评估能源领域的设备优先连续范畴AI (DFC-AI) 用于自主运营

能源领域的工业自动化需要能够独立于网络可用性而自主运行的AI系统，这一要求无法由云中心架构满足。本文评估了将设备优先连续范畴AI (DFC-AI) 应用于能源领域关键运营的可行性。DFC-AI是混合边缘云范畴内的一种专用架构，其采用微服务架构实现智能代理，起源于端设备并延伸至计算连续体。通过对包括无人机检查、传感器网络和工人安全系统在内的能源领域情景进行全面仿真，我们展示了DFC-AI在网络中断期间仍能保持完全运营能力，而基于云和网关的系统则经历完全或部分故障。我们的分析揭示，零配置GPU发现和异构设备聚类特别适合能源领域的部署，其中专用节点可为整个无人机编队或传感器网络处理密集型AI工作负载。评估显示，DFC-AI相对于云架构实现显著的延迟降低和能源节省。此外，我们发现，对于某些能源领域工作负载，基于网关的边缘解决方案可能比云解决方案成本更高，由于基础设施开销；而DFC-AI能够通过利用企业拥有的设备持续提供成本节省。这些发现通过严格的统计分析得到验证，确立了DFC-AI解决能源领域独特挑战的能力，确保智能代理在远程油田、海上平台以及其他该行业特有的恶劣环境中保持可用且可正常工作。