0 引言

(資料圖片僅供參考)

2023年是人工智能（Artificial Intelligence，AI）大模型應(yīng)用元年，多個(gè)維度的技術(shù)發(fā)展推動(dòng)了人工智能生成內(nèi)容（Artificial Intelligence Generated Content，AIGC）的產(chǎn)生，其在知識(shí)問(wèn)答、翻譯、摘要說(shuō)明、內(nèi)容創(chuàng)作等諸多應(yīng)用中有著非凡的性能表現(xiàn)，成為數(shù)字經(jīng)濟(jì)時(shí)代的新引擎。目前，AIGC技術(shù)已經(jīng)成為人工智能領(lǐng)域的熱點(diǎn)話題，并延伸至多個(gè)應(yīng)用領(lǐng)域，如智能家居、自動(dòng)駕駛、智能醫(yī)療等。

當(dāng)前，AI應(yīng)用計(jì)算量呈幾何級(jí)數(shù)增長(zhǎng)，算法模型向巨量化發(fā)展，人工智能模型參數(shù)在過(guò)去十年增長(zhǎng)了十萬(wàn)倍[1]。因此，AIGC類新型計(jì)算業(yè)務(wù)對(duì)算力和通信的要求非常高，需要相匹配的算力網(wǎng)絡(luò)來(lái)支持其發(fā)展。隨著數(shù)字化程度加快以及大模型對(duì)算力需求的不斷提高，未來(lái)數(shù)字經(jīng)濟(jì)的發(fā)展將會(huì)越發(fā)依賴于算力網(wǎng)絡(luò)，AIGC類新型業(yè)務(wù)與算力網(wǎng)絡(luò)的結(jié)合將會(huì)創(chuàng)造出更加智能化、數(shù)字化和人性化的業(yè)務(wù)應(yīng)用。本文將重點(diǎn)探討面向AIGC類新型計(jì)算業(yè)務(wù)的算力網(wǎng)絡(luò)挑戰(zhàn)與設(shè)計(jì)，為相關(guān)領(lǐng)域的技術(shù)人員提出研究和發(fā)展方向的建議。未來(lái)，期待算力網(wǎng)絡(luò)和AIGC有更加廣泛和深入的應(yīng)用，同時(shí)，需要關(guān)注技術(shù)發(fā)展中的風(fēng)險(xiǎn)和挑戰(zhàn)，推動(dòng)相關(guān)部門制定政策和采取措施，確保人工智能技術(shù)的發(fā)展能夠更好地為人類社會(huì)服務(wù)。

1 AIGC類業(yè)務(wù)和算力網(wǎng)絡(luò)的必要性

1.1 AIGC類業(yè)務(wù)的發(fā)展和應(yīng)用

通用人工智能（Artificial General Intelligence，AGI）是指一種可以具備人類智能水平的人工智能系統(tǒng)。AGI的主要特點(diǎn)是可以通過(guò)學(xué)習(xí)、理解、推理和創(chuàng)造等方式，來(lái)處理各種復(fù)雜任務(wù)，包括語(yǔ)言理解、圖像識(shí)別、自然語(yǔ)言處理（Natural Language Processing，NLP）等。而AIGC作為AGI發(fā)展的第一步，將人工智能、通信技術(shù)和云計(jì)算等技術(shù)進(jìn)行融合，實(shí)現(xiàn)智能化的數(shù)據(jù)處理和分析，AIGC既是從內(nèi)容生產(chǎn)者視角進(jìn)行分類的一類內(nèi)容，又是一種內(nèi)容生產(chǎn)方式，還是用于內(nèi)容自動(dòng)化生成的一類技術(shù)集合[2]。雖然目前AGI技術(shù)還處于研究階段，但是AIGC的相關(guān)應(yīng)用隨著大模型的出現(xiàn)實(shí)現(xiàn)了快速發(fā)展。

當(dāng)前AIGC類業(yè)務(wù)的發(fā)展和應(yīng)用已經(jīng)非常廣泛，包括音頻、文本、圖像、視頻生成及圖像、視頻、文本間的跨模態(tài)生成，同時(shí)AIGC已經(jīng)在許多實(shí)際應(yīng)用中取得了顯著成果，如文本生成、藝術(shù)創(chuàng)作、游戲開發(fā)等。許多公司和研究人員已經(jīng)成功將AIGC技術(shù)應(yīng)用于實(shí)際項(xiàng)目和產(chǎn)品。

其中較為著名的生成式預(yù)訓(xùn)練轉(zhuǎn)換模型（Generative Pre-trained Transformer，GPT）主要基于三個(gè)技術(shù)：自然語(yǔ)言處理中基于注意力機(jī)制的序列到序列模型Transformer[3]；采用Prompt機(jī)制用于指導(dǎo)模型生成特定類型的輸出；利用Fine-tune微調(diào)技術(shù)針對(duì)預(yù)訓(xùn)練模型通過(guò)少量的標(biāo)記數(shù)據(jù)集，在新的任務(wù)或領(lǐng)域上訓(xùn)練模型來(lái)改進(jìn)其性能。

以GPT[4]為例，2023年涌現(xiàn)了大量的大型語(yǔ)言模型（Large Language Models，LLMs）[5-6]和AIGC相關(guān)領(lǐng)域[7-8]的研究。以GPT-3、GPT-4為代表的超大規(guī)模預(yù)訓(xùn)練模型，以數(shù)據(jù)和算力優(yōu)勢(shì)取代了一些小型算法模型，展示了一條通向通用人工智能的可行路徑[9]。表1列舉了國(guó)內(nèi)外主流AIGC大模型和應(yīng)用概況。

表1 主流AIGC大模型和應(yīng)用概況

AIGC大模型的集體涌現(xiàn)為在算力網(wǎng)絡(luò)中部署AIGC相關(guān)應(yīng)用的研究提供了方向和實(shí)踐，同時(shí)也對(duì)業(yè)務(wù)的算力要求、數(shù)據(jù)安全以及隱私保護(hù)提出了挑戰(zhàn)。總之，隨著人工智能、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)的不斷發(fā)展，AIGC技術(shù)的應(yīng)用將會(huì)越來(lái)越廣泛，將為各行各業(yè)帶來(lái)更高效、安全、智能的服務(wù)。

1.2 AIGC類業(yè)務(wù)的特點(diǎn)

AIGC類業(yè)務(wù)通過(guò)使用具有大量算力的大模型，從海量數(shù)據(jù)中提取出有效信息，實(shí)現(xiàn)自動(dòng)化的數(shù)據(jù)處理和決策，如圖1所示。AIGC類業(yè)務(wù)具有以下特點(diǎn)。

圖1 AIGC類業(yè)務(wù)流程

1.2.1 大量、多樣的數(shù)據(jù)上傳和下發(fā)

在AIGC類業(yè)務(wù)中，數(shù)據(jù)上傳通常是指數(shù)據(jù)的采集和傳輸，包括對(duì)各類數(shù)據(jù)進(jìn)行預(yù)處理和標(biāo)注等操作。如來(lái)自傳感器、監(jiān)控設(shè)備、社交網(wǎng)絡(luò)、移動(dòng)設(shè)備等不同來(lái)源的結(jié)構(gòu)化、非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)需要進(jìn)行清洗、轉(zhuǎn)換和整合，以便進(jìn)行深度學(xué)習(xí)和機(jī)器學(xué)習(xí)算法的應(yīng)用。由于傳輸?shù)臄?shù)據(jù)量通常很龐大，需要高帶寬和低延遲的網(wǎng)絡(luò)來(lái)支持。數(shù)據(jù)下發(fā)是指將訓(xùn)練好的模型、算法和結(jié)果傳輸回客戶端或其他系統(tǒng)，隨著數(shù)據(jù)規(guī)模的增大和多樣化，處理數(shù)據(jù)的能力也需要不斷提升。

1.2.2 不斷擴(kuò)大的模型需要大量算力來(lái)支持

在AIGC領(lǐng)域應(yīng)用的大模型通常由多層級(jí)的復(fù)雜結(jié)構(gòu)組成，需要處理數(shù)以百萬(wàn)計(jì)的參數(shù)和變量，這些模型和算法通常需要大量的計(jì)算資源來(lái)進(jìn)行訓(xùn)練和推理。為了處理海量的數(shù)據(jù)和復(fù)雜的模型，需要使用并行計(jì)算和分布式計(jì)算技術(shù)，以利用多個(gè)計(jì)算機(jī)或處理器來(lái)同時(shí)處理數(shù)據(jù)。此方式可以顯著提高計(jì)算效率，縮短訓(xùn)練模型的訓(xùn)練時(shí)間，并幫助解決計(jì)算能力的瓶頸問(wèn)題。同時(shí)，也需要高效的算法設(shè)計(jì)和優(yōu)化，以減少計(jì)算和存儲(chǔ)的成本，提高系統(tǒng)的可擴(kuò)展性和穩(wěn)定性。因此，對(duì)于AIGC類業(yè)務(wù)，大量算力是其發(fā)展和應(yīng)用的基礎(chǔ)和核心，對(duì)算力的需求也是其面臨的主要挑戰(zhàn)之一。

在普通的計(jì)算任務(wù)和業(yè)務(wù)中，傳統(tǒng)的計(jì)算方法如邊緣計(jì)算和云計(jì)算具有一定的局限性，無(wú)法完全滿足AIGC類業(yè)務(wù)的需求。例如在解決數(shù)據(jù)延遲問(wèn)題上，云計(jì)算和邊緣計(jì)算在處理大量的AIGC類業(yè)務(wù)數(shù)據(jù)時(shí)無(wú)法保證低延遲；在傳輸帶寬方面，云計(jì)算和邊緣計(jì)算通常依賴于網(wǎng)絡(luò)連接進(jìn)行數(shù)據(jù)傳輸，而網(wǎng)絡(luò)帶寬有限，尤其是在邊緣計(jì)算中，邊緣設(shè)備通常只有較低的帶寬和存儲(chǔ)能力，難以處理大量的數(shù)據(jù)傳輸任務(wù)；在數(shù)據(jù)隱私與安全方面，模型的私有化以及AIGC類業(yè)務(wù)中的數(shù)據(jù)往往包含敏感信息，傳輸?shù)綌?shù)據(jù)中心或邊緣設(shè)備進(jìn)行處理時(shí)增加了數(shù)據(jù)被竊取或篡改的風(fēng)險(xiǎn)。

云計(jì)算和邊緣計(jì)算在許多常見的計(jì)算任務(wù)和業(yè)務(wù)中發(fā)揮著重要作用。然而，對(duì)于一些復(fù)雜和大規(guī)模的計(jì)算任務(wù)，傳統(tǒng)的計(jì)算方式受限于計(jì)算能力、數(shù)據(jù)處理能力和模型表達(dá)能力等。因此，針對(duì)這些場(chǎng)景，引入人工智能技術(shù)配合算力網(wǎng)絡(luò)的交易分發(fā)，基于AIGC類業(yè)務(wù)的算網(wǎng)架構(gòu)可以提供更高效、準(zhǔn)確和自動(dòng)化的解決方案。

綜上所述，AIGC類業(yè)務(wù)有大量數(shù)據(jù)需要上傳和下發(fā)，大模型也需要大量算力。傳統(tǒng)的計(jì)算方法已經(jīng)無(wú)法滿足AIGC類業(yè)務(wù)的需求，需要一種高效的數(shù)據(jù)傳輸和處理方法來(lái)支持業(yè)務(wù)的快速發(fā)展，而算力網(wǎng)絡(luò)正是具備強(qiáng)大的算力、數(shù)據(jù)處理和自動(dòng)化的工具，同時(shí)具有高度可擴(kuò)展、可靠和彈性的系統(tǒng)設(shè)計(jì)能力。

算力網(wǎng)絡(luò)作為構(gòu)建AIGC落地的基礎(chǔ)設(shè)施，將云—邊—端三層算力結(jié)構(gòu)組織調(diào)度成具有高效和安全性能的網(wǎng)絡(luò)，共同完成大規(guī)模計(jì)算任務(wù)。算力網(wǎng)絡(luò)的主要作用是提供分布式計(jì)算服務(wù)，可以處理各種復(fù)雜計(jì)算任務(wù)，例如人工智能、機(jī)器學(xué)習(xí)和大數(shù)據(jù)分析等。

在算力網(wǎng)絡(luò)中，為了解決數(shù)據(jù)上傳和下發(fā)以及大模型的算力問(wèn)題，AIGC類業(yè)務(wù)通常采用分布式系統(tǒng)和云—邊—端協(xié)同計(jì)算等技術(shù)來(lái)支持?jǐn)?shù)據(jù)的高效傳輸和處理。例如，通過(guò)分布式存儲(chǔ)和計(jì)算等技術(shù)，可以將數(shù)據(jù)和計(jì)算任務(wù)分散到多臺(tái)計(jì)算機(jī)上，從而提高數(shù)據(jù)處理和模型訓(xùn)練的效率。同時(shí)，邊、云服務(wù)器也提供了豐富的計(jì)算資源和服務(wù)，包括高速網(wǎng)絡(luò)、高性能計(jì)算等，可以提高數(shù)據(jù)處理和模型訓(xùn)練的效率，進(jìn)而滿足AIGC類業(yè)務(wù)的需要。

2 承載AIGC類業(yè)務(wù)的算力網(wǎng)絡(luò)架構(gòu)和設(shè)計(jì)

傳統(tǒng)的算力網(wǎng)絡(luò)從邏輯功能上可分為算力服務(wù)層、算網(wǎng)管理層、算力資源層、算力路由層和網(wǎng)絡(luò)資源層。其中，算力路由層包含控制面和轉(zhuǎn)發(fā)面，以實(shí)現(xiàn)泛在計(jì)算和服務(wù)的感知、動(dòng)態(tài)分布計(jì)算與存儲(chǔ)資源的互聯(lián)。如何將遍布在云—邊—端泛在部署的異構(gòu)多樣算力資源以及繁多碎片化AIGC類業(yè)務(wù)間進(jìn)行有效協(xié)同，驅(qū)使業(yè)務(wù)應(yīng)用能平滑地在各級(jí)算力資源上進(jìn)行流轉(zhuǎn)運(yùn)行，充分利用巨量算力資源，是承載AIGC類業(yè)務(wù)算力網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)的關(guān)鍵點(diǎn)[10]。與傳統(tǒng)的算力網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)相比，承載AIGC類業(yè)務(wù)的算力網(wǎng)絡(luò)架構(gòu)把網(wǎng)絡(luò)資源層和算力資源層合并為網(wǎng)絡(luò)基礎(chǔ)設(shè)施層，以實(shí)現(xiàn)由網(wǎng)絡(luò)資源、計(jì)算資源分治管理到算網(wǎng)統(tǒng)一控制和管理；由網(wǎng)絡(luò)調(diào)度過(guò)渡到網(wǎng)絡(luò)和計(jì)算聯(lián)合調(diào)度，由網(wǎng)絡(luò)的度量過(guò)渡到網(wǎng)元和算力節(jié)點(diǎn)的互聯(lián)、度量和建模；AIGC需要大規(guī)模的計(jì)算資源，在算網(wǎng)融合層設(shè)計(jì)時(shí)通過(guò)分布式服務(wù)和存儲(chǔ)以提高大模型的訓(xùn)練效率。

AIGC類業(yè)務(wù)通常需要大規(guī)模的計(jì)算資源來(lái)支持其復(fù)雜的計(jì)算需求[11]。AIGC類業(yè)務(wù)的流程是用戶上傳原始數(shù)據(jù)任務(wù)（包括文本、圖像、視頻）至算力網(wǎng)絡(luò)的算力節(jié)點(diǎn)，由算力提供商接受任務(wù)后利用模型訓(xùn)練生成內(nèi)容，其中模型包括自回歸模型、生成對(duì)抗網(wǎng)絡(luò)、變分自動(dòng)編碼器、基于流的生成模型、擴(kuò)散模型等大模型；在交易達(dá)成后，AIGC類服務(wù)提供商將生成的內(nèi)容分發(fā)給用戶。

承載AIGC類業(yè)務(wù)的算力網(wǎng)絡(luò)架構(gòu)和設(shè)計(jì)需要充分考慮業(yè)務(wù)需求和技術(shù)實(shí)現(xiàn)，提供高性能、高可靠性、安全的計(jì)算資源支持。如圖2所示，新型算力網(wǎng)絡(luò)架構(gòu)可分為網(wǎng)絡(luò)基礎(chǔ)設(shè)施層、算網(wǎng)融合層和應(yīng)用服務(wù)層。

圖2 面向AIGC類新型算力網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)

2.1 網(wǎng)絡(luò)基礎(chǔ)設(shè)施層

網(wǎng)絡(luò)基礎(chǔ)設(shè)施層是新型算力網(wǎng)絡(luò)架構(gòu)的基礎(chǔ)底座，可構(gòu)建多層次的異構(gòu)算力網(wǎng)絡(luò)，包括云算力節(jié)點(diǎn)、邊緣算力節(jié)點(diǎn)、端側(cè)算力節(jié)點(diǎn)等異構(gòu)多層次算力節(jié)點(diǎn)構(gòu)成的算力資源池。其中網(wǎng)絡(luò)基礎(chǔ)設(shè)施包括5G/超5代移動(dòng)通信系統(tǒng)（B5G）接入網(wǎng)絡(luò)、確定性邊緣網(wǎng)絡(luò)、確定性廣域網(wǎng)絡(luò)、確定性數(shù)據(jù)中心網(wǎng)絡(luò)等。

2.2 算網(wǎng)融合層

算網(wǎng)融合層是新型算力網(wǎng)絡(luò)架構(gòu)的中樞系統(tǒng)，主要實(shí)現(xiàn)算網(wǎng)狀態(tài)感知、算網(wǎng)資源調(diào)度以及算網(wǎng)智能決策三大功能。算網(wǎng)狀態(tài)感知方面，在面向AIGC的算力網(wǎng)絡(luò)設(shè)計(jì)中，通過(guò)對(duì)計(jì)算與網(wǎng)絡(luò)資源狀態(tài)信息的采集或監(jiān)測(cè)，實(shí)現(xiàn)對(duì)邊緣計(jì)算節(jié)點(diǎn)和網(wǎng)絡(luò)設(shè)備運(yùn)行狀態(tài)的精準(zhǔn)感知，進(jìn)而為計(jì)算任務(wù)的調(diào)度決策提供支撐，同時(shí)為邊緣計(jì)算節(jié)點(diǎn)和網(wǎng)絡(luò)設(shè)備的運(yùn)營(yíng)維護(hù)提供數(shù)據(jù)支撐。算網(wǎng)資源調(diào)度方面，通過(guò)對(duì)計(jì)算與網(wǎng)絡(luò)資源狀態(tài)信息的采集、處理和分析，結(jié)合機(jī)器學(xué)習(xí)相關(guān)算法，實(shí)現(xiàn)對(duì)邊緣計(jì)算節(jié)點(diǎn)算力狀況以及網(wǎng)絡(luò)狀況的預(yù)測(cè)，進(jìn)而提升對(duì)計(jì)算與網(wǎng)絡(luò)資源狀態(tài)的感知能力，實(shí)現(xiàn)資源的精細(xì)化分配、計(jì)算任務(wù)的實(shí)時(shí)調(diào)度。算網(wǎng)智能決策方面，基于算網(wǎng)狀態(tài)智能感知，算力網(wǎng)絡(luò)中進(jìn)行自動(dòng)化分析建模和決策并將決策結(jié)果反饋至算力網(wǎng)絡(luò)控制系統(tǒng)，提供智能化、自動(dòng)化決策治理能力，實(shí)現(xiàn)算網(wǎng)資源的智能決策。

2.3 應(yīng)用服務(wù)層

應(yīng)用服務(wù)層主要包括智能運(yùn)維、可信交易、開發(fā)支撐、綜合管控四大功能，其中AIGC類業(yè)務(wù)通過(guò)算力網(wǎng)絡(luò)交易平臺(tái)進(jìn)行交易。為了保證安全性和可靠性，交易采用區(qū)塊鏈分布式賬本記賬的方式，以鏈?zhǔn)綌?shù)據(jù)結(jié)構(gòu)存儲(chǔ)交易信息，并將信息保存在鏈上，確保任何數(shù)據(jù)都是真實(shí)且不可篡改的。

3 挑戰(zhàn)與展望

在面向AIGC類新型計(jì)算業(yè)務(wù)的算力網(wǎng)絡(luò)設(shè)計(jì)中，AIGC類新型計(jì)算業(yè)務(wù)對(duì)算力網(wǎng)絡(luò)具有高計(jì)算、高帶寬、高存儲(chǔ)、低延遲、可靠性等要求，而算力網(wǎng)絡(luò)在面向AIGC類新型計(jì)算業(yè)務(wù)中的瓶頸和挑戰(zhàn)包括：計(jì)算資源的分布分散、資源調(diào)度的復(fù)雜度較高、數(shù)據(jù)傳輸存在帶寬限制、保障數(shù)據(jù)隱私和安全等。其中調(diào)整卸載調(diào)度算法和路由策略、保障安全和優(yōu)化服務(wù)交易是三大關(guān)鍵問(wèn)題。

在調(diào)整卸載調(diào)度算法和路由策略方面，由于AIGC類業(yè)務(wù)的特殊性，傳統(tǒng)的調(diào)度算法和路由策略不再適用。由于大模型需要大量算力支持，選擇合適的節(jié)點(diǎn)和路徑至關(guān)重要，以確保業(yè)務(wù)能夠高效地運(yùn)行并最大化利用計(jì)算資源。這涉及到算力網(wǎng)絡(luò)中的資源分配、協(xié)調(diào)和管理，需要設(shè)計(jì)新的算法和協(xié)議來(lái)解決上述問(wèn)題。根據(jù)具體的應(yīng)用場(chǎng)景和需求，提出以下3項(xiàng)方案。

·基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的靜態(tài)調(diào)度方案：根據(jù)AIGC類業(yè)務(wù)和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的不同，將計(jì)算任務(wù)調(diào)度到不同的節(jié)點(diǎn)上執(zhí)行，以實(shí)現(xiàn)負(fù)載均衡和最小化數(shù)據(jù)傳輸成本。

·基于機(jī)器學(xué)習(xí)算法的動(dòng)態(tài)調(diào)度方案：利用機(jī)器學(xué)習(xí)算法對(duì)計(jì)算任務(wù)進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)任務(wù)的動(dòng)態(tài)調(diào)度和資源的自適應(yīng)分配，以提高整個(gè)系統(tǒng)的性能和效率。

·采用分層架構(gòu)的路由方案：將網(wǎng)絡(luò)按照層次結(jié)構(gòu)劃分，根據(jù)不同的層次對(duì)數(shù)據(jù)進(jìn)行路由轉(zhuǎn)發(fā)處理，實(shí)現(xiàn)低延遲和高吞吐量的數(shù)據(jù)傳輸。

在保障安全方面，AIGC類業(yè)務(wù)的大規(guī)模數(shù)據(jù)上傳和下發(fā)以及大模型的計(jì)算過(guò)程可能涉及機(jī)密數(shù)據(jù)和敏感信息。因此，保障數(shù)據(jù)的安全和隱私至關(guān)重要。此外，由于AIGC類業(yè)務(wù)對(duì)算力網(wǎng)絡(luò)的高要求，攻擊者可能會(huì)利用算力網(wǎng)絡(luò)中的弱點(diǎn)來(lái)發(fā)動(dòng)攻擊，如分布式拒絕服務(wù)攻擊（Distributed Denial of Service，DDoS）和惡意節(jié)點(diǎn)攻擊。因此，需要設(shè)計(jì)和實(shí)現(xiàn)高效的安全機(jī)制來(lái)保護(hù)算力網(wǎng)絡(luò)和AIGC類業(yè)務(wù)的安全。

在優(yōu)化服務(wù)交易方面，由于AIGC類業(yè)務(wù)的特殊性質(zhì)和大規(guī)模需求，交易模式和機(jī)制需要重新設(shè)計(jì)和優(yōu)化。需要實(shí)現(xiàn)高效的服務(wù)匹配和交易，并確保交易的公正性和透明性。同時(shí)需要建立高效的自動(dòng)化服務(wù)管理和監(jiān)控機(jī)制，以提高服務(wù)的質(zhì)量和可靠性。

通過(guò)設(shè)計(jì)智能合約結(jié)合區(qū)塊鏈的算力交易方案，應(yīng)用區(qū)塊鏈去中心化以及分布式數(shù)據(jù)同步及存儲(chǔ)的技術(shù)優(yōu)勢(shì)，將算力交易分布在各個(gè)算力資源節(jié)點(diǎn)。為確保交易的安全可信，算力需求方與資源提供方都要向第三方的數(shù)字證書簽發(fā)機(jī)構(gòu)申請(qǐng)數(shù)字證書和私鑰，用于對(duì)交易結(jié)果進(jìn)行簽名確認(rèn)，之后才能進(jìn)行算力交易，如圖3所示。

圖3 基于區(qū)塊鏈智能合約的算力交易模型

因此，在算力網(wǎng)絡(luò)與AIGC結(jié)合的過(guò)程中，通過(guò)跨學(xué)科的研究和合作，利用機(jī)器學(xué)習(xí)、區(qū)塊鏈等先進(jìn)技術(shù)，可以創(chuàng)新地調(diào)整卸載調(diào)度算法和路由策略用于保障安全和優(yōu)化服務(wù)，確保算力網(wǎng)絡(luò)和AIGC類業(yè)務(wù)的高效、安全和可靠運(yùn)行。

4 結(jié)束語(yǔ)

本文面向AIGC類新型計(jì)算業(yè)務(wù)的算力網(wǎng)絡(luò)設(shè)計(jì)與挑戰(zhàn)，提出AIGC類業(yè)務(wù)引入算力網(wǎng)絡(luò)的必要性，設(shè)計(jì)未來(lái)承載AIGC類業(yè)務(wù)的算力網(wǎng)絡(luò)架構(gòu)，討論了目前遇到的挑戰(zhàn)和未來(lái)的發(fā)展趨勢(shì)。未來(lái)，業(yè)界將緊跟算力網(wǎng)絡(luò)技術(shù)和AIGC類業(yè)務(wù)及其應(yīng)用領(lǐng)域的需求，持續(xù)關(guān)注相關(guān)的算力網(wǎng)絡(luò)設(shè)計(jì)與實(shí)現(xiàn)方案。