WO2022148494A1

WO2022148494A1 - 过热处理方法及装置、存储介质

Info

Publication number: WO2022148494A1
Application number: PCT/CN2022/076562
Authority: WO
Inventors: 陈晓宇; 韩立锋
Original assignee: 展讯通信（上海）有限公司
Priority date: 2021-01-08
Filing date: 2022-02-17
Publication date: 2022-07-14
Also published as: CN114756104A; US20240061480A1

Abstract

本申请实施例公开了一种过热处理方法及装置、存储介质，所述过热处理方法，包括：当检测到终端过热时，获取配置指示信息，所述配置指示信息用于指示AI模型的工作状态配置；根据所述配置指示信息，调整相应AI模型的工作状态。上述方案通过对运行的AI模型的工作状态的调整，能够缓解或消除终端过热。

Description

过热处理方法及装置、存储介质

技术领域

本发明实施例涉及通信领域，尤其涉及一种过热处理方法及装置、存储介质。

背景技术

随人工智能(Artificial Intelligence，AI)技术在通信网络广泛应用，终端上应用AI技术也越来越普及。

然而，在终端执行AI模型的训练和推理，易导致终端过热。即使AI模型的训练和推理放在网络侧或云端执行，终端参与这种中心化AI训练和推理过程，依然存在终端过热问题。当终端过热时，易出现降频和卡顿，影响用户体验。

发明内容

本发明实施例解决的技术问题是在终端执行AI模型的训练和推理时，易导致终端过热。

为解决上述技术问题，本发明实施例提供一种过热处理方法，包括：当检测到终端过热时，获取配置指示信息，所述配置指示信息用于指示AI模型的工作状态配置；根据所述配置指示信息，调整相应AI模型的工作状态。

可选的，所述配置指示信息为网络侧预配置的静态信息，所述当检测到终端过热时，获取配置指示信息，包括：当检测到所述终端过热时，从本地获取由所述网络侧预配置的静态信息，所述静态信息包括：AI模型的配置权限信息，所述AI模型的配置权限信息用于指示对AI模型的配置权限。

可选的，所述过热处理方法，还包括：在调整相应AI模型的工作状态之后，当检测到终端过热缓解或者过热消除时，基于所述AI模型的配置权限信息，重新调整AI模型的工作状态。

可选的，所述当检测到终端过热时，获取配置指示信息，包括：当检测到所述终端过热时，从网络侧获取由所述网络侧配置的动态信息，所述动态信息用于指示终端过热时AI模型的工作状态配置，所述配置指示信息包括所述动态信息。

可选的，所述当检测到终端过热时，获取配置指示信息，包括：当检测到所述终端过热时，上报第一过热辅助信息至所述网络侧，使得所述网络侧收到所述第一过热辅助信息后，下发所述动态信息。

可选的，所述第一过热辅助信息包括以下至少一种信息：第一过热指示信息、AI模型配置建议信息、可用算力资源信息。

可选的，所述第一过热指示信息用于指示终端过热，且终端过热与AI模型运行相关。

可选的，所述AI模型配置建议信息包括以下至少一种信息：建议保留的AI模型信息、建议关闭的AI模型信息、建议AI模型的关闭时长、建议降低精度的AI模型信息、建议AI模型的降低精度时长。

可选的，采用如下方式得到所述AI模型配置建议信息：根据历史AI模型的配置信息、各AI模型运行时占用的算力资源以及为缓解过热或消除过热预计减少的算力资源中的至少一种，确定所述AI模型配置建议信息。

可选的，所述可用算力资源信息包括以下至少一种信息：当前时刻可用算力资源、为缓解过热或消除过热预计减少的算力资源。

可选的，所述过热处理方法，还包括：当检测到所述终端过热缓解或者过热消除时，从所述网络侧获取由所述网络侧配置的附加动态信息，所述附加动态信息用于指示所述终端过热缓解或者过热消除时AI模型的工作状态配置；根据所述附加动态信息，重新调整AI模型的工作状态。

可选的，所述当检测到所述终端过热缓解或者过热消除时，从所述网络侧获取由所述网络侧配置的附加动态信息，包括：当检测到终端过热缓解或者过热消除时，上报第二过热辅助信息至所述网络侧，使得所述网络侧收到所述第二过热辅助信息后，下发所述附加动态信息。

可选的，所述第二过热辅助信息包括以下至少一种信息：第二过热指示信息、AI模型配置建议信息、可用算力资源信息。

可选的，所述第二过热指示信息用于指示终端过热缓解或者过热消除。

可选的，所述AI模型配置建议信息包括以下至少一种信息：建议开启的AI模型信息、建议提升精度的AI模型信息。

可选的，采用如下方式得到所述AI模型配置建议信息：根据历史AI模型的配置信息、各AI模型运行时占用的算力资源以及预计不引起过热时可用算力资源中的至少一种，确定所述AI模型配置建议信息。

可选的，所述可用算力资源信息，包括以下至少一种信息：当前时刻可用算力资源、预计不引起过热时可用算力资源。

可选的，通过RRC信令上报所述第一过热辅助信息和所述第二过热辅助信息至所述网络侧。

可选的，所述过热处理方法，还包括：当检测到终端过热时，若当前处于空闲态或者非激活态，则建立与网络侧的连接。

可选的，所述动态信息还包括静态信息，所述静态信息包括AI模型的配置权限信息，所述AI模型的配置权限信息用于指示对AI模型的配置权限。

本发明实施例还提供另一种过热处理方法，包括：下发配置指示信息至终端，使得所述终端过热时，根据配置指示信息，调整相应AI模型的工作状态，所述配置指示信息用于指示AI模型的工作状态配置。

可选的，所述配置指示信息为预配置的静态信息，所述下发配置指示信息至终端，包括：预配置所述静态信息并下发至所述终端，所述静态信息包括：AI模型的配置权限信息，所述AI模型的配置权限信息用于指示对AI模型的配置权限。

可选的，为所述终端配置AI模型或者更新AI模型时，预配置所述静态信息。

可选的，所述下发配置指示信息至终端，包括：配置动态信息，所述动态信息用于指示终端过热时AI模型的工作状态配置，所述配置指示信息包括所述动态信息，所述动态信息为当所述终端过热时所配置；将所述动态信息下发至所述终端。

可选的，所述配置动态信息，包括：当接收到第一过热辅助信息时，配置动态信息，所述第一过热辅助信息由所述终端在检测到过热时上报。

可选的，所述动态信息包括以下至少一种信息：保持开启的AI模型信息、关闭的AI模型信息、AI模型的关闭时长、降低精度的AI模型信息、AI模型的精度降低时长。

可选的，所述过热处理方法，还包括：配置附加动态信息，所述附加动态信息用于指示所述终端过热缓解或者过热消除时AI模型的工作状态配置；将所述附加动态信息下发至所述终端，使得所述终端根据所述附加动态信息重新调整AI模型的工作状态。

可选的，所述配置附加动态信息，包括：当接收到第二过热辅助信息时，配置所述附加动态信息，所述第二过热辅助信息由所述终端在过热缓解或者过热消除时上报。

可选的，所述附加动态信息包括以下至少一种信息：开启的AI模型信息、提高精度的AI模型信息。

本发明实施例还提供一种过热处理装置，包括：获取单元，用于当检测到终端过热时，获取配置指示信息，所述配置指示信息用于指示AI模型的工作状态配置；配置单元，用于根据所述配置指示信息，调整相应AI模型的工作状态。

本发明实施例还提供另一种过热处理装置，包括：发送单元，用于下发配置指示信息至终端，使得所述终端过热时，根据配置指示信息，调整相应AI模型的工作状态，所述配置指示信息用于指示AI模型的工作状态配置。

本发明实施例还提供一种存储介质，所述存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述任一种过热处理方法的步骤。

本发明实施例还提供一种过热处理装置，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述任一种过热处理方法的步骤。

与现有技术相比，本发明实施例的技术方案具有以下有益效果：

当检测到终端过热时，获取配置指示信息，根据配置指示信息指示的AI模型的工作状态配置，调整AI模型的工作状态，通过对运行的AI模型的工作状态的调整，以缓解或消除终端过热问题是可以预期的。

进一步，配置指示信息为网络侧预配置的静态信息，静态信息包括AI模型的配置权限信息，从而当终端过热时，终端即可从终端本地获取静态信息，并基于静态信息终端中的AI模型的配置权限信息指示的对AI模型的配置权限来调整相应AI模型的工作状态，从而可以在不与网络侧交互的情况下，解决终端过热的问题，提高终端过热的解决效率。

进一步，终端过热缓解或者过热消除时，基于所述AI模型的配置权限信息，重新调整AI模型的工作状态，以实现在不与网络侧进行交互的情况下，对AI模型的工作状态进行配置，恢复一些AI模型的工作状态，如重新开启在过热时关闭的AI模型或者提升在过热时降低精度的AI模型的精度等，保障终端的网络通信性能，提升用户体验。

进一步，配置指示信息可以包括动态信息，当终端过热时，从网络侧获取由网络侧配置的动态信息，有助于网络侧根据网络侧的整体情况为终端配置动态信息。

进一步，上报的第一过热辅助信息可以包括第一过热指示信息、AI模型配置建议信息、可用算力资源信息等中的一种或多种，终端可以通过第一过热辅助信息向网络侧指示终端因AI模型的运行原因导致过热。对于一些具有一定能力的终端，甚至可以通过AI模型配置建议信息和/或可用算力资源信息来给网络侧一些建议或者自身的实际情况，有助于网络侧根据终端的实际需求或者实际情况为终端配置较为合适的动态信息。

进一步，当终端过热缓解或者过热消除时，从网络侧获取由网络侧配置的附加动态信息，根据附加动态信息重新调整AI模型的工作状态，可以使得终端恢复一些AI模型的工作状态，如重新开启在过热时关闭的AI模型或者提升在过热时降低精度的AI模型的精度等，有助于保障终端的网络通信性能，提升用户体验。

附图说明

图1是本发明实施例中的一种终端过热处理方法的流程图；

图2是本发明实施例中的另一种终端过热处理方法的流程图；

图3是本发明实施例中的一种终端过热处理装置的结构示意图；

图4是本发明实施例中的另一种终端过热处理装置的结构示意图。

具体实施方式

如背景技术中所述，在终端执行AI模型的训练和推理，易导致终端过热。即使AI模型的训练和推理放在网络侧或云端执行，终端参与这种中心化AI训练和推理过程，依然存在终端过热问题。当终端过热时，终端易出现降频和卡顿，从而影响用户体验。

为解决上述问题，在本发明实施例中，当检测到终端过热时，获取配置指示信息，根据配置指示信息指示的AI模型的工作状态配置，调整AI模型的工作状态，通过对运行的AI模型的工作状态的调整，以缓解或消除终端过热问题是可以预期的。

为使本发明实施例的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

本发明实施例提供一种过热处理方法，过热处理方法的执行主体可以为终端本身，也可以为能够用于终端的控制芯片、处理芯片、基带芯片等芯片或者其他各种恰当的元器件等。所述终端也可以称为用户设备(User Equipment，UE)，所述终端可以是各种恰当的终端，例如手机、电脑、物联网设备、车载设备等，但并不限于此。

参见图1，给出了本发明实施例中的一种过热处理方法的流程图，过热处理方法具体可以包括如下步骤：

步骤S11，当检测到终端过热时，获取配置指示信息。

在具体实施中，所获取的配置指示信息可以用于指示AI模型的工作状态配置。

经研究发现，当终端执行AI模型的训练和推理时，需要消耗终端的算力资源，带来终端功耗提升。终端功耗的提升相应地会带来终端温度的升高。此外，即使AI模型的训练和推理放在网络侧或云端执行，终端参与这种中心化AI训练和推理过程，需要上传大量数据，导致终端的发射功耗增大。终端发射功耗增大时，易导致终端的温度升高。AI模型的运行数目等与终端温度的相关，AI模型的运行数目越多，则终端越容易产生过热问题。

在一些实施例中，可以根据终端的温度判断是否出现终端过热。例如，当终端的温度高于设定温度阈值时，判定终端过热。

经研究发现，通常AI模型运行需要占用相应的算力资源，通常运行AI的模型数目较多或者运行的AI模型所需的算力资源较大时，所占用的图形处理器(Graphics Processing Unit，GPU)量也就较大。而AI模型运行时占用的算力资源与终端温度相关，AI模型运行时占用的算力资源越大，则终端越容易产生过热问题。而终端中运行的AI模型所需的算力资源与终端中的GPU的占用量相关，因此，可以通过GPU的占用量推断AI模型的运行情况以及终端是否出现过热问题。

在一些实施例中，可以根据终端中GPU的占用量以及GPU的总容量来判断终端是否过热。例如，根据GPU的占用量以及GPU的总量计算GPU的占用率，当GPU占用率大于设定阈值时，判定终端过热。

需要说明的是，上述举例仅为示意性说明，还可以存在其他的方式来判断终端是否过热，此处不再一一举例。

在具体实施中，终端过热可以为终端整体过热，也可以为终端中的部分系统或者元器件过热。如，芯片过热、发射模块过热、中央处理器(central processing unit，CPU)过热、GPU过热、基带芯片过热等。

在具体实施中，当由芯片或者其他恰当的元器件执行过热处理方法时，芯片或其他恰当的元器件可以接收其他耦接的部件对终端过热的检测结果，例如，芯片或者其他恰当的元器件可以接收耦接的温度检测装置发送的终端中的一些指定部件、系统的温度等。也可以在芯片或者其他恰当的元器件本身配置有温度检测装置，根据自身配置的温度检测装置所检测到的温度来判定是否出现终端过热问题。

步骤S12，根据所述配置指示信息，调整相应AI模型的工作状态。

在具体实施中，在获取到配置指示信息之后，可以根据配置指示信息指示的AI模型的工作状态配置，调整相应AI模型的工作状态。

在一些实施例中，调整相应AI模型的工作状态可以包括以下至少一种：保持开启一些AI模型、关闭一些AI模型、降低一些AI模型的精度等。

由上可知，当检测到终端过热时，获取配置指示信息，根据配置指示信息指示的AI模型的工作状态配置，调整AI模型的工作状态，通过对运行的AI模型的工作状态的调整，以缓解或消除终端过热问题是可以预期的。

在具体实施中，步骤S11中获取的配置指示信息可以为从本地获取的网络侧预配置的静态信息。

具体而言，在检测到终端过热时，可以在本地获取由网络侧预配置的静态信息。

静态信息可以包括AI模型的配置权限信息，其中，AI模型的配置权限信息用于指示对AI模型的配置权限。终端可以基于AI模型的配置权限信息指示的对AI模型的配置权限，调整AI模型的工作状态。通过更改终端侧的AI模型的工作状态，解决终端过热的问题。

根据过热处理方法的执行主体不同，具有对AI模型的配置权限的对象不同。当过热处理方法的执行主体为终端本身时，终端具有对AI模型的配置权限。当过热处理方法的执行主体为芯片或其他一些元器件时，芯片或其他一些元器件具有对AI模型的控制权限。

进一步地，在调整相应AI模型的工作状态之后，当检测到终端过热缓解或者过热消除时，可以基于AI模型的配置权限信息，重新调整AI模型的工作状态。例如，重新调整AI模型的工作状态可以包括重新开启在终端过热时关闭的一些AI模型、提升一些在终端过热时降低精度的AI模型的精度、增大终端上传的数据量等，通过调整终端的AI模型的配置，保障终端的通信网络的性能，提升用户体验。

在具体实施中，可以通过多种方式判断终端是否过热缓解或者过热消除。

在一些实施例中，可以通过时长来判断终端是否过热缓解或者过热消除。例如，若相应AI模型的工作状态调整后达到设定时长，则判定终端过热缓解或者过热消除。

由于过热缓解和过热消除对应的程度不同，具体可以通过配置设定时长的长短来区分是过热缓解还是过热消除。当相应AI模型的工作状态调整后达到第一设定时长时，判定终端过热缓解。当相应AI模型的工作状态调整后达到第二设定时长时，判定终端过热消除，第一设定时长小于第二设定时长。

在一些实施例中，可以通过终端的温度来判断终端是否过热缓解或者过热消除。例如，当终端温度低于第一温度阈值时，判定终端过热缓解；当终端温度低于第二温度阈值，判定终端过热消除，第一温度阈值高于第二温度阈值。

需要说明的是，还可以通过其他方式判定终端是否过热缓解或者过热消除，此处不做限定。

在一些非限制性实施例中，对AI模型的配置权限可以包括以下至少一种：对AI模型的开启及关闭的配置权限、对AI模型的关闭时长的配置权限、对AI模型的精度调整的配置权限、对AI模型的精度等级调整的配置权限等。

对AI模型的开启及关闭的配置权限，指对于具有开启及关闭的配置权限的AI模型，可以自行决定是否停止使用该AI模型，或者自行决定是否开启该AI模型。当终端过热时，可以自行决定停止具有开启及关闭的配置权限的AI模型。或者，在终端过热缓解或者过热消除时，可以自行决定开启具有开启及关闭的配置权限的AI模型。

进一步地，当具有对AI模型的关闭时长的配置权限时，在关闭时长的配置权限允许的最大关闭时长下，可以自行决定对AI模型的关闭时长。

进一步地，对于具有关闭时长的配置权限的AI模型，自将AI模型关闭之后可以计时，当达到设定的最大关闭时长之后可以自动启动该AI模型，以保障终端的通信性能。

对于不具有开启及关闭的配置权限的AI模型，不能自行决定是否停止使用该AI模型。当终端过热时，需保留不具有开启及关闭的配置权限的AI模型，维持不具有开启及关闭的配置权限的AI模型的运行，而不能自行决定是否可以关闭该AI模型。

进一步地，对于不具有开启及关闭的配置权限的AI模型，需要与网络侧协商这些AI模型的关闭或者开启，可以基于网络侧的指示来调整这些AI模型的工作状态。

对AI模型的精度调整的配置权限，指对于具有精度调整的配置权限的AI模型，可以自行决定对AI模型的精度调整。当终端过热时，可以自行决定降低具有精度调整的配置权限的AI模型的精度。或者，在终端过热缓解或者过热消除时，可以自动决定提升具有精度调整的配置权限的AI模型的精度。

进一步地，当具有AI模型的精度等级调整的配置权限时，可以根据指示的精度等级调整的配置权限对AI模型的精度等级进行配置。当终端过热时，可以根据指示的精度等级调整的配置权限降低AI模型的精度等级。或者，在终端过热缓解或者过热消失时，可以根据指示的精度等级调整的配置权限提升AI模型的精度等级。

在具体实施中，网络侧配置的静态信息所包括的AI模型的配置权限信息可以通过多种方式指示给终端，只需满足网络侧与终端之间均知道AI模型的配置权限信息的具体代表的含义即可。

例如，针对终端对AI模型的开启及关闭的配置权限，采用指示符0和1来指示终端对AI模型的开启及关闭的配置权限。若AI模型的配置权限信息为指示符1时，表征终端具有该AI模型的开启及关闭的配置权限。若AI模型的配置权限信息为指示符0时，表征终端不具有该AI模型的开启及关闭的配置权限。在终端过热时，终端可以自行停止使用指示符为1的AI模型。而对于指示符为0的AI模型，即使终端过热，也需保留，终端不能自行决定是否可以关闭。

需要说明的是，不同类型的配置权限对应的配置权限信息可以采用不同的标识，根据实际需求还可以采用其他方式来指示AI模型的配置权限信息，此处不再一一举例。

在具体实施中，网络侧可以在为终端配置AI模型或者更新AI模型时，下发静态信息。静态信息可以作为AI模型的属性信息下发至终端，也可以作为指示信息下发至终端，也可以作为其他类型的信息下发至终端，此处不做限定。

在一些实施例中，网络侧为终端配置AI模型时，网络侧可以分别下发每个AI模型对应的静态信息，也即每个AI模型均对应一个静态信息，每个AI模型的静态信息所包含的AI模型的配置权限信息适用于该AI模型。当终端过热时需要获取终端上所有AI模型的静态信息。

在另一些实施例中，网络侧为终端配置AI模型时，网络侧也可以批量的将所有AI模型的配置权限信息放于一个静态信息中，也即该静态信息中包含终端中所有AI模型的配置权限信息。当终端过热时，终端仅需获取一个静态信息即可从静态信息中可以得知对所有AI模型的配置权限。

在又一些实施例中，网络侧为终端更新AI模型时，可以对分别下发每个AI模型或者更新的AI模型对应的静态信息，也即每个AI模型均对应一个静态信息，每个AI模型的静态信息中所包含的AI模型的配置权限信息适用于该AI模型，当终端过热时需要获取终端上所有AI模型的静态信息。

在又一些实施例中，网络侧为终端更新AI模型时，网络侧也可以批量的将所有AI模型的配置权限信息放于一个静态信息中，也即该静态信息中包含终端中所有AI模型的配置权限信息。当终端过热时，终端仅需获取一个静态信息即可从静态信息中可以得知对所有AI模型的配置权限。

在具体实施中，基于网络侧对整体配置调整需求，存在对AI模型的配置权限的调整的情况。当网络侧需要对AI模型的配置权限进行调整时，则可以下发更新的静态信息，更新的静态信息包括调整后的AI模型的配置权限信息。终端收到更新后的静态信息之后，可以将更新后的静态信息覆盖已有的所述静态信息，作为所述静态信息，用于后续的AI模型的工作状态的调整依据。

当终端基于AI模型的配置权限信息，重新调整AI模型的工作状态之后，通常终端的过热问题会缓解或者消失，但是若终端没有配置权限的AI模型运行数目较多时，即使终端基于AI模型的配置权限信息，重新调整AI模型的工作状态，也可能依然存在终端过热的情况。

为了解决重新调整AI模型的工作状态之后，终端依然过热的问题，在本发明实施例中，若基于所述AI模型的配置权限信息，重新调整AI模型的工作状态之后，若检测到终端依然过热，则进一步从网络侧获取由所述网络侧配置的动态信息，所述动态信息用于指示终端过热时AI模型的工作状态配置，所述配置指示信息包括所述动态信息。在获取到动态信息之后，终端可以根据动态信息指示的终端过热时AI模型的工作状态配置，再次调整AI模型的工作状态。通过再次调整AI模型的工作状态，实现对终端中AI模型的重新配置，以缓解或消除终端过热。

在一些实施例中，基于所述AI模型的配置权限信息，重新调整AI模型的工作状态之后，若检测到终端依然过热，终端依然过热时，终端当前可能处于空闲态或者非激活态。当终端当前处于空闲态或者非激活态时，建立与网络侧的连接。在建立与网络侧的连接之后，上报第一过热辅助信息。

在具体实施中，步骤S11中获取配置指示信息可以为从网络侧获取由所述网络侧配置的动态信息。所述配置指示信息包括所述动态信息，所述动态信息用于指示终端过热时AI模型的工作状态配置。在获取到动态信息之后，终端可以根据动态信息指示的过热时AI模型的工作状态配置，调整AI模型的工作状态。通过调整AI模型的工作状态，实现对终端中AI模型的重新配置，以缓解过热或消除过热。

在一些实施例中，网络侧可以根据第一过热辅助信息，实时为终端配置动态信息并下发至终端。从而每次为终端配置的动态信息能够符合终端当前的实际情况。

在另一些实施例中，网络侧也可以根据预配置的策略和映射关系，按照映射表中配置的映射关系从预设的几种配置中选择一种配置，不同的配置对应的AI模型的工作状态配置不同，基于选择的配置生成动态信息，并将动态信息下发至终端。如不同的AI模型引起的过热问题所对应的配置不同，或者不同类型的终端对应的配置不同，可以理解的是，还可以基于其他因素确定对应的配置，并在后续使用时，基于当前的实际需求选择对应的配置。

在具体实施中，动态信息可以包括以下至少一种信息：保持开启的AI模型信息、关闭的AI模型信息、AI模型的关闭时长、降低精度的AI模型信息、AI模型的精度降低时长等。

在一些实施例中，动态信息可以包括AI模型的标识信息(ID)以及AI模型的配置标识信息等。AI模型的标识信息用于标识AI模型，且与AI模型唯一对应。AI模型的配置标识信息用于标识AI模型的工作状态配置，AI模型的工作状态配置不同时对应的配置标识信息不同，如采用0标识AI模型关闭，采用1标识AI模型的保持开启等。从而可以根据AI模型的ID以及配置标识信息，来确定各AI模型的工作状态配置。

在一些实施例中，网络侧可以通过无线资源控制(Radio Resource Control，RRC)信令将配置指示信息下发至终端。

在具体实施中，当检测到所述终端过热时，上报第一过热辅助信息至所述网络侧，使得所述网络侧收到所述第一过热辅助信息后，下发所述动态信息。

在具体实施中，终端可以通过RRC信令上报第一过热辅助信息至网络侧。例如，RRC信令可以为终端辅助信息(UE Assistance Information，UAI)。此时，将第一过热辅助信息携带于过热辅助信息元素(OverheatingAssistance IE)中。可以理解的是，RRC信令也可以为其他RRC信令。

在具体实施中，第一过热辅助信息可以包括以下至少一种信息：第一过热指示信息、AI模型配置建议信息、可用算力资源信息等。

在具体实施中，第一过热指示信息用于指示终端过热，且终端过热与AI模型运行相关。终端可以通过第一过热指示信息可以向网络侧指示终端过热，且终端过热原因与终端运行的AI模型等因素相关。

在具体实施中，第一过热辅助信息中的AI模型配置建议信息包括以下至少一种信息：建议保留的AI模型信息、建议关闭的AI模型信息、建议AI模型的关闭时长、建议降低精度的AI模型信息、建议AI模型的降低精度时长等。

在一些实施例中，终端可以采用如下方式得到所述AI模型配置建议信息：根据历史AI模型的配置信息、各AI模型运行时占用的算力资源以及为缓解过热或消除过热预计减少的算力资源中的至少一种，确定所述AI模型配置建议信息。

在具体实施中，所述可用算力资源信息包括以下至少一种信息：当前时刻可用算力资源、为缓解过热或消除过热预计减少的算力资源等。

在具体实施中，根据终端的实际情况不同，第一过热辅助信息所包含的信息不同。具体而言：

在一些实施例中，第一过热辅助信息可以仅包括第一过热指示信息。当网络侧收到仅包括第一过热指示信息的第一过热辅助信息时，则可以得知终端因AI模型的运行数目过多或者AI模型的运行占用的算力资源过多等原因导致终端过热，网络侧响应第一过热辅助信息为终端配置动态信息并下发至终端。

在另一些实施例中，对于具有能力知道自身AI模型的运行情况的终端，终端可以在过热时，给网络侧一些合理的建议。具体而言，终端上报的第一过热辅助信息可以包括AI模型配置建议信息。终端可以通过AI模型配置建议信息向网络侧指示终端建议保留的AI模型信息、建议关闭的AI模型信息、建议AI模型的关闭时长、建议降低精度的AI模型信息、建议AI模型的降低精度时长等中的一种或多种。网络侧可以考虑AI模型配置建议信息为终端配置动态信息，以提高为终端所配置的动态信息与终端的实际需求的匹配度，有助于较好的缓解终端过热。

在又一些实施例中，对于能力受限，无法向网络侧给出合理建议的终端，终端可以计算当前时刻可用算力资源、为缓解过热或消除过热预计减少的算力资源等，并在上报的第一过热辅助信息中包括当前时刻可用算力资源、为缓解过热或消除过热预计减少的算力资源等中的一种或多种。以使得网络侧收到第一过热辅助信息之后，可以准确的获知终端因AI模型运行过多或者参与AI相关网络功能过多导致过热，并可以获取终端的可用算力资源信息以及为缓解过热或消除过热预计减少的算力资源等。从而网络侧可以综合考虑终端的可用算力资源、空口、基站、邻小区上报的能力以及曾经为终端配置的历史动态信息等中的一种或多种，确定如何为终端配置合适的动态信息。

需要说明的是，根据终端的实际需求以及终端的实际能力等，上报的第一过热辅助信息可以包括第一过热指示信息、AI模型配置建议信息、可用算力资源信息中两种或全部，此处不再一一举例。

在一些实施例中，当终端检测到过热时，终端当前可能处于空闲态或者非激活态。当终端当前处于空闲态或者非激活态时，建立与网络侧的连接。在建立与网络侧的连接之后，上报第一过热辅助信息。

在一些非限制性实施例中，所述动态信息还可以包括静态信息，所述静态信息包括AI模型的配置权限信息。所述AI模型的配置权限信息用于指示对AI模型的配置权限。此时，终端可以根据动态信息指示的终端过热时的AI模型的工作状态配置，对AI模型的工作状态进行配置。并可以将静态信息存储于本地，后续终端过热时，终端可以基于静态信息中的AI模型的配置权限信息，自行决定调整AI模型的工作状态。静态信息还可以用于在终端过热缓解或者过热消除时，终端基于静态信息中的AI模型的配置权限信息，重新调整AI模型的工作状态。

其中，关于终端基于静态信息对AI模型的工作状态进行调整的具体实现方式可以参见本发明上述实施例中静态信息部分的相关描述，此处不再赘述。

在具体实施中，网络侧可以在终端首次出现终端过热问题时，或者在终端出现过热的次数超出设定次数之后等场景下，在动态信息中携带静态信息，以将对AI模型的配置权限指示给终端。当终端后续出现过热时，可以不用与网络侧进行交互，即可以基于静态信息指示的对AI模型的配置权限，自行决定如何调整AI模型的工作状态，从而可以提高过热处理效率。

需要说明的是，上述实施例中所举部分示例以终端作为执行主体进行说明，在实际应用中，对于执行主体为芯片或者其他一些元器件时，具体执行步骤相似，参照上述实施例中的相关描述，此处不再赘述。

参照图2，给出了本发明实施例中的另一种过热处理方法，当配置指示信息包括动态信息时，过热处理方法在图1所述的过热处理方法的基础上，还可以包括如下步骤S13及步骤S14，具体而言：

步骤S13，当检测到所述终端过热缓解或者过热消除时，从所述网络侧获取由所述网络侧配置的附加动态信息。

在具体实施中，所述附加动态信息用于指示所述终端过热缓解或者过热消除时AI模型的工作状态配置。

在具体实施中，所述附加动态信息可以包括以下至少一种信息：开启的AI模型信息、提高精度的AI模型信息等。

步骤S14，根据所述附加动态信息，重新调整AI模型的工作状态。

进一步地，步骤S13可以包括：当检测到终端过热缓解或者过热消除时，上报第二过热辅助信息至所述网络侧，使得所述网络侧收到所述第二过热辅助信息后，下发所述附加动态信息。

在具体实施中，终端可以通过RRC信令上报第二过热辅助信息至网络侧。例如，RRC信令可以为UAI。此时，可以将第二过热辅助信息携带于OverheatingAssistance IE中。可以理解的是，RRC信令也可以为其他RRC信令。

在具体实施中，所述第二过热辅助信息可以包括以下至少一种信息：第二过热指示信息、AI模型配置建议信息、可用算力资源信息等。

在具体实施中，所述第二过热指示信息用于指示终端过热缓解或者过热消除。也即终端可以通过第二过热指示信息可以向网络侧指示终端过热缓解或过热消除。

在具体实施中，第二过热辅助信息中的所述AI模型配置建议信息包括以下至少一种信息：建议开启的AI模型信息、建议提升精度的AI模型信息等。

在一些实施例中，终端可以采用如下方式得到所述AI模型配置建议信息：根据历史AI模型的配置信息、各AI模型运行时占用的算力资源以及预计不引起过热时可用算力资源中的至少一种，确定所述AI模型配置建议信息。

在具体实施中，所述可用算力资源信息可以包括以下至少一种信息：当前时刻可用算力资源、预计不引起过热时可用算力资源等。

在具体实施中，根据终端的实际情况不同，第二过热辅助信息所包含的信息不同。具体而言：

在一些实施例中，第二过热辅助信息可以仅包括第二过热指示信息。当网络侧收到仅包括第二过热指示信息的第二过热辅助信息时，则可以得知终端过热缓解或过热消除，可以响应于第二过热辅助信息，为终端配置附加动态信息。

在另一些实施例中，对于具有能力知道自身运行的AI模型情况的终端，可以在终端过热缓解或过热消除时，给网络侧一些合理的建议。具体而言，终端可以通过上报的第二过热辅助信息中的AI模型配置建议信息，给网络侧建议。终端可以通过AI模型配置建议信息向网络侧指示终端建议开启的AI模型信息、建议提升精度的AI模型信息等中的一种或多种。网络侧可以考虑AI模型配置建议信息为终端配置附加动态信息，以提高为终端所配置的附加动态信息与终端实际需求的匹配性，有助于保障终端的通信性能。

在又一些实施例中，对于能力受限，无法向网络侧给出合理建议的终端，终端可以计算当前时刻可用算力资源、预计不引起过热时可用算力资源等，并在上报的第二过热辅助信息中包括当前时刻可用算力资源、预计不引起过热时可用算力资源等中的一种或多种。网络侧收到第二过热辅助信息之后，可以准确的获知终端的可用算力资源信息。从而网络侧可以综合考虑终端的可用算力资源、空口、基站、邻小区上报的能力以及曾经为终端配置的历史附加动态信息等中的一种或多种，确定如何为终端配置合适的附加动态信息。

需要说明的是，根据终端的实际需求以及终端的实际能力等，上报的第二过热辅助信息可以包括第二过热指示信息、AI模型配置建议信息、可用算力资源信息中两种或全部，此处不再一一举例。

在一些实施例中，当终端检测到过热缓解或者过热消除时，若终端当前可能处于空闲态或者非激活态，则建立与网络侧的连接。在建立与网络侧的连接之后，上报第二过热辅助信息。

本发明实施例还提供另一种过热处理方法，可以用于网络侧，过热处理方法具体可以包括如下步骤：下发配置指示信息至终端，使得所述终端过热时，根据配置指示信息，调整相应AI模型的工作状态，所述配置指示信息用于指示AI模型的工作状态配置。从而在终端过热时，可以根据配置指示信息，调整相应AI模型的工作状态。例如，关闭一些AI模型的工作状态，调整一些AI模型的精度等，从而缓解终端过热问题是可以预期的。

在具体实施中，配置指示信息为预配置的静态信息。也即网络侧可以预配置的静态信息，并将预配置的静态信息下发至终端。

静态信息可以包括AI模型的配置权限信息，AI模型的配置权限信息用于指示对AI模型的配置权限。

网络侧可以为终端配置AI模型或者更新AI模型时，预配置所述静态信息。

在具体实施中，关于静态信息部分的描述可以参见本发明上述实施例中的描述，此处不再赘述。

在具体实施中，配置指示信息可以包括动态信息，所述动态信息为当所述终端过热时所配置。所述动态信息用于指示终端过热时AI模型的工作状态配置，所述配置指示信息包括所述动态信息。

网络侧完成动态信息配置之后，可以将动态信息下发至终端。

在一些实施例中，网络侧可以通过RRC信令将包含动态信息的配置指示信息下发至终端。

在具体实施中，所述动态信息可以包括以下至少一种信息：保持开启的AI模型信息、关闭的AI模型信息、AI模型的关闭时长、降低精度的AI模型信息、AI模型的精度降低时长等。

在具体实施中，终端在检测到过热时向网络侧上报第一过热辅助信息。网络侧可以在收到第一过热辅助信息时配置动态信息。

在具体实施中，所述第一过热辅助信息可以包括以下至少一种信息：第一过热指示信息、AI模型配置建议信息、可用算力资源信息等。

其中，对于第一过热辅助信息可以参考本发明上述实施例部分对第一过热辅助信息的相关描述，此处不再赘述。

在一些实施例中网络侧可以根据第一过热辅助信息，实时为终端配置动态信息并下发至终端。从而每次为终端配置的动态信息能够符合终端当前的实际情况。

在具体实施中，在终端过热缓解或者过热消除时，网络侧可以为终端配置附加动态信息。附加动态信息用于指示终端过热缓解或者过热消除时AI模型的工作状态配置。网络侧将附加动态信息下发至终端，终端根据附加动态信息重新调整相应AI模型的工作状态。

附加动态信息可以包括以下至少一种信息：开启的AI模型信息、提高精度的AI模型信息。

在具体实施中，终端检测到过热缓解或者过热消除时，可以向网络侧上报第二过热辅助信息。网络侧收到第二过热辅助信息时，配置附加动态信息。将配置的附加动态信息下发至终端。

在具体实施中，网络侧可以通过RRC信令将附加动态信息下发至终端。

在具体实施中，关于用于网络侧的过热处理方法的具体工作流程、工作原理以及与终端之间的交互过程，可以参见上述实施例提供的用于终端的过热处理方法中的相关描述，此处不再赘述。

在一些非限制性实施例中，所述动态信息还可以包括静态信息，所述静态信息包括AI模型的配置权限信息。所述AI模型的配置权限信息用于指示对AI模型的配置权限。此时，终端可以根据动态信息指示的终端过热时的AI模型的工作状态配置，对AI模型的工作状态进行配置。并可以将静态信息存储于终端本地，后续终端过热时，终端可以基于静态信息中的AI模型的配置权限信息，自行决定调整AI模型的工作状态。静态信息还可以用于在终端过热缓解或者过热消除时，终端基于静态信息中的AI模型的配置权限信息，重新调整AI模型的工作状态。

需要说明的是，本发明上述实施例中所述的AI模型可以为终端中具有人工智能的(AI-enabled)网络功能的模型，以促进通信网络向自动化和智能化方向发展。

本发明实施例还提供一种过热处理装置，所述过热处理装置可以用于终端，也可以用于一些芯片或者其他元器件。参照图3，给出了本发明实施例中的一种过热处理装置的结构示意图，过热处理装置30可以包括：

获取单元31，用于当检测到终端过热时，获取配置指示信息，所述配置指示信息用于指示AI模型的工作状态配置；

配置单元32，用于根据所述配置指示信息，调整相应AI模型的工作状态。

在具体实施中，过热处理装置30的工作原理及工作流程可以参见本发明上述实施例中提供的图1及图2所示意的过热处理方法中的描述，此处不再赘述。

在具体实施中，上述的过热处理装置30可以对应于终端(也可称为用户设备)中具有过热处理功能的芯片；或者对应于具有数据处理功能的芯片，如基带芯片；或者对应于用户设备中包括具有过热处理功能的芯片的芯片模组；或者对应于具有数据处理功能芯片的芯片模组，或者对应于用户设备。

在具体实施中，关于上述实施例中描述的各个装置、产品包含的各个模块/单元，其可以是软件模块/单元，也可以是硬件模块/单元，或者也可以部分是软件模块/单元，部分是硬件模块/单元。

例如，对于应用于或集成于芯片的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于芯片模组的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于芯片模组的同一组件(例如芯片、电路模块等)或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片模组内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于终端的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于终端内同一组件(例如，芯片、电路模块等)或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于终端内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现。

本发明实施例还提供另一种过热处理装置，过热处理装置可以用于网络侧。参照图4给出了本发明实施例中的一种过热处理装置的结构示意图。过热处理装置40可以包括：发送单元41。发送单元41用于下发配置指示信息至终端，使得所述终端过热时，根据配置指示信息，调整相应AI模型的工作状态，所述配置指示信息用于指示AI模型的工作状态配置。

在具体实施例中，过热处理装置40还可以包括接收单元42，接收单元42可以用于接收终端上报的辅助信息。

在一些实施例中，终端上报的辅助信息可以包括第一过热辅助信息。第一过热辅助信息为终端过热时上报。过热处理装置40可以根据第一过热辅助信息生成包括动态信息的配置指示信息。

在另一些实施例中，终端上报的辅助信息可以包括第二过热辅助信息。第二过热辅助信息为终端过热缓解或者过热消除时上报。过热处理装置40可以根据第二过热辅助信息生成附加动态信息，并可以通过发送单元41将第二过热辅助信息发送至终端。

在具体实施中，过热处理装置40的工作原理及工作流程可以参见本发明上述实施例中提供的用于网络侧的过热处理方法中的描述，此处不再赘述。

本发明实施例还提供一种存储介质，存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述任一实施例提供的过热处理方法的步骤。

本发明实施例还提供一种过热处理装置，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述任一实施例提供过热处理方法的步骤。

需要说明的是，上文已经描述了具体实施方案，但这些实施方案并非要限制本发明公开的范围，即使仅相对于特定特征描述单个实施方案的情况下也是如此。本发明公开中提供的特征示例意在进行例示，而非限制，除非做出不同表述。在具体实施中，可根据实际需求，在技术上可行的情况下，将一项或者多项从属权利要求的技术特征与独立权利要求的技术特征进行组合，并可通过任何适当的方式而不是仅通过权利要求书中所列举的特定组合来组合来自相应独立权利要求的技术特征。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于任一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims

一种过热处理方法，其特征在于，包括：

当检测到终端过热时，获取配置指示信息，所述配置指示信息用于指示AI模型的工作状态配置；

根据所述配置指示信息，调整相应AI模型的工作状态。
如权利要求1所述的过热处理方法，其特征在于，所述配置指示信息为网络侧预配置的静态信息，所述当检测到终端过热时，获取配置指示信息，包括：

当检测到所述终端过热时，从本地获取由所述网络侧预配置的静态信息，所述静态信息包括：AI模型的配置权限信息，所述AI模型的配置权限信息用于指示对AI模型的配置权限。
如权利要求2所述的过热处理方法，其特征在于，还包括：

在调整相应AI模型的工作状态之后，当检测到终端过热缓解或者过热消除时，基于所述AI模型的配置权限信息，重新调整AI模型的工作状态。
如权利要求1所述的过热处理方法，其特征在于，所述当检测到终端过热时，获取配置指示信息，包括：

当检测到所述终端过热时，从网络侧获取由所述网络侧配置的动态信息，所述动态信息用于指示终端过热时AI模型的工作状态配置，所述配置指示信息包括所述动态信息。
如权利要求4所述的过热处理方法，其特征在于，所述当检测到终端过热时，获取配置指示信息，包括：

当检测到所述终端过热时，上报第一过热辅助信息至所述网络侧，使得所述网络侧收到所述第一过热辅助信息后，下发所述动态信息。
如权利要求5所述的过热处理方法，其特征在于，所述第一过热辅助信息包括以下至少一种信息：第一过热指示信息、AI模型配置建议信息、可用算力资源信息。
如权利要求6所述的过热处理方法，其特征在于，所述第一过热指示信息用于指示终端过热，且终端过热与AI模型运行相关。
如权利要求6所述的过热处理方法，其特征在于，所述AI模型配置建议信息包括以下至少一种信息：建议保留的AI模型信息、建议关闭的AI模型信息、建议AI模型的关闭时长、建议降低精度的AI模型信息、建议AI模型的降低精度时长。
如权利要求6所述的过热处理方法，其特征在于，采用如下方式得到所述AI模型配置建议信息：

根据历史AI模型的配置信息、各AI模型运行时占用的算力资源以及为缓解过热或消除过热预计减少的算力资源中的至少一种，确定所述AI模型配置建议信息。
如权利要求6所述的过热处理方法，其特征在于，所述可用算力资源信息包括以下至少一种信息：当前时刻可用算力资源、为缓解过热或消除过热预计减少的算力资源。
如权利要求4至10任一项所述的过热处理方法，其特征在于，还包括：

当检测到所述终端过热缓解或者过热消除时，从所述网络侧获取由所述网络侧配置的附加动态信息，所述附加动态信息用于指示所述终端过热缓解或者过热消除时AI模型的工作状态配置；

根据所述附加动态信息，重新调整AI模型的工作状态。
如权利要求11所述的过热处理方法，其特征在于，所述当检测到所述终端过热缓解或者过热消除时，从所述网络侧获取由所述网络侧配置的附加动态信息，包括：

当检测到终端过热缓解或者过热消除时，上报第二过热辅助信息至所述网络侧，使得所述网络侧收到所述第二过热辅助信息后，下发所述附加动态信息。
如权利要求12所述的过热处理方法，其特征在于，所述第二过热辅助信息包括以下至少一种信息：第二过热指示信息、AI模型配置建议信息、可用算力资源信息。
如权利要求13所述的过热处理方法，其特征在于，所述第二过热指示信息用于指示过热缓解或者过热消除。
如权利要求13所述的过热处理方法，其特征在于，所述AI模型配置建议信息包括以下至少一种信息：建议开启的AI模型信息、建议提升精度的AI模型信息。
如权利要求13所述的过热处理方法，其特征在于，采用如下方式得到所述AI模型配置建议信息：

根据历史AI模型的配置信息、各AI模型运行时占用的算力资源以及预计不引起过热时可用算力资源中的至少一种，确定所述AI模型配置建议信息。
如权利要求13所述的过热处理方法，其特征在于，所述可用算力资源信息，包括以下至少一种信息：当前时刻可用算力资源、预计不引起过热时可用算力资源。
如权利要求5所述的过热处理方法，其特征在于，通过RRC信令上报所述第一过热辅助信息至所述网络侧。
如权利要求4所述的过热处理方法，其特征在于，还包括：

当检测到终端过热时，若当前处于空闲态或者非激活态，则建立与网络侧的连接。
如权利要求4所述的过热处理方法，其特征在于，所述动态信息还包括静态信息，所述静态信息包括AI模型的配置权限信息，所述AI模型的配置权限信息用于指示对AI模型的配置权限。
一种过热处理方法，其特征在于，包括：

下发配置指示信息至终端，使得所述终端过热时，根据配置指示信息，调整相应AI模型的工作状态，所述配置指示信息用于指示AI模型的工作状态配置。
如权利要求21所述的过热处理方法，其特征在于，所述配置指示信息为预配置的静态信息，所述下发配置指示信息至终端，包括：

预配置所述静态信息并下发至所述终端，所述静态信息包括：AI模型的配置权限信息，所述AI模型的配置权限信息用于指示对AI模型的配置权限。
如权利要求22所述的过热处理方法，其特征在于，为所述终端配置AI模型或者更新AI模型时，预配置所述静态信息。
如权利要求21所述的过热处理方法，其特征在于，所述下发配置指示信息至终端，包括：

配置动态信息，所述动态信息用于指示终端过热时AI模型的工作状态配置，所述配置指示信息包括所述动态信息，所述动态信息为当所述终端过热时所配置；

将所述动态信息下发至所述终端。
如权利要求24所述的过热处理方法，其特征在于，所述配置动态信息，包括：

当接收到第一过热辅助信息时，配置动态信息，所述第一过热辅助信息由所述终端在检测到过热时上报。
如权利要求25所述的过热处理方法，其特征在于，所述第一过热辅助信息包括以下至少一种信息：第一过热指示信息、AI模型配置建议信息、可用算力资源信息。
如权利要求24所述的过热处理方法，其特征在于，所述动态信息包括以下至少一种信息：保持开启的AI模型信息、关闭的AI模型信息、AI模型的关闭时长、降低精度的AI模型信息、AI模型的精度降低时长。
如权利要求24至27任一项所述的过热处理方法，其特征在于，还包括：

配置附加动态信息，所述附加动态信息用于指示所述终端过热缓解或者过热消除时AI模型的工作状态配置；

将所述附加动态信息下发至所述终端，使得所述终端根据所述附加动态信息重新调整AI模型的工作状态。
如权利要求28所述的过热处理方法，其特征在于，所述配置附加动态信息，包括：

当接收到第二过热辅助信息时，配置所述附加动态信息，所述第二过热辅助信息由所述终端在过热缓解或者过热消除时上报。
如权利要求29所述的过热处理方法，其特征在于，所述第二过热辅助信息包括以下至少一种信息：第二过热指示信息、AI模型配置建议信息、可用算力资源信息。
如权利要求28所述的过热处理方法，其特征在于，所述附加动态信息包括以下至少一种信息：开启的AI模型信息、提高精度的AI模型信息。
如权利要求24所述的过热处理方法，其特征在于，所述动态信息还包括静态信息，所述静态信息包括AI模型的配置权限信息，所述AI模型的配置权限信息用于指示对AI模型的配置权限。
一种过热处理装置，其特征在于，包括：

获取单元，用于当检测到终端过热时，获取配置指示信息，所述配置指示信息用于指示AI模型的工作状态配置；

配置单元，用于根据所述配置指示信息，调整相应AI模型的工作状态。
一种过热处理装置，其特征在于，包括：

发送单元，用于下发配置指示信息至终端，使得所述终端过热时，根据配置指示信息，调整相应AI模型的工作状态，所述配置指示信息用于指示AI模型的工作状态配置。
一种存储介质，所述存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1至32任一项所述的过热处理方法的步骤。
一种过热处理装置，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行权利要求1至32中任一项所述的过热处理方法的步骤。