人工智能生命周期在通信网络中的能源成本
新兴技术
2025-12-10 v4 人工智能
机器学习
摘要
人工智能（AI）正被纳入 several optimization、scheduling、orchestration 以及通信网络中的原生功能中。这种范式转变导致能源消耗增加，然而量化向通信系统添加智能功能的端到端能源消耗仍是一个开放挑战，因为传统能源消耗指标仅关注通信、计算基础设施或模型开发。为此，我们提出了一种新指标，即AI生命周期能源成本（Energy Cost of AI Lifecycle，eCAL），用于衡量在系统中为通信网络提供智能功能的AI模型的能源消耗。eCAL通过（i）分析数据收集和操作在各个组件中的复杂度，（ii）推导总体和每位比特的能源消耗，来捕捉开发、部署和利用AI模型的整个能源消耗。我们指出，随着训练好的AI模型被用于推理的次数增加，其每次推理的能源成本会降低，因为固定的训练能耗被 amortization 于越来越多的推理次数。对于一个简单案例研究，我们展示eCAL在100次推理中的能耗是1000次推理的2.73倍。此外，我们开发了一个模块化且可扩展的开源仿真工具，使研究人员、实践者和工程师能够以各种配置计算端到端能源成本，并适用于各种系统，确保适应多样化的用例。
引用
@article{arxiv.2408.00540,
title = {The Energy Cost of Artificial Intelligence Lifecycle in Communication Networks},
author = {Shih-Kai Chou and Jernej Hribar and Vid Hanžel and Mihael Mohorčič and Carolina Fortuna},
journal= {arXiv preprint arXiv:2408.00540},
year = {2025}
}
备注
16 pages, 13 figures