中國信息通信研究院付韜，張恒升，王哲

1　背景

隨著(zhù)國家對數字化、信息化領(lǐng)域基礎設施的不斷投入，我國形成了以5G、SD-WAN等為代表的高質(zhì)量工廠(chǎng)外網(wǎng)，以確定性網(wǎng)絡(luò )、工業(yè)以太網(wǎng)等為代表的高質(zhì)量工廠(chǎng)內網(wǎng)。大帶寬、低時(shí)延的網(wǎng)絡(luò )能夠更好地支撐工廠(chǎng)中各業(yè)務(wù)間的協(xié)同與優(yōu)化，能夠更加統一地整合資源，形成生產(chǎn)任務(wù)的全流程精細管控能力。在此過(guò)程中，隨著(zhù)工業(yè)應用種類(lèi)增多、協(xié)同過(guò)程復雜度上升、數據處理和交換密度增大，工業(yè)算力與網(wǎng)絡(luò )的密切程度不斷提升，促進(jìn)整個(gè)工廠(chǎng)的算力架構呈現出新的發(fā)展趨勢。

算力的存在呈現出多種形態(tài)，既有面向公司生產(chǎn)業(yè)務(wù)的工業(yè)云算力，也有實(shí)現車(chē)間級賦能的邊緣算力，還有工業(yè)終端上不斷提升的本地算力。以生產(chǎn)應用的業(yè)務(wù)流為紐帶，算網(wǎng)一體化管控正逐步形成系統性的解決方案。然而，現有工業(yè)算力存在算力描述、算力計價(jià)、確定性等方面的不足，給IT網(wǎng)絡(luò )和OT網(wǎng)絡(luò )融合帶來(lái)了一定阻礙。本文梳理了工業(yè)互聯(lián)網(wǎng)背景下的工業(yè)算力發(fā)展現狀和工業(yè)算力架構，分析了國內工業(yè)算力的發(fā)展趨勢和方向。

2　工業(yè)算力的發(fā)展現狀

2.1　工業(yè)算力的概念

工業(yè)算力是計算機設備或計算/數據中心處理工業(yè)計算需求的能力，是指在工廠(chǎng)生產(chǎn)環(huán)境中計算能力的總和，它支撐工廠(chǎng)各級信息系統完成數據采集、數據分析、控制信息等活動(dòng)。工業(yè)算力以計算機技術(shù)、網(wǎng)絡(luò )技術(shù)、大數據技術(shù)等多種途徑實(shí)現生產(chǎn)過(guò)程的數字化、智能化和高效化，全面賦能工廠(chǎng)全流程環(huán)節。工業(yè)算力并不是算力在工廠(chǎng)場(chǎng)景中的簡(jiǎn)單應用，它需要結合工廠(chǎng)生產(chǎn)任務(wù)的高度實(shí)時(shí)性需求進(jìn)行精確資源調度，在算力部署、算力分配、算網(wǎng)融合、算力計費等方面存在差別。近年來(lái)，國內工業(yè)算力蓬勃發(fā)展，呈現出“算力穩步提升、聯(lián)系尚不密切”的特征。目前，工業(yè)算力由“云-邊-端”三級構成，企業(yè)級工業(yè)云主要進(jìn)行數據規模大的離線(xiàn)運算，優(yōu)化生產(chǎn)流程和工藝參數。工業(yè)云進(jìn)行工業(yè)大數據分析，挖掘生產(chǎn)過(guò)程中的瓶頸和問(wèn)題，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。車(chē)間級邊緣計算主要進(jìn)行數據密度大的實(shí)時(shí)處理，通過(guò)復雜算法實(shí)現智能生產(chǎn)、檢測、智能控制、智能維護等工作。工業(yè)終端主要是數據的產(chǎn)生者和執行者，近些年來(lái)本地算力也獲得了一定增長(cháng)，可以實(shí)現智能算法并有限度地共享算力。以下是國內工業(yè)算力發(fā)展的幾個(gè)關(guān)鍵特征：

（1）工業(yè)算力規模持續增長(cháng)：隨著(zhù)數字化轉型的深入推進(jìn)，國內企業(yè)對算力的需求持續增長(cháng)。各類(lèi)企業(yè)紛紛加大投入，通過(guò)建設企業(yè)內數據中心提升算力規模，以滿(mǎn)足日益復雜和精細化的生產(chǎn)需求。（2）算力分布分散、聚合度較弱：與移動(dòng)通信運營(yíng)商的算力網(wǎng)絡(luò )資源池不同，工業(yè)算力呈現出分層、分域的部署現狀，算力協(xié)同主要發(fā)生在臨級算力設施之間。這主要是由于缺乏通用的算力開(kāi)放機制，無(wú)法跨層、跨域地精確度量、評估和調用算力資源。受限于工廠(chǎng)生產(chǎn)活動(dòng)的實(shí)時(shí)性要求，跨域算力借用往往存在不穩定性和較低的效能。

（3）工業(yè)算力不具備確定性：工業(yè)算力已廣泛應用于智能制造、智慧能源、智能交通等領(lǐng)域，很多企業(yè)嘗試通過(guò)應用工業(yè)算力技術(shù)，實(shí)現對生產(chǎn)過(guò)程的實(shí)時(shí)監控和優(yōu)化，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。但是，邊緣計算和云計算都不能夠依據嚴格的確定性指標進(jìn)行調度，導致IT服務(wù)實(shí)時(shí)性和OT生產(chǎn)應用實(shí)時(shí)性存在巨大差距，嚴重阻礙了工業(yè)算力的應用與推廣。

（4）應用通用性較差：目前很多廠(chǎng)商的應用與終端設備依賴(lài)性過(guò)強，導致只能劃分專(zhuān)用資源給應用。這一方面降低了算力的利用率，另一方面維護起來(lái)更加復雜，導致算力的開(kāi)放能力降低。

2.2　我國工業(yè)算力典型模式

邊緣算力：多個(gè)計算能力較弱的工業(yè)終端，將計算任務(wù)或數據遷移到鄰近的邊緣計算設備，實(shí)現數采、分析、檢測、控制等功能。其具體形式包括兩種，一種是工廠(chǎng)本地邊緣計算設備如邊緣一體機、服務(wù)器、網(wǎng)關(guān)等，另一種是運營(yíng)商租借給工廠(chǎng)的移動(dòng)邊緣計算節點(diǎn)（MEC）。

云化服務(wù)：云化服務(wù)是將云資源池以容器或虛機的形式劃分出來(lái)，遠程為工業(yè)產(chǎn)線(xiàn)提供應用服務(wù)。它的優(yōu)勢在于靈活重新配置、成本較低和軟件故障恢復快。

群智算力：是指在缺乏邊緣計算和云計算資源時(shí)，利用多個(gè)生產(chǎn)設備的本地計算能力，通常在存在計算依賴(lài)或數據依賴(lài)的若干個(gè)設備之間，調整任務(wù)分配，使得整個(gè)設備集群的計算任務(wù)都能夠在實(shí)時(shí)性要求的范圍內完成。

算力協(xié)同：該模式充分利用了邊緣計算的實(shí)時(shí)性和云計算的大量資源，可以逐級部署計算任務(wù)，在計算能力和實(shí)時(shí)性之間取得折中。

2.3　工業(yè)算力挑戰

工業(yè)算力在發(fā)展過(guò)程中遇到了多方面的挑戰，性能方面主要是受工業(yè)生產(chǎn)活動(dòng)實(shí)時(shí)性制約，功能方面主要是受算力設備通用性的影響，主要包括以下幾個(gè)方面：

（1）缺乏統一標準化的算力描述：算力描述本身是當前的熱點(diǎn)研究方向，在算力網(wǎng)絡(luò )、云計算等場(chǎng)景中都需要對算力進(jìn)行抽象。在多個(gè)數據中心形成資源池的背景下，算力的度量、類(lèi)型、分配狀態(tài)等情況十分復雜，由CPU、GPU、TPU、DPU等聚合而成的異構性算力需要統一的結構化描述語(yǔ)言。工業(yè)算力描述與外網(wǎng)算力描述具有一定的共性部分，但還要考慮設備類(lèi)型和部署位置，需要擴展算力描述數據結構，形成面向行業(yè)和網(wǎng)絡(luò )結構的工業(yè)算力描述^[1]。

（2）缺乏工業(yè)專(zhuān)用的算力計價(jià)：一是運營(yíng)商租用算力的精確計費，以MEC節點(diǎn)算力為代表，費用由邊緣計算基站數量、性能、服務(wù)和使用時(shí)長(cháng)決定。二是面向中小企業(yè)的公共算力計費，在該場(chǎng)景下多個(gè)企業(yè)共用園區的云邊算力，需要精確測算各企業(yè)提交的任務(wù)所使用的算力。

（3）算力開(kāi)放能力較弱：算力供給粒度從大到小可以分為專(zhuān)用設備、容器/虛擬機、任務(wù)、時(shí)間片，從充分利用算力資源的角度，應該盡可能進(jìn)行小粒度的調度。使用專(zhuān)用設備來(lái)保障某些工業(yè)任務(wù)，其他任務(wù)無(wú)法共用處理能力，就會(huì )造成最大的浪費。目前最常見(jiàn)的方式是為邊緣任務(wù)分配專(zhuān)用的容器，這也是由于現有方案的終端應用和邊緣應用都和廠(chǎng)商緊密耦合，資源在被大粒度分配后，就無(wú)法再給其他任務(wù)開(kāi)發(fā)算力。未來(lái)為了實(shí)現確定性計算，必須要實(shí)現任務(wù)和時(shí)間片粒度的算力開(kāi)放，需要形成細粒度的算力調用協(xié)議和接口。設計并研發(fā)通用算力服務(wù)，形成面向行業(yè)的、可復用共享的通用算力應用。各級工業(yè)智能終端可依據標準化參數調用工業(yè)算力設施的算力服務(wù)。

（4）算網(wǎng)確定性：在很多應用與網(wǎng)絡(luò )協(xié)同研究中，算力與網(wǎng)絡(luò )正在聯(lián)系得越來(lái)越緊密。目前國內眾多研究機構對面向應用的確定性技術(shù)開(kāi)展了研究，如中國信息通信研究院提出了面向應用的確定性（AoD）研究^[2]，該研究針對工廠(chǎng)網(wǎng)絡(luò )或園區網(wǎng)絡(luò )實(shí)現離散資源的統一調度，編排具有一系列確定性執行環(huán)節的確定性服務(wù)，滿(mǎn)足用戶(hù)的頂層需求；北京交通大學(xué)提出了廣義確定性的概念，從理論角度分析了在多要素、網(wǎng)絡(luò )異構、復雜數據流場(chǎng)景下的確定性保障問(wèn)題，該工作更側重于理論研究與模型設計；網(wǎng)絡(luò )通信與安全紫金山實(shí)驗室則提出了算網(wǎng)操作系統的概念，提出了算力網(wǎng)絡(luò )中的多應用協(xié)同調度問(wèn)題的解決方法，不過(guò)該方案對于算力僅實(shí)現盡力而為的調度，更適用于數據中心的非實(shí)時(shí)計算任務(wù)。確定性算力網(wǎng)絡(luò )是使用確定性網(wǎng)絡(luò )的算力系統，缺乏對算力確定性調度，因此本報告認為其本質(zhì)是“算力+確定性網(wǎng)絡(luò )”，更適合運營(yíng)商的服務(wù)場(chǎng)景，不強調算力提供過(guò)程的確定性，追求盡可能高的服務(wù)性能。國外方面，IETF成立了CATS（Computing-Aware Traffic Steering）工作組，旨在研究網(wǎng)絡(luò )主動(dòng)感知服務(wù)客戶(hù)端和服務(wù)站點(diǎn)并提供端到端路由。為了實(shí)現基于計算感知和網(wǎng)絡(luò )感知的路由決策，需要全面感知網(wǎng)邊端信息。目前CATS工作組在計算和網(wǎng)絡(luò )信息的分類(lèi)和感知方面已經(jīng)做了一些工作，包括架構、場(chǎng)景、協(xié)議、路由機制等。隨著(zhù)CATS工作的進(jìn)一步開(kāi)展，將通過(guò)算網(wǎng)一體化的確定性實(shí)現應用服務(wù)鏈的精確執行。

（5）多資源協(xié)同能力：工業(yè)算力架構中，各種資源依據算法進(jìn)行調度，需要對算力、網(wǎng)絡(luò )、存儲、能耗等綜合決策，以適應工業(yè)生產(chǎn)在高效、節能、服務(wù)質(zhì)量方面的多目標優(yōu)化。為了克服這些挑戰，需要多方共同努力，打通工業(yè)算力的業(yè)務(wù)、數據，加強算力開(kāi)放協(xié)議設計、工業(yè)算力標準制定等方面的工作，形成滿(mǎn)足工業(yè)需求的算力供給能力。

3 工業(yè)算力架構

工業(yè)算力架構由決策層、管控層和執行層構成，如圖1所示。在目前的應用場(chǎng)景中，其主要實(shí)現了邊端精密協(xié)同和云邊精密協(xié)同。

決策層算力是集中式的算力資源中心，一般以工業(yè)云的形式存在，目前運行在工業(yè)云的計算任務(wù)實(shí)時(shí)性相對較弱。工業(yè)云具有大數據分析與決策能力，輸入輸出的數據密度與價(jià)值極大。在很多制造業(yè)企業(yè)中，工業(yè)云運行工業(yè)模型訓練、確定性全局管控、流程優(yōu)化等計算密集型應用，一般以較長(cháng)的周期將訓練好的模型更新到邊緣計算設施。工業(yè)算力綜合管控平臺將實(shí)現算網(wǎng)一體化管控，通過(guò)統一信息模型打通各類(lèi)設備的監測接口和管控接口，通過(guò)對確定性服務(wù)的維護，確保生產(chǎn)流程中算網(wǎng)控制的閉環(huán)。

管控層算力是由靠近生產(chǎn)線(xiàn)的智能計算設備組成，實(shí)時(shí)性能夠滿(mǎn)足工業(yè)應用需求。這些設備具有推理與決策的計算能力，數據密度與價(jià)值較高，可以實(shí)現計算能力開(kāi)放、數據挖掘、虛擬化、任務(wù)遷移等功能。目前邊緣側的算力開(kāi)放程度主要受限于應用和工業(yè)終端的綁定，通過(guò)實(shí)現通用服務(wù)和標準化的算法，可以進(jìn)一步提升邊緣計算的通用性和利用率。

執行層算力是工業(yè)現場(chǎng)的本地算力，實(shí)時(shí)性最強，計算能力相對較弱，數據密度與價(jià)值較低，可以實(shí)現數據采集、控制邏輯、本地訓練等任務(wù)。傳統工業(yè)設備如傳感器只能執行簡(jiǎn)單的任務(wù)，未來(lái)能夠實(shí)現算力協(xié)同的主要是具有一定自有算力的智能終端，相對較少的計算能力用于產(chǎn)生數據、任務(wù)遷移、數據保護等方面。

邊端精密協(xié)同主要是工業(yè)邊緣算力為各種智能終端處理專(zhuān)用計算任務(wù)，實(shí)現多維數據處理、圖像識別、定位信息處理、控制決策等功能，兩者通過(guò)滿(mǎn)足工業(yè)高性能通信需求的確定性網(wǎng)絡(luò )互聯(lián)。

云邊協(xié)同主要是針對云平臺和邊緣計算的特點(diǎn)，將計算任務(wù)進(jìn)行差異化部署，在分布式訓練中，可以將匯總的模型部署在工業(yè)云平臺，在工業(yè)邊緣算力部署局部模型。兩者在更新頻率、預測精度、工業(yè)算法等方面都可以按需配置。

圖1 工業(yè)算力架構

4　工業(yè)算力發(fā)展趨勢

（1）算力伴隨業(yè)務(wù)自由聚合傳統工業(yè)網(wǎng)絡(luò )中的數據主要是監測數據和控制數據，監測數據是通過(guò)攝像頭、傳感器、工控機等產(chǎn)生的原始生產(chǎn)數據，控制數據是控制產(chǎn)線(xiàn)設備生產(chǎn)的操作數據。工業(yè)互聯(lián)網(wǎng)設施在“端-邊-云”架構中逐級處理這兩類(lèi)數據。

隨著(zhù)行業(yè)需求和工業(yè)應用的種類(lèi)越來(lái)越多，在工業(yè)智能終端之間、工廠(chǎng)算力設施和運營(yíng)商MEC之間都會(huì )發(fā)生算力的聚合，來(lái)提供因地制宜的算力服務(wù)。這主要是在礦山、港口、供熱等領(lǐng)域，除了企業(yè)生產(chǎn)園區之外，還有大量的移動(dòng)設備活動(dòng)區域。這就需要設備就近組成集群，實(shí)現更快的任務(wù)分發(fā)和結果匯聚。

（2）確定性算力保障

在工業(yè)場(chǎng)景中，工業(yè)邊緣算力與工業(yè)云平臺的計算過(guò)程也會(huì )影響工業(yè)終端的執行，所以如果想讓IT設施深度參與OT生產(chǎn)過(guò)程，就必須保障算力的確定性。算力的確定性與前文提到的算力粒度相關(guān)，針對時(shí)間敏感計算任務(wù)進(jìn)行強制保障的算力粒度越細小，則計算任務(wù)的確定性越強，當給每個(gè)確定性任務(wù)隔離出充足的計算單元時(shí)間片時(shí)，其計算時(shí)延和抖動(dòng)就是精確可控的。在保障算力的確定性后，就可以針對確定性任務(wù)的需求指標，分解成算、網(wǎng)指標，從而保障任務(wù)全流程確定性。

（3）分布式訓練的應用

工業(yè)中數據采集和設備控制的算力開(kāi)銷(xiāo)是基本穩定的資源開(kāi)銷(xiāo)，未來(lái)大部分動(dòng)態(tài)變化的工業(yè)算力是用于工業(yè)模型訓練和優(yōu)化。分布式訓練將工業(yè)模型分割，按照規模和實(shí)時(shí)性需求部署在工業(yè)算力架構各層，需要根據算力部署拓撲、算力規模、模型分割等因素決定分布式訓練的中心節點(diǎn)、更新頻率、機器學(xué)習算法等配置。目前很多企業(yè)只是在集團側進(jìn)行模型優(yōu)化，在邊緣側進(jìn)行模型部署，隨著(zhù)機器學(xué)習應用越來(lái)越多，可以形成工業(yè)模型分割更加靈活的方案，使得整個(gè)企業(yè)中算力可以針對工業(yè)模型的細粒度高靈活動(dòng)態(tài)部署與優(yōu)化。

（4）群體智能算力

邊緣計算是工業(yè)終端算力不足時(shí)的必要補充，隨著(zhù)芯片成本進(jìn)一步下降，工業(yè)智能終端的計算、存儲性能都將進(jìn)一步提升。在作業(yè)范圍比較大的行業(yè)，例如礦山、港口、供熱等行業(yè)，整個(gè)網(wǎng)絡(luò )中既有企業(yè)內部網(wǎng)絡(luò )，也有擴散到有線(xiàn)網(wǎng)之外的作業(yè)區。此時(shí)，就需要工業(yè)智能終端就近組成算力集群，通過(guò)群體智能算力進(jìn)行跟生產(chǎn)活動(dòng)強相關(guān)的計算任務(wù)，并通過(guò)對計算任務(wù)拆分、子任務(wù)遷移、計算結果匯總的過(guò)程，得到預期的決策結果。

（5）基于MEC的智能園區

工業(yè)算力是實(shí)現智能生產(chǎn)的重要支撐，它已經(jīng)描繪了美好的愿景。然而，這也導致了建設工業(yè)算力體系的成本不是中小企業(yè)能夠負擔的昂貴開(kāi)支。從國家發(fā)展的角度來(lái)看，可以將工業(yè)算力中的決策層設到工業(yè)園區，由政府出資建設并形成服務(wù)能力。由運營(yíng)商將MEC基站租賃給企業(yè)，中小企業(yè)只需要采購智能工業(yè)終端即可。該方案具有三大優(yōu)勢：一是增強了工業(yè)算力的共享，提升了算力基礎設施的利用率；二是形成了可復用的工業(yè)模型，有利于優(yōu)秀解決方案的推廣；三是降低了中小企業(yè)應用新技術(shù)的工業(yè)算力設施建設和運維成本。

5　總結

我國工業(yè)算力已經(jīng)有了長(cháng)足發(fā)展，但還存在相對松散、標準化程度低等問(wèn)題，本文在總結工業(yè)算力架構及挑戰的基礎上，提出了未來(lái)工業(yè)算力發(fā)展的重點(diǎn)方向。下一步我們將以標準化工作為重點(diǎn)，在工業(yè)算力描述、調用接口、工業(yè)算力南北向協(xié)議等方面凝聚產(chǎn)業(yè)界共識，最終通過(guò)工業(yè)算力的進(jìn)步促進(jìn)算網(wǎng)一體化與扁平化發(fā)展。

作者簡(jiǎn)介：

付　韜，博士，中國信息通信研究院高級工程師，主要從事工業(yè)互聯(lián)網(wǎng)、確定性網(wǎng)絡(luò )的技術(shù)研究。已發(fā)表期刊及國際會(huì )議論文10余篇，其中SCI檢索3篇，EI檢索2篇，申請發(fā)明專(zhuān)利7項。

張恒升，中國信息通信研究院正高級工程師，技術(shù)與標準研究所產(chǎn)業(yè)互聯(lián)網(wǎng)研究部副主任，主要研究方向為工業(yè)互聯(lián)網(wǎng)網(wǎng)絡(luò )。

王　哲，博士，中國信息通信研究院高級工程師，主要從事工業(yè)互聯(lián)網(wǎng)、邊緣計算領(lǐng)域政策、技術(shù)標準，產(chǎn)業(yè)發(fā)展等方面研究，長(cháng)期支撐工業(yè)和信息化部、國家發(fā)改委等部委的工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)政策制定、重大專(zhuān)項指南編制等工作。目前擔任CCSA邊緣計算技術(shù)標準及產(chǎn)業(yè)發(fā)展推進(jìn)委員會(huì )技術(shù)促進(jìn)組組長(cháng)，同時(shí)擔任IEEETransactionsonVehicularTechnology，IEEEAccess等國際期刊審稿人，已發(fā)表期刊及國際會(huì )議論文10余篇，其中SCI檢索5篇，申請發(fā)明專(zhuān)利及軟件著(zhù)作權4項，主持并參與起草10余項行業(yè)標準制定工作。（本文通訊作者）

參考文獻：

[1] 劉鵬, 陸璐, 李志強. 工業(yè)互聯(lián)網(wǎng)技術(shù)發(fā)展分析及算網(wǎng)融合的趨勢思考[J]. 自動(dòng)化博覽, 2023, 40 (2) : 29 - 31.

[2] 施巍松, 等. 邊緣計算: 現狀與展望[J]. 計算機研究與發(fā)展, 2019, 56 (1) : 21.

[3] Ordonez-Lucena, J. and F. Dsouza. Pathways towards network-as-a-service: the CAMARA project. in Proceedings of the ACM SIGCOMM Workshop on Network-Application Integration[C]. 2022. Amsterdam, Netherlands: Association for Computing Machinery.

[4] 馬華東, 等. 一種新型群智感知系統架構模型和實(shí)現方法[J]. 中國科學(xué): 信息科學(xué), 2023. 53 (7) : 1262 - 1280.

[5] 楊冬, 程宗榮, 田偉康, 王洪超, 張宏科. 廣義確定性標識網(wǎng)絡(luò )[J]. 電子學(xué)報, 2024. 1 (52) : 1 - 18.

[6] Fu, T. and H. Zhang, The System Architecture and Decision Mechanism of the Deterministic Application Layer in the Industrial Internet, 2023.

[7] 張晨, 等. 算網(wǎng)操作系統白皮書(shū)[R]. 2023.

[8] 網(wǎng)絡(luò )通信與安全紫金山實(shí)驗室, 等. 確定性算力網(wǎng)絡(luò )白皮書(shū)[R]. 2022.

摘自《自動(dòng)化博覽》2024年第二期暨《邊緣計算2024專(zhuān)輯》