本發(fā)明涉及區(qū)塊鏈、分布式計(jì)算、邊緣計(jì)算和人工智能生成內(nèi)容，具體地，涉及人工智能生成內(nèi)容的算力動態(tài)分享配置的方法及系統(tǒng)，更為具體地，涉及基于區(qū)塊鏈技術(shù)的分布式邊緣網(wǎng)絡(luò)中的人工智能生成內(nèi)容的算力動態(tài)分享配置的方法及系統(tǒng)。

背景技術(shù)：

1、隨著人工智能ai技術(shù)和分布式計(jì)算的發(fā)展，人工智能生成內(nèi)容(aigc)在多個領(lǐng)域得到了廣泛應(yīng)用，包括內(nèi)容創(chuàng)作、媒體生產(chǎn)、自動化生成、智能交互等。這些aigc任務(wù)依賴于復(fù)雜的ai模型和算法，例如自然語言生成(nlg)、圖像生成、深度學(xué)習(xí)模型訓(xùn)練等，都需要大量的計(jì)算資源來支持模型訓(xùn)練、推理和生成過程。通常情況下，這些計(jì)算任務(wù)的執(zhí)行依賴于中心化的數(shù)據(jù)中心和云計(jì)算平臺。然而，隨著邊緣計(jì)算和物聯(lián)網(wǎng)(iot)設(shè)備的快速普及，數(shù)據(jù)生成和計(jì)算的需求逐漸向網(wǎng)絡(luò)邊緣遷移，這種中心化的計(jì)算模式在應(yīng)對分布式計(jì)算需求時暴露出了諸多問題，包括：當(dāng)大量ai生成任務(wù)同時發(fā)起時，中心化服務(wù)器容易出現(xiàn)計(jì)算資源緊張的情況，導(dǎo)致性能下降和任務(wù)延遲增加。邊緣節(jié)點(diǎn)的計(jì)算能力相對有限，無法像中心化服務(wù)器那樣提供強(qiáng)大的算力支持，尤其在執(zhí)行大規(guī)模ai模型訓(xùn)練任務(wù)時，單個邊緣節(jié)點(diǎn)往往難以獨(dú)立完成任務(wù)。不同邊緣節(jié)點(diǎn)的計(jì)算任務(wù)負(fù)載各不相同，可能會出現(xiàn)部分節(jié)點(diǎn)過載，而其他節(jié)點(diǎn)則處于空閑狀態(tài)，導(dǎo)致計(jì)算資源的利用率低下。當(dāng)前的分布式計(jì)算框架大多采用預(yù)先定義的固定分配策略，無法根據(jù)實(shí)際任務(wù)需求動態(tài)調(diào)整算力資源。由于aigc任務(wù)的復(fù)雜性和多樣性，不同任務(wù)的算力需求具有高度的動態(tài)性，無法依靠靜態(tài)分配機(jī)制高效處理。

2、因此，亟需一種基于區(qū)塊鏈的分布式邊緣計(jì)算網(wǎng)絡(luò)中，針對ai生成內(nèi)容的算力動態(tài)共享和調(diào)度的方法及裝置。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種人工智能生成內(nèi)容的算力動態(tài)分享配置的方法。

2、根據(jù)本發(fā)明提供的一種人工智能生成內(nèi)容的算力動態(tài)分享配置的方法，包括：

3、步驟s1：在分布式邊緣網(wǎng)絡(luò)中，多個邊緣節(jié)點(diǎn)通過區(qū)塊鏈技術(shù)進(jìn)行連接，形成去中心化的算力資源共享網(wǎng)絡(luò)；

4、步驟s2：獲取用戶發(fā)布的aigc任務(wù)，評估aigc任務(wù)的算力需求；

5、步驟s3：根據(jù)去中心化的算力資源共享網(wǎng)絡(luò)中的邊緣節(jié)點(diǎn)的實(shí)時算力資源狀態(tài)和aigc任務(wù)的算力需求，評估當(dāng)前aigc任務(wù)所需的節(jié)點(diǎn)數(shù)量，基于當(dāng)前aigc任務(wù)所需的節(jié)點(diǎn)數(shù)量分配計(jì)算任務(wù)。

6、優(yōu)選地，所述步驟s1包括：分布式邊緣網(wǎng)絡(luò)包括多個邊緣節(jié)點(diǎn)，所述多個邊緣節(jié)點(diǎn)包括物聯(lián)網(wǎng)設(shè)備、邊緣服務(wù)器以及移動設(shè)備；多個已經(jīng)在區(qū)塊鏈上注冊過的邊緣節(jié)點(diǎn)通過區(qū)塊鏈技術(shù)進(jìn)行連接，并通過智能合約對多個邊緣節(jié)點(diǎn)進(jìn)行資源的動態(tài)監(jiān)控。

7、優(yōu)選地，所述步驟s2包括：

8、步驟s2.1：獲取用戶發(fā)布的aigc任務(wù)；其中，所述aigc任務(wù)包括：任務(wù)類型、任務(wù)數(shù)據(jù)量、生成aigc任務(wù)的ai模型參數(shù)以及執(zhí)行時間要求；

9、步驟s2.2：計(jì)算當(dāng)前用戶發(fā)布的aigc任務(wù)的復(fù)雜度系數(shù)，并根據(jù)任務(wù)的復(fù)雜度系數(shù)評估算力需求。

10、優(yōu)選地，所述步驟s2.2包括：

11、步驟s2.2.1：計(jì)算當(dāng)前用戶發(fā)布的aigc任務(wù)的復(fù)雜度系數(shù)；

12、c＝ctype*cdata*cmodel*ctime

13、其中，c表示復(fù)雜度系數(shù)；ctype表示任務(wù)類型；cdata數(shù)據(jù)量；cmodel表示生成aigc任務(wù)的ai模型參數(shù)；ctime表示執(zhí)行時間；

14、步驟s2.2.2：基于機(jī)器學(xué)習(xí)算法構(gòu)建算力需求預(yù)測模型，并利用歷史任務(wù)執(zhí)行數(shù)據(jù)訓(xùn)練算力需求預(yù)測模型，得到訓(xùn)練后的算力需求預(yù)測模型；當(dāng)前用戶發(fā)布的aigc任務(wù)的復(fù)雜度系數(shù)利用訓(xùn)練后的算力需求預(yù)測模型預(yù)測算力需求。

15、優(yōu)選地，所述步驟s3包括：

16、步驟s3.1：智能合約通過區(qū)塊鏈實(shí)時獲取每個邊緣節(jié)點(diǎn)的狀態(tài)信息，所述邊緣節(jié)點(diǎn)的狀態(tài)信息包括邊緣節(jié)點(diǎn)當(dāng)前負(fù)載、可用算力以及網(wǎng)絡(luò)狀態(tài)信息；

17、步驟s3.2：根據(jù)當(dāng)前aigc任務(wù)的算力需求以及獲取的每個邊緣節(jié)點(diǎn)的狀態(tài)信息篩選符合預(yù)設(shè)要求的邊緣節(jié)點(diǎn)；

18、步驟s3.3：根據(jù)當(dāng)前aigc任務(wù)的算力需求和符合預(yù)設(shè)要求的邊緣節(jié)點(diǎn)，基于算力調(diào)度機(jī)制選擇邊緣節(jié)點(diǎn)；

19、其中，所述算力調(diào)度機(jī)制包括：根據(jù)當(dāng)前aigc任務(wù)的算力需求和符合預(yù)設(shè)要求的邊緣節(jié)點(diǎn)，以邊緣節(jié)點(diǎn)數(shù)量最大化為原則確定選擇的邊緣節(jié)點(diǎn)的數(shù)量；

20、當(dāng)邊緣節(jié)點(diǎn)算力大于預(yù)設(shè)值且處于空閑狀態(tài)時，優(yōu)先調(diào)度當(dāng)前邊緣節(jié)點(diǎn)參與任務(wù)計(jì)算；

21、當(dāng)邊緣節(jié)點(diǎn)的負(fù)載大于預(yù)設(shè)值時，自動減少分配給當(dāng)前節(jié)點(diǎn)任務(wù)，以實(shí)現(xiàn)整個網(wǎng)絡(luò)的算力負(fù)載均衡；

22、當(dāng)任務(wù)為滿足預(yù)設(shè)要求的任務(wù)，則優(yōu)先調(diào)度節(jié)點(diǎn)參與執(zhí)行，以確保任務(wù)及時完成。

23、優(yōu)選地，利用智能合約對每個aigc任務(wù)進(jìn)行實(shí)時監(jiān)控，并通過區(qū)塊鏈網(wǎng)絡(luò)中的分布式賬本記錄每個節(jié)點(diǎn)的任務(wù)執(zhí)行進(jìn)度和算力使用情況；將所有任務(wù)執(zhí)行操作的日志記錄在區(qū)塊鏈上。

24、優(yōu)選地，所述方法還包括：當(dāng)智能合約檢測到某個邊緣節(jié)點(diǎn)的狀態(tài)信息存在異常時，則動態(tài)調(diào)度其他可用節(jié)點(diǎn)接管當(dāng)前邊緣節(jié)點(diǎn)的任務(wù)繼續(xù)執(zhí)行。

25、優(yōu)選地，所述方法還包括：基于區(qū)塊鏈記錄的歷史任務(wù)執(zhí)行數(shù)據(jù)，分析每個邊緣節(jié)點(diǎn)的性能，根據(jù)分析得到的每個邊緣節(jié)點(diǎn)的性能，動態(tài)分配計(jì)算任務(wù)。

26、優(yōu)選地，所述方法還包括：通過跨鏈計(jì)算，基于智能合約實(shí)現(xiàn)多個區(qū)塊鏈網(wǎng)絡(luò)間算力資源共享和任務(wù)調(diào)度。

27、優(yōu)選地，當(dāng)任務(wù)執(zhí)行完成后，智能合約根據(jù)各個邊緣節(jié)點(diǎn)貢獻(xiàn)的算力以及任務(wù)完成的效率，進(jìn)行自動化的報(bào)酬結(jié)算。

28、根據(jù)本發(fā)明提供的一種人工智能生成內(nèi)容的算力動態(tài)分享配置的系統(tǒng)，包括：

29、模塊m1：在分布式邊緣網(wǎng)絡(luò)中，多個邊緣節(jié)點(diǎn)通過區(qū)塊鏈技術(shù)進(jìn)行連接，形成去中心化的算力資源共享網(wǎng)絡(luò)；

30、模塊m2：獲取用戶發(fā)布的aigc任務(wù)，評估aigc任務(wù)的算力需求；

31、模塊m3：根據(jù)去中心化的算力資源共享網(wǎng)絡(luò)中的邊緣節(jié)點(diǎn)的實(shí)時算力資源狀態(tài)和aigc任務(wù)的算力需求，評估當(dāng)前aigc任務(wù)所需的節(jié)點(diǎn)數(shù)量，基于當(dāng)前aigc任務(wù)所需的節(jié)點(diǎn)數(shù)量分配計(jì)算任務(wù)。

32、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：

33、1、本發(fā)明通過區(qū)塊鏈智能合約，實(shí)現(xiàn)分布式邊緣網(wǎng)絡(luò)中節(jié)點(diǎn)間算力的按需調(diào)度和共享，得到了高效利用，確保aigc任務(wù)的高效執(zhí)行；

34、2、本發(fā)明提供動態(tài)算力分配策略，針對任務(wù)的復(fù)雜性和實(shí)時需求，靈活調(diào)整分布式網(wǎng)絡(luò)中的算力資源，避免資源浪費(fèi)和節(jié)點(diǎn)過載；

35、3、通過區(qū)塊鏈記錄和監(jiān)控任務(wù)執(zhí)行過程，確保任務(wù)分配的透明性和公平性，防止算力使用過程中的不公正操作；

36、4、提供去中心化的算力調(diào)度機(jī)制，增強(qiáng)系統(tǒng)的擴(kuò)展性和彈性，滿足日益增長的aigc任務(wù)需求；

37、5、通過智能合約和邊緣節(jié)點(diǎn)的實(shí)時算力狀態(tài)監(jiān)控，能夠根據(jù)任務(wù)需求和節(jié)點(diǎn)的負(fù)載情況動態(tài)調(diào)整算力資源分配，避免算力資源浪費(fèi)，確保任務(wù)執(zhí)行的高效性。

38、6、區(qū)塊鏈技術(shù)的不可篡改性確保了任務(wù)執(zhí)行過程中所有操作的透明記錄，用戶可以實(shí)時監(jiān)控任務(wù)的執(zhí)行進(jìn)展，避免了資源使用中的不公正操作，提高了系統(tǒng)的安全性。

39、7、系統(tǒng)能夠根據(jù)任務(wù)的優(yōu)先級和緊急程度動態(tài)調(diào)整算力資源分配，確保高優(yōu)先級任務(wù)得到及時處理。同時，通過實(shí)時監(jiān)控各節(jié)點(diǎn)的負(fù)載狀態(tài)，系統(tǒng)能夠平衡各節(jié)點(diǎn)的算力資源使用，避免單點(diǎn)過載。

40、8、通過智能合約自動化管理任務(wù)結(jié)算，確保計(jì)算資源的公平分配，并為參與節(jié)點(diǎn)提供及時的算力獎勵，激勵節(jié)點(diǎn)持續(xù)貢獻(xiàn)算力資源。