作者：中國電信股份有限公司研究院 雷波

摘要：隨著(zhù)邊緣計算業(yè)務(wù)的逐步展開(kāi)，各類(lèi)行業(yè)用戶(hù)對于邊緣計算性能 的需求也日益明確，特別是在多個(gè)邊緣計算節點(diǎn)可選的情況下，用戶(hù)希 望能夠根據其位置到計算節點(diǎn)之間的時(shí)延以及用戶(hù)自身業(yè)務(wù)需求情況， 綜合選擇計算與網(wǎng)絡(luò )資源，即將算力資源與網(wǎng)絡(luò )資源融合后提供給上層 業(yè)務(wù)調用，也就是算網(wǎng)融合服務(wù)。為了實(shí)現此目標，需要解決算力度 量、算力感知、算力路由、算力交易以及算力編排等系列難題，因此算 力網(wǎng)絡(luò )技術(shù)應運而生。本文概要性地介紹了邊緣計算推動(dòng)下的算網(wǎng)融合 趨勢、面臨的問(wèn)題與挑戰，以及由此而產(chǎn)生的算力網(wǎng)絡(luò )等新型技術(shù)。

關(guān)鍵詞：算力網(wǎng)絡(luò )；算力共享；邊緣計算

Abstract: With the development of edge computing services, users in various industries have more specific requirements for edge computing performance. When multiple edge computing nodes are available, users hope to select computing and network resources according to the latency between user's location to the computing node also their service requirements. In other words, computing and network convergence services indicates that the converged computing resources and network resources are provided to the upperlevel services. To achieve this goal, a series of problems need to be solved, such as computing power measurement, computing power awareness, computing power routing, computing power transaction and computing power scheduling. Therefore, computing power network and other technologies came into being. This paper briefly introduces the trend of computing - network convergence driven by edge computing, the problems and challenges faced, and the resulting new technologies such as computing power network.

Key words: Computing power network; Computing power sharing; Edge computing

1　引言

隨著(zhù)新一代信息通信基礎設施不斷建設與演進(jìn)， 邊緣計算占比日益增加，統計機構預測，至2025年， 在邊緣側進(jìn)行處理的數據量能夠達到50%~75%。但筆 者在工程實(shí)踐中發(fā)現業(yè)界并沒(méi)有給邊緣計算進(jìn)行一個(gè)明 確的定義，究竟什么才是邊緣，各方理解并不一致，因 此又有了現場(chǎng)邊緣、園區邊緣等多種叫法，但尚無(wú)明確 的可度量的標準。因此在很多時(shí)候，用戶(hù)的選擇處于模 糊狀態(tài)，不能確定哪種資源組合是最優(yōu)方案。比如在存 在多個(gè)邊緣計算節點(diǎn)，或者是邊緣計算節點(diǎn)與中心云計 算節點(diǎn)都可選的情況下，用戶(hù)更希望能夠得到明確的 指標，以便根據自身業(yè)務(wù)特點(diǎn)，去選擇最佳的計算節 點(diǎn)以及對應的網(wǎng)絡(luò )連接方式。因此業(yè)界提出算網(wǎng)融合 的理念，將網(wǎng)絡(luò )資源、算力資源、存儲資源等多維度 的資源整合起來(lái)提供一體化的服務(wù)，讓資源供給實(shí)現 全局最優(yōu)。

為了實(shí)現一體化的算網(wǎng)融合服務(wù)，從技術(shù)角度、 商業(yè)角度來(lái)看有多種實(shí)現路徑，比如以云為基礎的泛 在計算體系，以及以網(wǎng)絡(luò )為平臺的算力網(wǎng)絡(luò )技術(shù)。其 中，算力網(wǎng)絡(luò )技術(shù)能夠將多級算力資源與網(wǎng)絡(luò )信息相 結合，形成以用戶(hù)為中心的資源布局視圖，從而實(shí)現 業(yè)務(wù)與資源的最佳匹配，以提升整體的資源利用效率 和服務(wù)質(zhì)量。

本文首先介紹了邊緣計算所面臨的算網(wǎng)融合趨 勢、關(guān)鍵技術(shù)要點(diǎn)，以及由此驅動(dòng)產(chǎn)生的算力網(wǎng)絡(luò )技 術(shù)，之后闡述了算力網(wǎng)絡(luò )的技術(shù)架構以及當前業(yè)界進(jìn)展 情況。

2　邊緣計算中算網(wǎng)融合需求

邊緣計算作為一種靠近用戶(hù)的計算節點(diǎn)，既能像 云計算那樣共享計算、存儲等資源，又具有低時(shí)延、數 據本地化與高安全性等特性，尤其是在工業(yè)互聯(lián)網(wǎng)等場(chǎng) 景中能夠有效降低數據傳送時(shí)延，滿(mǎn)足高性能業(yè)務(wù)的各 類(lèi)要求。

但對于用邊緣計算和云計算的時(shí)間和情況，并沒(méi) 有一個(gè)嚴格的界定。比如采用一條低時(shí)延專(zhuān)線(xiàn)與部署在 城域網(wǎng)范圍內的計算節點(diǎn)結合，也能提供低的時(shí)延指 標，這種情況是否也算邊緣計算。相反，如果邊緣計算 與網(wǎng)絡(luò )部署不匹配，即使物理位置接近，也會(huì )因為路由 迂回，導致時(shí)延增加。一個(gè)典型的例子如圖1所示。

圖1

此問(wèn)題可以從供給側和消費側兩個(gè)方面來(lái)分析。

從供給側來(lái)看，邊緣計算的建設成本和維護成本 都是高于集中式的云計算節點(diǎn)，必須保證邊緣計算在所 覆蓋的區域能提供更好的端到端服務(wù)，需要以邊緣計算 節點(diǎn)為中心來(lái)梳理網(wǎng)絡(luò )布局，并根據業(yè)務(wù)需求的多樣 性，提供多種接入方式，比如極致性能、高性?xún)r(jià)比等不 同類(lèi)型網(wǎng)絡(luò )連接，從而保證端到端的最優(yōu)配置。

從消費側來(lái)看，用戶(hù)面對多方提供的邊緣計算節 點(diǎn)，在選擇合適的邊緣計算節點(diǎn)時(shí)，需要以自己為中 心，了解到各個(gè)計算節點(diǎn)的網(wǎng)絡(luò )情況，再結合計算性 能、價(jià)格因素來(lái)綜合選擇算力資源與網(wǎng)絡(luò )資源。

綜上所述，算網(wǎng)融合下的一體化服務(wù)成為邊緣計 算發(fā)展過(guò)程中的必然趨勢，需要結合各類(lèi)資源的特點(diǎn)來(lái) 提供綜合資源供給。

3　算網(wǎng)融合面臨的技術(shù)挑戰

為了實(shí)現算網(wǎng)資源的融合供給，需要逐步解決度 量、感知、路由、交易、編排等多方面的技術(shù)難題。值 得指出一點(diǎn)，并不是這些難題都解決后才能提供算網(wǎng)融 合服務(wù)，而是逐步演進(jìn)提升。

（1）算力度量問(wèn)題

算力資源并不像電力那樣，能夠用“度/千瓦 時(shí)”這樣的單位簡(jiǎn)單地進(jìn)行量化，尤其考慮到CPU、 GPU、FPGA、ASIC等不同芯片的類(lèi)型，更是難以進(jìn) 行統一的衡量。因此需要一種共識，在標準規范的基礎 上，量化異構算力資源以及多樣化業(yè)務(wù)需求，建立統一 的描述語(yǔ)言，給算力資源賦予可度量、可計費的標準單 位。

目前業(yè)界研究機構、產(chǎn)業(yè)聯(lián)盟、標準組織等已經(jīng) 認識到這個(gè)問(wèn)題，紛紛從不同角度展開(kāi)了研究工作，但 尚未形成統一的結論。在現有應用案例中，還是以虛 機、容器之類(lèi)的粗粒度單元衡量方式為主。

（2）算力感知問(wèn)題

算力感知，也可以認為是對所有類(lèi)型的資源信息 的感知，甚至包括對用戶(hù)需求的感知。有兩種技術(shù)路 線(xiàn)，一種是由資源所有方主動(dòng)提供資源信息，并通過(guò)網(wǎng) 絡(luò )或者云管、資源管理等集中系統告知用戶(hù)，另外一種 則是由網(wǎng)絡(luò )或者集中系統主動(dòng)去探知資源信息。目前兩 種技術(shù)路線(xiàn)都處在不斷發(fā)展的過(guò)程中。針對用戶(hù)需求的 感知，初期可以采用用戶(hù)意圖驅動(dòng)的方式主動(dòng)提供資源 需求信息，后期隨著(zhù)人工智能算法的成熟，可以使用流 量預測模型結合AI深度神經(jīng)算法，從資源需求、資源 消耗等方面進(jìn)行預測，實(shí)現資源預配，加快資源部署速 度，提升資源整體利用率。

（3）算力路由問(wèn)題

算力路由將網(wǎng)絡(luò )資源信息與算力資源信息有機地 整合，以用戶(hù)為中心來(lái)提供算力資源視圖，讓用戶(hù)能夠 清楚地了解各類(lèi)算力資源的分布情況與報價(jià)情況，從而 確定最優(yōu)的資源組合，成為算網(wǎng)融合服務(wù)的關(guān)鍵技術(shù)發(fā) 展方向。 與傳統的網(wǎng)絡(luò )路由方式一致，算力路由也可采用分 布式、集中式以及混合式方案。分布式方案通過(guò)擴展IP協(xié) 議，在協(xié)議中增加資源信息和業(yè)務(wù)需求信息來(lái)實(shí)現信息泛 洪與資源路由；集中式方案利用SDN控制器等集中管控單

元來(lái)收集網(wǎng)絡(luò )信息與算力信息，再統一呈現給用戶(hù)；混合 式方案結合上兩種方式的特點(diǎn)，利用分布式協(xié)議來(lái)分發(fā)資 源信息，再通過(guò)集中管控單元來(lái)進(jìn)行統一處理。

（4）算力交易問(wèn)題

隨著(zhù)智能業(yè)務(wù)的發(fā)展，對算力資源的使用出現了 高頻、短時(shí)的新特點(diǎn)，比如人工智能算法中訓練部分， 需要在短時(shí)間內完成大數據樣本下的模型訓練，但在訓 練完成后，推理部分只需用相對少量的算力資源即可。 因此傳統的按月、按天租賃資源的方式已經(jīng)不能滿(mǎn)足要 求，需要結合高頻、短時(shí)的特點(diǎn)，來(lái)設計新的資源交易 體系，將交易周期壓縮到小時(shí)，甚至分鐘級別。

此外，受限于邊緣計算的建設特點(diǎn)，邊緣計算市 場(chǎng)會(huì )存在很多的供給方，如何在多方參與下，實(shí)現高頻 交易，成為一個(gè)新的研究點(diǎn)。從目前研究來(lái)看，采用基 于區塊鏈技術(shù)的分布式賬本體系能夠滿(mǎn)足此類(lèi)要求，但 具體實(shí)現還有待進(jìn)一步研究與論證。

（5）算力編排問(wèn)題

在支持高頻、多方、異構的資源交易下，需要根 據交易內容，快速提供資源，如快速分配算力資源、建 立網(wǎng)絡(luò )連接，又能在使用完成后快速釋放資源，并更新 資源信息。

4　邊緣計算原生的算網(wǎng)融合方案：算力網(wǎng)絡(luò )

基于算網(wǎng)融合服務(wù)的發(fā)展趨勢，業(yè)界提出了算力 網(wǎng)絡(luò )技術(shù)方案。算力網(wǎng)絡(luò )作為一種邊緣原生的新興技術(shù) 方案，其以網(wǎng)絡(luò )為平臺，連接多維資源，從而為用戶(hù)提 供最優(yōu)的資源供給，得到了業(yè)界的廣泛關(guān)注。

算力網(wǎng)絡(luò )關(guān)鍵在于將算力資源的地址屬性轉換為 網(wǎng)絡(luò )時(shí)延屬性，讓使用者從模糊的、大概的距離判斷， 轉化成為精準的時(shí)延指標，以供各類(lèi)智能業(yè)務(wù)按需調用 資源，如圖2所示。

圖2 算力網(wǎng)絡(luò )視圖

為了實(shí)現算力網(wǎng)絡(luò )方案，ITU-T Y.2501標準中提 供了一種典型的系統框架來(lái)實(shí)現算力網(wǎng)絡(luò )系統。此功能 架構從算力網(wǎng)絡(luò )需求出發(fā)，在編排管理層的協(xié)作下，通 過(guò)算力網(wǎng)絡(luò )控制層收集資源層資源信息，提供給服務(wù)層 進(jìn)行可編程處理，并根據返回結果實(shí)現資源占用，建立 網(wǎng)絡(luò )連接。各層相互協(xié)作，為用戶(hù)提供多樣化的服務(wù)模 式，保證資源的最優(yōu)化配置。如圖3所示。

圖3 系統架構

算力網(wǎng)絡(luò )服務(wù)層以算網(wǎng)融合服務(wù)為主，實(shí)現如對 用戶(hù)資源需求的處理、平臺與資源節點(diǎn)的交易等功能。

算力網(wǎng)絡(luò )控制層從資源層收集信息，并將其發(fā)送 到服務(wù)層進(jìn)一步處理。從服務(wù)層收到處理結果后，控制 層將占用資源并建立網(wǎng)絡(luò )連接。

算力網(wǎng)絡(luò )資源層包括算力網(wǎng)絡(luò )中的多種資源。通 常為在資源節點(diǎn)（云計算節點(diǎn)、邊緣計算節點(diǎn)等）中使 用的資源，如服務(wù)器、交換機、路由器、磁盤(pán)陣列、安 全產(chǎn)品等。

算力網(wǎng)絡(luò )編排和管理層包括算力網(wǎng)絡(luò )的編 排 、安全 、建模 、操作維護管理（ O p e r a t i o n Administration and Maintenance，OAM）模塊。算力網(wǎng)絡(luò )編排模塊負責算力網(wǎng)絡(luò )資源和服務(wù)的編排和管 理。算力網(wǎng)絡(luò )安全模塊負責應用與安全相關(guān)管理，以減 輕算力網(wǎng)絡(luò )環(huán)境中的安全威脅。算力建模模塊可以根據 服務(wù)類(lèi)型進(jìn)行算力建模。算力OAM模塊實(shí)現了算力網(wǎng) 絡(luò )的操作，管理和維護。

5　算力網(wǎng)絡(luò )相關(guān)產(chǎn)業(yè)組織與標準進(jìn)展

2019年，國內三大運營(yíng)商、華為等根據邊緣計算 的發(fā)展趨勢，紛紛提出了各自的觀(guān)點(diǎn)，在互相碰撞中逐 漸形成了算力網(wǎng)絡(luò )技術(shù)的基本概念。

2019年9月，邊緣計算產(chǎn)業(yè)聯(lián)盟（ECC）與網(wǎng)絡(luò ) 5.0產(chǎn)業(yè)和技術(shù)創(chuàng )新聯(lián)盟聯(lián)合成立邊緣計算網(wǎng)絡(luò )基礎 設施工作組（ECNI），同年年底發(fā)布《運營(yíng)商邊緣 計算網(wǎng)絡(luò )技術(shù)白皮書(shū)》，提出了以邊緣計算節點(diǎn)為中 心的ECA（邊緣接入網(wǎng)絡(luò )）、ECN（邊緣計算內部網(wǎng) 絡(luò )）、ECI（邊緣計算互聯(lián)網(wǎng)絡(luò )）的理念。

2020年6月，網(wǎng)絡(luò )5.0技術(shù)標準委員會(huì )CCSA TC614 成立了算力網(wǎng)絡(luò )特別工作組，匯集多方力量集中探討算 力網(wǎng)絡(luò )技術(shù)方案與應用場(chǎng)景。

2020年11月，業(yè)界出版了第一本關(guān)于算力網(wǎng)絡(luò )專(zhuān) 著(zhù)《邊緣計算與算力網(wǎng)絡(luò )》，系統性闡述算力網(wǎng)絡(luò )的思 路、技術(shù)以及對未來(lái)商業(yè)模式的探討。

2020年11月，中國聯(lián)通成立了中國聯(lián)通算力網(wǎng)絡(luò ) 產(chǎn)業(yè)技術(shù)聯(lián)盟，在“聯(lián)接+計算”領(lǐng)域和全產(chǎn)業(yè)鏈合作 伙伴攜手并進(jìn)，希望共建算力網(wǎng)絡(luò )生態(tài)，推動(dòng)商業(yè)落 地，共享轉型成果。

2021年4月，CCSA TC3統一以“算力網(wǎng)絡(luò )”為名 開(kāi)展了9項系列行業(yè)標準、2項研究報告的編制工作， 涉及算力網(wǎng)絡(luò )的技術(shù)要求、控制器、交易平臺、標識解 析、編排管理、度量與建模等多方面。

2021年6月，在“第五屆未來(lái)網(wǎng)絡(luò )發(fā)展大會(huì )”的未 來(lái)網(wǎng)絡(luò )技術(shù)發(fā)展與變革論壇上，中國移動(dòng)正式發(fā)布了算 力網(wǎng)絡(luò )合作伙伴計劃。

2021年6月，IMT-2030（6G）推進(jìn)組發(fā)布《6G總 體愿景與潛在關(guān)鍵技術(shù)》白皮書(shū)中，將算力網(wǎng)絡(luò )被列為6G十大潛在關(guān)鍵技術(shù)之一。

2021年7月，國際電信聯(lián)盟電信標準分局 （ITU-T）通過(guò)由中國電信牽頭的算力網(wǎng)絡(luò )框架與架構 標準Y.2501，該標準是首項獲得國際標準化組織通過(guò)的 算力網(wǎng)絡(luò )標準。

2021年7月，寬帶網(wǎng)絡(luò )的行業(yè)機構Broadband Forum（BBF）發(fā)布SD-466，描述了城域算網(wǎng)的用例 與需求，并同步啟動(dòng)了WT-492項目來(lái)細化城域算網(wǎng)的 體系結構、功能模塊和接口定義。

2021年10月，中國通信標準化協(xié)會(huì )（CCSA）批準 成立了算網(wǎng)融合技術(shù)推進(jìn)委員會(huì )，并專(zhuān)設了算力網(wǎng)絡(luò )工 作組來(lái)討論算力網(wǎng)絡(luò )技術(shù)及其應用。

6　結束語(yǔ)

隨著(zhù)邊緣計算的進(jìn)一步發(fā)展，算網(wǎng)融合成為未來(lái) 發(fā)展的重要趨勢。目前針對算網(wǎng)融合面臨的算力度量、 算力感知、算力路由、算力交易、算力編排等問(wèn)題，業(yè) 界提出了算力網(wǎng)絡(luò )等新型技術(shù)，力爭以網(wǎng)絡(luò )為平臺，以 用戶(hù)為中心來(lái)實(shí)現算網(wǎng)資源的融合供給。

作者簡(jiǎn)介

雷　波（1980-），男，重慶人，高級工程師，現任中 國電信股份有限公司研究院網(wǎng)絡(luò )技術(shù)研究所副所長(cháng)， 研究方向為未來(lái)網(wǎng)絡(luò )技術(shù)、新型數據中心網(wǎng)絡(luò )、邊緣 計算與算力網(wǎng)絡(luò )等

參考文獻：

[1] 國際數據公司IDC. 未來(lái)算力推動(dòng)企業(yè)邁向數字化2.0[R/OL]. 2021. https://www.chinastor.com/market/12214001R018.html

[2] 雷波, 劉增義, 王旭亮, 楊明川, 陳運清. 基于云、網(wǎng)、邊融合的邊緣計算新方案: 算力網(wǎng)絡(luò )[J]. 電信科學(xué), 2019, 35 (09) : 44 - 51.

[3] 姚惠娟, 耿亮. 面向計算網(wǎng)絡(luò )融合的下一代網(wǎng)絡(luò )架構[J]. 電信科學(xué), 2019, 35 (09) : 38 - 43.

[4] 中國移動(dòng)研究院. 算力感知網(wǎng)絡(luò )CAN技術(shù)白皮書(shū) (2021年版) [Z]. 2021.

[5] 李建飛, 曹暢, 李奧, 龐博文. 算力網(wǎng)絡(luò )中面向業(yè)務(wù)體驗的算力建模[J]. 中興通訊技術(shù), 2020, 26 (05) : 34 - 38.

[6] 中國聯(lián)通算力網(wǎng)絡(luò )產(chǎn)業(yè)技術(shù)聯(lián)盟. 異構算力統一標識與服務(wù)白皮書(shū)[Z]. 2021.

[7] 曹暢, 唐雄燕. 算力網(wǎng)絡(luò )關(guān)鍵技術(shù)及發(fā)展挑戰分析[J]. 信息通信技術(shù)與政策, 2021, 47 (03) : 6 - 11.

[8] 黃光平, 史偉強, 譚斌. 基于SRv6的算力網(wǎng)絡(luò )資源和服務(wù)編排調度[J]. 中興通訊技術(shù), 2021, 27 (03) : 23 - 28.

[9] 林奕琳, 陳思柏, 單雨威, 劉玉芹, 唐凌. 6G網(wǎng)絡(luò )潛在關(guān)鍵技術(shù)研究綜述[J]. 移動(dòng)通信, 2021, 45 (04) : 120 – 127.

[10] 溫瑤, 陸晶晶, 盧華, 謝人超. 融合區塊鏈的算力網(wǎng)絡(luò )信任評估與保障方案研究[J]. 南京郵電大學(xué)學(xué)報(自然科學(xué)版), 2021, (04) : 99 – 106.

摘自《自動(dòng)化博覽》2021年11月刊