面向 6G 网络的基于无服务器的 AI 应用部署：实验研究

未来的 6G 网络预计将在广泛的应用中重度利用机器学习能力，这些应用为最终用户和服务提供者带来了特征和优势。尽管这些技术的应用选项几乎没有穷尽，但从网络架构和标准化服务的角度来看，在考虑 6G 网络处理和连接能力的动态异构性时，对 AI 任务在何处执行的部署决策至关重要。另一方面，关于如何在 6G 场景中对 ML 应用进行分类的概念性和标准化工作仍处于初级阶段；一些属于网络管理功能，一些针对推理本身，而许多其他人则强调模型训练。很可能未来的移动服务都将在 AI 领域，或与 AI 结合。本工作为无服务器计算范式在此方面提供了方案。我们首先概述不同在 6G 网络中预期相关的机器学习应用。随后我们为执行这些工作负载从中提出的一组通用软件工程要求，并提出并实现了一个面向边缘的高级架构来执行此类任务。我们将 ML 无服务器范式映射到 6G 架构的案例研究中，并针对一个机器学习应用在实验上进行测试，该应用的设置是以更传统的云基于方式实现的。我们的结果表明，尽管在响应时间可预测性和准确率之间存在权衡，但在 6G 设置中实现的中位数准确率保持不变，而中位数响应时间比云端设置降低约 25%。