分布式AI编排新突破：部署成功率90-100%，决策快至80毫秒！
SAREF-based Ontology for Distributed AI Workflows across the Edge-Fog-Cloud Continuum
📖 AI 总结
该论文提出了一种基于SAREF标准的分布式AI工作流本体模型，旨在解决边缘-雾-云连续体中AI流程和资源语义表示不兼容的问题。研究扩展了SAREF4SYST本体，新增了AI流水线、可执行AI任务、计算资源、部署约束及通信关系等概念，从而统一描述AI工作流与异构计算基础设施。该本体支持语义互操作、自动推理和资源感知的编排，并与ETSI SAREF生态系统完全对齐。研究通过智能电网能源服务编排场景进行了验证，所有能力问题均通过SPARQL查询和语义推理成功测试。实验结果显示，在异构边缘-雾-云环境中，部署成功率达90-100%，平均编排决策时间低于80毫秒，证明了该本体在确保分布式AI编排语义互操作性方面的有效性。
🔑 关键词速览
| SAREF | Smart Applications REFerence ontology，ETSI制定的智能应用参考本体，用于物联网设备互操作。 |
| SAREF4SYST | SAREF的扩展模块，用于描述系统及其组件，本文在此基础上扩展AI工作流概念。 |
| Edge-Fog-Cloud Continuum | 边缘-雾-云连续体，指从设备端到云端的计算资源连续分布架构。 |
| Ontology | 本体，一种形式化的知识表示模型，用于定义概念及其关系。 |
| Competency Questions | 能力问题，用于评估本体是否满足特定查询需求的问题集。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅