DGIST，以“ZeroSwap”破解实时AI瓶颈……全球首个连续两年斩获RTAS最佳论文奖

by Kim Jonghwa

Published 18 Jun.2026 08:43(KST)

突破GPU内存限制，将SSD用作扩展内存
自动驾驶与机器人响应时间最多缩短3.2倍……提升实时AI安全性

大邱庆北科学技术院（DGIST）研究团队开发出可解决自动驾驶汽车与智能机器人核心课题——实时人工智能（AI）处理延迟问题的技术，并在全球最具权威的学术会议上连续两年获得最佳论文奖。

DGIST于18日表示，电子电气计算机工程系教授 Jwa Hunseung 研究团队在实时系统领域最具权威的国际学术会议IEEE RTAS 2026上获得最佳论文奖（Best Paper Award）。

Jwa Hunseung教授（右中）在IEEE实时与嵌入式技术及应用研讨会2026上获得最佳论文奖。DGIST供图

尤其是，Jwa Hunseung 教授成为RTAS 32年历史上全球首位连续两年获得最佳论文奖的学者，证明了其在该领域独树一帜的研究竞争力。

由IEEE主办的RTAS是全球性学术会议，主要讨论自动驾驶汽车、工业机器人、航空控制等对高安全性与实时性要求极高的系统技术。今年在法国举行的RTAS 2026共收到来自全球的108篇论文投稿，Jwa Hunseung 教授团队的论文是唯一入选最佳论文的研究成果。

研究团队在此次论文中提出了“ZeroSwap”技术，以解决嵌入式AI系统中被认为是最大难题的GPU内存不足问题。

近年来，自动驾驶汽车和智能机器人需要同时运行目标识别、路径预测、情境判断等多种AI模型。然而，与大型服务器相比，基于小型、低功耗的嵌入式设备在内存和计算资源方面更为有限，因此一旦同时运行多个AI模型，就会产生处理延迟。

尤其是在自动驾驶或机器人控制这类需要以数毫秒为单位作出判断的环境中，这种延迟可能引发安全事故，因此一直被视为亟待解决的课题。

研究团队设计出一种将数据存储设备SSD当作GPU扩展内存使用的方法。通常情况下，SSD速度慢于GPU内存，在数据传输过程中会产生较大延迟，但ZeroSwap几乎消除了这种瓶颈现象，将延迟时间降至接近“零”的水平。

实验结果显示，即使在实际GPU内存容量被超出的环境下，延迟增幅也被控制在平均3.6%左右，AI任务响应时间最多缩短了3.2倍。

这一成果被评价为表明即便仅依靠有限的硬件资源，也能稳定运行复杂的多重AI功能。未来有望广泛应用于自动驾驶汽车、智能制造、智能机器人等对实时性和安全性要求较高的产业领域。

DGIST电子电气计算机工程系教授 Jwa Hunseung 表示：“此次研究不仅超越了单纯增加设备内存容量的层面，还证明了即使在受限的嵌入式环境中，也能无延迟、稳定地运行复杂AI功能。”他还称：“我们将把这项技术发展为自动驾驶、智能制造、智能机器人等未来产业的核心基础技术。”

另一方面，此次研究在韩国研究财团、信息通信企划评价院、AI Star Fellowship的支持下完成。DGIST博士后研究员 Kang Useong 作为第一作者参与研究，意大利摩德纳-雷焦艾米利亚大学、国民大学和延世大学研究团队也共同参与了该项研究。

本报道由人工智能(AI)翻译技术生成。