11月28日，中国科学院科技战略咨询研究院、中国科学院文献情报中心与科睿唯安联合发布的《2023研究前沿》报告和《2023研究前沿热度指数》报告，遴选出2023年全球较为活跃或发展迅速的128个研究前沿，并对相关学科的发展趋势和重点问题进行了研判。琶洲实验室副主任陈俊龙院士首创的“宽度学习系统”，荣获2023年信息科学领域热点前沿第二名。

早在上世纪80年代，陈俊龙院士在攻读博士学位的时候就有涉及“深度学习网络”。“深度学习网络”建立了很多层的神经网络，几十层到百层神经网络，每层有数百个神经元，例如面对图片时，不断去调节参数做识别，提高识别的准确率。

“深度学习网络”固然是好，但也有短处。他说：“遇到开放数据时，调试网络就得设计新结构，从头计算，可能需要用一天、两天、甚至一周时间。”这也就是“提名理由”当中所讲到的“深度神经网络计算资源消耗严重、扩展难的瓶颈”。

“宽度学习系统”作为有别于“深度学习网络”的新提法，在横向拓展和增量学习方面具有明显优势。宽度学习对开放环境跟数据不需要从头计算，因为单层的网络结构要做的是横向扩展神经元，做增量的计算，让系统更加精准。对数据流的增加，也不用重新调节网络结构。

“宽度学习系统”应用起来将在边缘端的智能学习方面起到积极作用。例如，当下的智能驾驶实现何时加速、刹车的决定是在云端计算好的，然后放进汽车端去执行。假设汽车遇见没有看过复杂的新情况，边缘端只是依照之前学习过的经验去做判断，这种判断可能会出错。如果有快速的边缘计算去做判断，那么在复杂的情况下可以正确地做出决策，云端的再计算可以在离线的时候再学习更新，这就是“宽度学习系统”将在边缘端的智能学习方面起到的作用。

边缘端的智能学习越来越重要。我国“十四五”规划中明确提出要“协同发展云服务与边缘计算服务”，《“十四五”数字经济发展规划》同时指出要“加强面向特定场景的边缘计算能力”。中国信息通信研究院《边缘计算市场和用户洞察报告（2022）》数据显示，2021年我国边缘计算市场规模达到436.4亿元。