«периферийные вычисления edge computing»

Дата среза
25 сентября 2026
Готово за
1 мин 9 с
9 кандидатовв ТОП 7, исключено 2
293 источника обработаносервисов опрошено: 2
3 сигнала с уверенностью > 75 %
44 из 44 зарубежных источников ТОП — с резюме на русском

Часть сервисов не ответила

Без данных или с подозрительно пустым ответом: arXiv. Выдача построена по остальным сервисам — подробности на вкладке «Как получена выдача».

ТОП-7: кандидаты в слабые сигналы

Кандидаты в слабые сигналы — темы, прошедшие правило отбора; порядок — по числу пройденных критериев из 12. Стадия и тренд — грубая оценка по числу публикаций.

  1. 1

    федеративное обучение на периферии

    federated edge learning

    Федеративное обучение на периферии — направление, в котором распределённые устройства обучают модели на локальных данных и взаимодействуют для получения общей модели. Документы рассматривают его для восприятия окружающей среды, беспроводных сетей, промышленного Интернета вещей, экологического мониторинга и умного сельского хозяйства, включая мультимодальное объединение сигналов, многоагентные и иерархические схемы.

    Ключевые предикторы: наклон доли в потоке, наклон работ, рост с поправкой и ещё 8 102 документа
    Работы по годам 2015–2026: от 0 до 2 483, в 2026 — 1 936 (неполный год) 11 из 12

    Масштабирование, растёт быстро

    уверенность 92 %

  2. 2

    периферийный искусственный интеллект

    edge intelligence

    Периферийный искусственный интеллект объединяет модели машинного обучения, сенсоры, коммуникации и вычисления на периферийных устройствах, чтобы собирать, обрабатывать и интерпретировать данные ближе к источнику. Документы описывают периферийный вывод, федеративное обучение, совместное зондирование и передачу данных, планирование задач на неоднородных процессорах, а также специализированные аппаратные архитектуры для обработки моделей.

    Ключевые предикторы: рост с поправкой, наклон доли в потоке, работ в пике и ещё 8 20 документов
    Работы по годам 2015–2026: от 141 до 8 402, в 2026 — 6 467 (неполный год) 11 из 12

    Масштабирование, растёт

    уверенность 92 %

  3. 3

    логический вывод ИИ на периферии

    edge AI inference

    Логический вывод ИИ на периферии объединяет аппаратные ускорители, вычисления в памяти, специализированные форматы данных и системы выполнения для запуска моделей непосредственно на периферийных устройствах. Документы рассматривают повышение эффективности, снижение задержки и энергопотребления, защиту моделей и обработку данных промышленного мониторинга с нескольких сенсоров.

    Ключевые предикторы: наклон доли в потоке, наклон работ, рост с поправкой и ещё 7 93 документа
    Работы по годам 2015–2026: от 0 до 1 404, в 2026 — 1 404 (неполный год) 10 из 12

    Масштабирование, растёт быстро

    уверенность 83 %

  4. 4

    многодоступные периферийные вычисления

    multi-access edge computing

    Многодоступные периферийные вычисления — направление, в котором задачи и сервисные функции организуются с использованием вычислительных ресурсов на периферии сети, включая взаимодействие Wi‑Fi и сотовых сетей. Документы посвящены выгрузке задач, распределению ресурсов, моделированию таких систем и их применению в Интернете вещей, роях БПЛА, транспортных и других беспроводных сценариях.

    Ключевые предикторы: наклон доли в потоке, наклон работ, доля препринтов и ещё 5 100 документов
    Работы по годам 2015–2026: от 10 до 571, в 2026 — 360 (неполный год) 8 из 12

    Ранние разработки / PoC, растёт

    уверенность 67 %

  5. 5

    бессерверные периферийные вычисления

    serverless edge computing

    Бессерверные периферийные вычисления — направление, в котором управление распределённой вычислительной инфраструктурой абстрагируется от разработчиков приложений, а выполнение функций организуется на периферии сети. Документы рассматривают инструменты для проектирования и оценки управления ресурсами, производительности, потребления ресурсов и взаимодействия неоднородных периферийно-облачных систем.

    Ключевые предикторы: наклон доли в потоке, наклон работ, доля препринтов и ещё 5 2 документа
    Работы по годам 2015–2026: от 0 до 252, в 2026 — 103 (неполный год) 8 из 12

    Ранние разработки / PoC, растёт быстро

    уверенность 67 %

  6. 6

    промышленная периферийная аналитика

    industrial edge analytics

    Промышленная периферийная аналитика использует машинное обучение, Интернет вещей и периферийные устройства для обработки данных и принятия решений непосредственно рядом с промышленным оборудованием. В представленном документе направление применяется к управлению компенсацией реактивной мощности: модели анализируют исторические данные о нагрузке и параметрах качества электроэнергии, чтобы динамически управлять конденсаторными батареями.

    Ключевые предикторы: наклон доли в потоке, наклон работ, рост с поправкой и ещё 5 1 документ
    Работы по годам 2015–2026: от 3 до 334, в 2026 — 292 (неполный год) 8 из 12

    Ранние разработки / PoC, растёт

    уверенность 67 %

  7. 7

    периферийные вычисления в транспорте

    vehicular edge computing

    Периферийные вычисления в транспорте — направление, связанное с размещением и распределением вычислительных задач между доступными ресурсами рядом с транспортными системами. В представленном документе рассматривается выгрузка задач в среде периферийных вычислений с множественным доступом с учётом стоимости ресурсов и дисбаланса нагрузки.

    Ключевые предикторы: наклон доли в потоке, наклон работ, доля препринтов и ещё 4 1 документ
    Работы по годам 2015–2026: от 5 до 419, в 2026 — 267 (неполный год) 7 из 12

    Ранние разработки / PoC, растёт

    уверенность 58 %

Исключено из выдачи (2)

Кандидаты, которые не вошли в ТОП. У группы — правило исключения с порогом, у темы — причина. Пороги и все правила — в методике.

Зрелые тренды 1

Правило: 10 тыс. и более работ за один год или 100 тыс. и более работ за 2015–2026

Нет документов в источниках 1

Правило: публикации по годам есть, но поиск не нашёл документов по теме — сигнал не подтверждён

Правила без совпадений в этом поиске: отраслевые стандарты, шум, спад, недостаточно слабых признаков, недостаточно данных, область запроса.

Как получена выдача

Запрос и расширение

Запрос «периферийные вычисления edge computing» расширен моделью gpt-5.6-luna через Selectel в область, подтемы и поисковые фразы.

Как искали

Область запроса — «периферийные вычисления»: встречается в 122 из 293 документов поиска.

Подтема или фразаДокументовПоиск в сервисах
многодоступные периферийные вычисления общий термин области 100 документов (34 %) искали по ней
логический вывод ИИ на периферии общий термин области 93 документа (31 %) искали по ней
федеративное обучение на периферии общий термин области 102 документа (34 %) искали по ней
оркестрация периферии и облака 0 документов искали по ней
бессерверные периферийные вычисления 2 документа (меньше 1 %) искали по ней
периферийные вычисления в транспорте 1 документ (меньше 1 %) искали по ней
промышленная периферийная аналитика 1 документ (меньше 1 %) искали по ней
периферийный искусственный интеллект поисковая фраза 20 документов (6 %) искали по ней

Документов — сколько найденных документов относится к подтеме (столько же у темы в выдаче): все её слова есть в названии или аннотации либо документ найден по ней. В сервисах искали по всем подтемам и фразам. «Общий термин области» — встречается в 30 % найденных документов и чаще.

Ключевые слова области в поиск не уходят: по ним видно, какие термины чаще всего встречаются в найденных документах.

  • edge devices — 34 документа (11 %)
  • distributed AI — 13 документов (4 %)
  • distributed computing — 10 документов (3 %)
  • mobile edge computing — 5 документов (1 %)
  • IoT analytics — 2 документа (меньше 1 %)
  • edge-cloud continuum — не встречается
  • fog computing — не встречается
  • latency-sensitive applications — не встречается

Документов без совпадения с подтемами и ключевыми словами: 0 из 293.

Опрошенные сервисы

СервисСостояниеДокументовВремя ответа
arXiv подозрительно пусто 0 документов 8,0 с
OpenAIRE Graph API ответил 293 документа 6,2 с

Обработано источников (документов): 293; опрошено сервисов: 2.

Кандидаты

Темы-кандидаты взяты из расширения запроса: сама область, подтемы и поисковые фразы. Готовых групп документов для этого направления нет.

  • подтема из расширения запроса — 8
  • область запроса — 1

Правило отбора

В ТОП попадают темы, которые подтверждены найденными документами, прошли достаточно критериев из 12 и не попали под правила исключения (вкладка «Исключено»).

  • Недостаточно слабых признаков: пройдено меньше 4 из 12 критериев
  • Недостаточно данных: измерено меньше 8 из 12 критериев — решение не принимается

Все пороги и правила — в методике

Тексты карточек и модели

Английские названия тем переведены на русский моделью gpt-5.6-luna через Selectel (пометка — на странице карточки). Тексты 7 из 7 карточек ТОП написала модель gpt-5.6-luna через Selectel по документам темы (описание, преимущество, кейс); почему тема — сигнал, объясняют правила по числам, без модели.

Модели по шагам
Расширение запроса
gpt-5.6-luna через Selectel
Русские названия тем
gpt-5.6-luna через Selectel
Резюме источников
gpt-5.6-luna через Selectel
Тексты карточек
gpt-5.6-luna через Selectel

Резюме зарубежных источников

Русское резюме есть у 44 из 44 зарубежных источников карточек ТОП (модель gpt-5.6-luna через Selectel; в карточке помечено как генеративное резюме).