Dynamic Pricing for On-Demand DNN Inference in the Edge-AI Market
作者: Songyuan Li, Jia Hu, Geyong Min, Haojun Huang, Jiwei Huang
发布时间: 2025-03-07
来源: arxiv
研究方向: 边缘人工智能（Edge-AI）市场中的动态定价与深度神经网络（DNN）推理加速
主要内容
本文针对边缘人工智能市场中的动态定价问题，提出了一种基于拍卖机制的边缘推理定价机制（AERIA），旨在通过多维度优化，实现DNN模型分区、边缘推理定价和资源分配的最优化，以实现收益最大化。
主要贡献
1. 首次对Edge-AI市场进行了系统建模，分析了AI服务提供商、AI用户和边缘基础设施提供商之间的市场互动。
2. 开发了一种基于拍卖的边缘推理定价机制（AERIA），用于解决DNN模型分区、边缘推理定价和资源分配的多维度优化问题。
3. 通过广泛的仿真实验证明了AERIA机制在收益最大化方面的优越性，并实现了高质量边缘推理服务。
4. AERIA机制具有竞争力、激励兼容性和无嫉妒性等理想特性，从而确保了边缘推理交易的有效性、真实性和公平性。
研究方法
1. 多退出DNN推理
2. 动态定价
3. 拍卖机制
4. 随机共识估计和成本共享技术
5. 仿真实验
实验结果
实验结果表明，AERIA机制在收益最大化方面优于现有方法，实现了高质量边缘推理服务，并具有良好的可扩展性。
未来工作
未来研究可以进一步探索以下方向：1）针对不同类型的DNN模型，优化AERIA机制；2）将AERIA机制应用于其他边缘计算场景；3）研究边缘人工智能市场的治理机制。