前沿研究：AIGC+无线边缘网络的畅想

原文：Enabling AI-Generated Content (AIGC) Services in Wireless Edge Networks

编译：DeFi 之道

简介

人工智能生成内容（AIGC）技术由于具有的独特能力 [1]，在文本、图像和视频等内容领域的有着很大的应用潜力。毫无疑问，AIGC将显著影响未来的很多日常应用，特别是在元宇宙赛道。由于能够高效地生成大量高质量的内容，AIGC 可以节省在手工内容创建上的时间花费和其他资源，最近的研究表明，AIGC 在技术发展方面已经取得了重大进展。

具体来说，在文本生成方面，参考文献中[2]和[3]的作者已经探索了使用深度学习技术生成连贯和多样化文本的方法。对于图像生成，[4]和[5]作者则重点研究使用第一代对抗网络（generative adversarial networks-GANs）来生成逼真的图像。在音频生成中，[6]的作者探索了用于合成高质量语音的深度学习技术。此外，扩散模型（diffusion models）是AIGC 领域的最新突破，2020年，OpenAI 发布了 GPT-3 模型，作为一种多模式的全能语言模型，GPT-3 能够进行机器翻译、文本生成、语义分析等[7]。而在2022年发布的基于扩散模型的 DALL-E2 被认为是最先进的图像生成模型，其性能可以优于GANs [8]。

但是，AIGC 模型需要大量的数据来进行训练，而且大型的 AIGC 模型还很难被部署。以 Stable Diffusion 为例，Stability AI 公司维护了超4000个NVIDIA A100 GPU集群，运营成本就达到了5000万美元。而 Stable Diffusion V1 模型的一次训练需要15万A100 GPU小时。此外，由不同数据集训练的 AIGC 模型只能适用于特定的任务，例如，由人脸数据集训练的 AIGC 模型可以用于修复损坏的人脸图像，但不能有效地纠正模糊的景观图像。由于用户任务的多样性和有限的边缘设备容量，很难在每个网络边缘设备上部署多个 AIGC 模型。为了进一步提高 AIGC 服务的可用性，一个很有前途的部署方案是基于“Everything-as-a-service”（EaaS），它可以有效地为用户提供基于订阅的服务。通过采用EaaS部署方案，我们进一步提出了“AIGC-as-a-service”（AaaS）的概念，具体来说就是 AIGC 服务提供商（ASPs）可以在边缘服务器上部署人工智能模型，通过无线网络向用户提供即时服务，提供更方便和可定制的体验。用户可以轻松地访问和享受 AIGC 的低延迟，在边缘网络中部署 AaaS 有几个优点：

因此，基于边缘网络的 AaaS 有可能彻底改变通过无线网络来创建和交付内容的方式。然而，目前对 AIGC 的研究主要集中在 AIGC 模型的训练上，而忽略了在无线边缘网络中部署 AIGC 时的资源分配问题。具体来说，AIGC 可能需要大量的带宽和计算能力来生成内容以及向用户交付内容，而这可能会导致网络性能的下降。此外，扩展 AaaS 以满足大量用户的需求也是一项挑战。因此，为用户分配合适的 AIGC 服务提供商（ASPs）至关重要的，一方面，用户追求那些能提供优质服务的 ASPs；另一方面，也要避免某些 AIGC 服务过载和需要重新传输，从而消耗稀缺的网络资源，文章主要有以下几个方面的内容：

AI内容生成与技术

在本节中，我们将回顾 AIGC 的发展进展，介绍了 AIGC 背后的技术。然后，我们将讨论几种AIGC 在边缘网络中的相关应用。

1. 生成技术（Generative Techniques）

我们在训练 AIGC 模型[9]中引入了生成技术，基本模型结构下图所示。

图1：AIGC [9]中的生成技术、AIGC的类别和在无线边缘网络中的应用