进行长期归档存储；利用收集的数据定期训练更精准的模型，并通过OTA（Over-the-Air）技术将新模型下发更新到边缘节点。2.随着智能家居的普及，家庭内部的摄像头、语音助手等设备越来越多。请从隐私保护和计算效率两个角度，论述为何边缘智能是智能家居发展的必然趋势。从隐私保护角度：智能家居设备涉及大量用户私密数据（如家庭内部影像、语音对话）。若采用纯云计算模式，所有数据均需上传至互联网服务器，存在数据泄露、被滥用或黑客攻击的风险。边缘智能将语音识别、人脸分析等计算能力下沉到家庭网关或设备本地，实现“数据不出户”，从根本上降低了隐私泄露风险，符合GDPR等数据保护法规要求。从计算效率角度：(1)响应速度：用户期望语音助手“随叫随答”或智能门锁“秒级开锁”。云计算