中國移動(dòng)通信有限公司研究院牟彥，姚柯翰，劉鵬，陸璐

1　引言

當前，全球科技創(chuàng )新進(jìn)入密集活躍時(shí)期，新工業(yè)革命蓬勃發(fā)展。工業(yè)互聯(lián)網(wǎng)是新一代信息通信技術(shù)與工業(yè)經(jīng)濟深度融合的關(guān)鍵基礎設施，其打造了新型應用模式和全新工業(yè)生態(tài)。它通過(guò)人、機、物的全面互聯(lián)，構建起覆蓋全要素、全產(chǎn)業(yè)鏈、全價(jià)值鏈的新型制造與服務(wù)體系，為工業(yè)數字化、網(wǎng)絡(luò )化、智能化轉型升級提供了實(shí)現路徑。

隨著(zhù)現代工業(yè)向智能化方向的不斷發(fā)展，海量工業(yè)數據持續發(fā)往數據中心，工業(yè)設備對通信和計算資源的需求變得越來(lái)越緊迫，而算力基礎設施的提升速度仍難以滿(mǎn)足工業(yè)互聯(lián)網(wǎng)向智能化發(fā)展的應用需求。

隨著(zhù)可編程芯片的出現，在網(wǎng)計算成為一種新的計算范式。在網(wǎng)計算將計算任務(wù)卸載至網(wǎng)絡(luò )設備，以實(shí)現更高效、靈活的數據處理，其主要技術(shù)優(yōu)勢在于減少應用數據搬運、壓縮傳輸數據量，以及優(yōu)化通信模式。通過(guò)引入在網(wǎng)計算加速技術(shù)，工業(yè)互聯(lián)網(wǎng)在網(wǎng)絡(luò )基礎設施層能夠更好地支持智能機器的連接、機器與軟件系統的連接、大數據分析等應用。利用網(wǎng)絡(luò )基礎設施參與數據計算和控制處理的方式可以提升系統整體運行效率，降低通信延遲，減少總體能耗。

工業(yè)互聯(lián)網(wǎng)強調“人、機、物”的全面互聯(lián)，產(chǎn)生大量應用數據，且多數應用需要滿(mǎn)足低時(shí)延、高吞吐、高并發(fā)、高可靠的業(yè)務(wù)需求，因此工業(yè)互聯(lián)網(wǎng)對算力和網(wǎng)絡(luò )的需求十分嚴格。在網(wǎng)計算技術(shù)通過(guò)近數據處理減少數據搬運，并利用網(wǎng)絡(luò )天然的高吞吐交換能力實(shí)現控制、計算等任務(wù)卸載，可以更好地滿(mǎn)足工業(yè)系統對可靠性和時(shí)延的要求。工業(yè)互聯(lián)網(wǎng)的目標是通過(guò)開(kāi)放的網(wǎng)絡(luò )平臺將設備、生產(chǎn)元素連接起來(lái)，在網(wǎng)計算技術(shù)使得這些設備和元素在地理上分散的同時(shí)，仍保持高效的數據交換和處理能力，這種協(xié)同效應不僅提高了生產(chǎn)的效率，還為創(chuàng )新提供了條件。在網(wǎng)計算可以賦能多種工業(yè)互聯(lián)網(wǎng)場(chǎng)景，包括提供數據采集、數據清洗、復雜事件驅動(dòng)及控制決策等技術(shù)能力。如解決云化PLC帶來(lái)的時(shí)延和抖動(dòng)，利用可編程轉發(fā)設備調度控制任務(wù)與網(wǎng)絡(luò )流量，實(shí)現控制任務(wù)與專(zhuān)用控制器解耦以支持生產(chǎn)線(xiàn)的切換與靈活升級。

本文通過(guò)分析工業(yè)互聯(lián)網(wǎng)對在網(wǎng)計算加速技術(shù)的需求場(chǎng)景，提出了在網(wǎng)計算關(guān)鍵技術(shù)，并通過(guò)在網(wǎng)計算加速了工業(yè)互聯(lián)網(wǎng)應用部署。

2　工業(yè)互聯(lián)網(wǎng)的在網(wǎng)計算加速需求

工業(yè)互聯(lián)網(wǎng)網(wǎng)絡(luò )是構建工業(yè)環(huán)境下人、機、物全面互聯(lián)的關(guān)鍵基礎設施，根據業(yè)務(wù)需求和數據流向，工業(yè)互聯(lián)網(wǎng)網(wǎng)絡(luò )又可進(jìn)一步劃分為工廠(chǎng)內網(wǎng)和工廠(chǎng)外網(wǎng)^[1]。

工業(yè)互聯(lián)網(wǎng)內網(wǎng)和外網(wǎng)中的計算基礎設施部署如圖1所示。其中骨干網(wǎng)絡(luò )與超算中心構成工廠(chǎng)外網(wǎng)，生產(chǎn)現場(chǎng)網(wǎng)絡(luò )、生產(chǎn)辦公網(wǎng)絡(luò )和園區網(wǎng)絡(luò )構成工廠(chǎng)內網(wǎng)^[2]。

圖1  面向工業(yè)互聯(lián)網(wǎng)的在網(wǎng)計算加速場(chǎng)景

工業(yè)互聯(lián)網(wǎng)的計算基礎設施包括部署在工業(yè)外網(wǎng)和內網(wǎng)中的中心云、邊緣云、網(wǎng)關(guān)等。中心云主要處理非實(shí)時(shí)的大規模數據，部署在企業(yè)外網(wǎng)或內網(wǎng)；邊緣云主要處理有一定實(shí)時(shí)性、安全性要求的業(yè)務(wù)，通常部署在園區網(wǎng)絡(luò )或者生產(chǎn)辦公網(wǎng)絡(luò )。

2.1　園區物聯(lián)網(wǎng)的時(shí)延敏感業(yè)務(wù)受邊緣計算規模制約

園區物聯(lián)網(wǎng)通過(guò)對智能物聯(lián)網(wǎng)設備的信息匯總分析，實(shí)現對園區運行狀態(tài)的實(shí)時(shí)感知和運行監測。智能物聯(lián)設備受制于體積、功耗，常常會(huì )存在資源有限、算力不足的情況^[3]。當前主流的解決方案是依靠部署在網(wǎng)絡(luò )邊緣的邊緣服務(wù)器提供計算卸載服務(wù)，匯總物聯(lián)網(wǎng)終端數據并做出相應決策。

隨著(zhù)物聯(lián)網(wǎng)設備數量的快速增長(cháng)，基于邊緣計算的計算卸載架構也在帶寬、時(shí)延及可靠性上面臨巨大挑戰^[4]。一方面，以通用服務(wù)器為基礎的邊緣集群的吞吐量性能難以滿(mǎn)足物聯(lián)網(wǎng)場(chǎng)景中廣泛存在的高性能計算需求^[5]。另一方面，基于邊緣計算的計算卸載架構在完成計算時(shí)會(huì )引入額外的處理時(shí)延和阻塞，難以支撐不斷涌現的時(shí)延敏感型物聯(lián)網(wǎng)應用（如自動(dòng)駕駛、應急聯(lián)動(dòng)）。同時(shí)，由于邊緣計算中心所在的位置限制，其規模不太可能隨著(zhù)數據需求的增長(cháng)而無(wú)限擴展。

2.2　生產(chǎn)辦公網(wǎng)絡(luò )需要提高基于業(yè)務(wù)的服務(wù)保障能力

工業(yè)互聯(lián)網(wǎng)中的場(chǎng)景利用XR業(yè)務(wù)（包括虛擬現實(shí)、增強現實(shí)和混合現實(shí)技術(shù)）對現實(shí)世界進(jìn)行模擬、增強或交互。如在虛擬環(huán)境中進(jìn)行產(chǎn)品設計，模擬產(chǎn)品的外觀(guān)、功能和性能，有助于加快設計迭代速度，降低開(kāi)發(fā)成本。在維護與修理環(huán)節，通過(guò)XR為工人提供遠程協(xié)作和實(shí)時(shí)指導，降低維修成本，縮短停機時(shí)間。在培訓與教育環(huán)節，為學(xué)員在虛擬環(huán)境中模擬實(shí)際操作，提高培訓效果和安全性。

隨著(zhù)XR技術(shù)不斷演化升級，數據流更多源異構、圖像分辨率更高、應用場(chǎng)景更多樣、用戶(hù)規模更龐大，對網(wǎng)絡(luò )下行帶寬、容量、確定性時(shí)延和可靠性均提出了全新要求。業(yè)務(wù)終端的規模劇增，導致服務(wù)器算力不足，對數據通道帶寬的擠占會(huì )極大影響控制信息的傳輸，為實(shí)現更精準的服務(wù)保障，還需要增加手段對數據流的業(yè)務(wù)信息進(jìn)行探測和感知。

2.3　生產(chǎn)現場(chǎng)網(wǎng)絡(luò )需要解決靈活配置與實(shí)時(shí)工業(yè)控制的矛盾

客戶(hù)對制造業(yè)提出了定制化和個(gè)性化要求，需要生產(chǎn)線(xiàn)具備高度的靈活性，支持生產(chǎn)線(xiàn)的快速重新配置?；谥行脑七M(jìn)行控制功能云化，可以實(shí)現生產(chǎn)線(xiàn)的快速重配和靈活性，但無(wú)法滿(mǎn)足實(shí)時(shí)工業(yè)控制（如執行器、機械臂、傳送帶等的速度或扭矩控制）對低延遲和高可靠性網(wǎng)絡(luò )的要求^[6]。引入邊緣云計算可以顯著(zhù)減少傳播延遲，但邊緣計算節點(diǎn)依賴(lài)于與遠程云基礎設施相同的虛擬化技術(shù)，需要依賴(lài)實(shí)時(shí)操作系統來(lái)消除CPU調度的影響?？刂聘聲r(shí)間更短、數量更多的新型機械臂實(shí)現實(shí)時(shí)速度控制需要超快的響應時(shí)間，傳統的邊緣計算基礎設施很難滿(mǎn)足這一要求。

工業(yè)現場(chǎng)需要使用大量的控制器組裝協(xié)同完成復雜的操作。工業(yè)控制器之間需要通過(guò)垂直協(xié)同（上下級控制器間的協(xié)同）和水平協(xié)同（平級控制器間的協(xié)同）共同完成特定生產(chǎn)工業(yè)流程。如何實(shí)現不同控制器之間的指令協(xié)同以及機械臂的動(dòng)作協(xié)同，是對機械臂控制器間的交互性能提出的新的要求。

2.4　工廠(chǎng)內外網(wǎng)面臨原始數據擁塞和訓練數據通信瓶頸

工業(yè)互聯(lián)網(wǎng)的關(guān)鍵應用之一就是使用機器學(xué)習對海量數據實(shí)施流式計算及大數據分析。物聯(lián)網(wǎng)設備產(chǎn)生大量連續的數據流，工廠(chǎng)內網(wǎng)采集的原始數據如果直接通過(guò)工廠(chǎng)外網(wǎng)送往數據中心，會(huì )導致網(wǎng)關(guān)擁塞，損害物聯(lián)網(wǎng)系統的可擴展性。

云數據中心內部網(wǎng)絡(luò )在支持分布式機器學(xué)習的訓練過(guò)程中，也存在分布式機器學(xué)習的中間通信流量過(guò)大造成網(wǎng)絡(luò )擁塞和較大聚合延遲問(wèn)題，從而影響分布式機器學(xué)習模型訓練速度和效率，進(jìn)而影響業(yè)務(wù)的部署和迭代。

3　面向工業(yè)互聯(lián)網(wǎng)的在網(wǎng)計算技術(shù)架構

在網(wǎng)計算使用網(wǎng)絡(luò )設備進(jìn)行近數據計算，可以在高速轉發(fā)過(guò)程完成應用數據處理，縮短了數據傳輸路徑，是解決分布式應用在計算和通信瓶頸問(wèn)題上的重要技術(shù)。

圖2  面向工業(yè)互聯(lián)網(wǎng)的在網(wǎng)計算技術(shù)架構

如圖2所示，在網(wǎng)計算架構包含異構網(wǎng)元、高性能互聯(lián)、在網(wǎng)計算通信庫、分布式應用和編排管理5個(gè)核心功能層：異構網(wǎng)元是指在不同場(chǎng)景下具備在網(wǎng)計算能力的物理設備，是實(shí)現在網(wǎng)計算的基礎底座；高性能互聯(lián)層為服務(wù)器、在網(wǎng)計算網(wǎng)元提供可靠、高效的連接保障，可基于現有成熟協(xié)議棧，如RoCE、InfiniBand、OPC UA和Modbust等，也可以基于自定義協(xié)議棧；在網(wǎng)計算通信庫作為在網(wǎng)計算架構體系的核心層，為分布式應用提供了通用的在網(wǎng)計算加速能力；分布式應用層包含在網(wǎng)計算可以服務(wù)的各種應用類(lèi)型，包括以計算為特征的大規模數據采集、質(zhì)量管理預測，以控制和響應為特征的AGV協(xié)同導引，以多媒體融合為特征的車(chē)間可視化等應用；在網(wǎng)計算編排管理層主要包括對網(wǎng)絡(luò )設備的資源管理，以及計算任務(wù)跨網(wǎng)絡(luò )設備運行過(guò)程的任務(wù)調度管理和編排。

在網(wǎng)計算架構的橫向：在網(wǎng)計算通信庫承上啟下，以異構網(wǎng)內算力資源實(shí)現統一的在網(wǎng)計算服務(wù)；縱向：在網(wǎng)計算編排管理全棧貫通，優(yōu)化應用開(kāi)發(fā)模式、協(xié)同端網(wǎng)任務(wù)部署、統籌網(wǎng)內資源管理。在網(wǎng)計算通過(guò)“一橫一縱”實(shí)現應用層和網(wǎng)元之間的計算通信協(xié)同，實(shí)現包括在網(wǎng)數據推理、在網(wǎng)業(yè)務(wù)感知、在網(wǎng)控制，以及在網(wǎng)數據聚合等4項面向工業(yè)互聯(lián)網(wǎng)的加速技術(shù)。

4　面向工業(yè)互聯(lián)網(wǎng)的在網(wǎng)計算加速技術(shù)

4.1　在網(wǎng)數據推理技術(shù)有效彌補園區物聯(lián)網(wǎng)邊緣算力不足

在網(wǎng)計算數據推理是由可編程轉發(fā)設備實(shí)現包括決策樹(shù)、SVM、樸素貝葉斯的各種分類(lèi)算法，支撐網(wǎng)絡(luò )設備在網(wǎng)絡(luò )路徑上就近返回決策處理結果。引入在網(wǎng)數據推理后，由網(wǎng)絡(luò )轉發(fā)設備實(shí)施數據推理計算，依據分析服務(wù)器下發(fā)的數據模型對收集到的原始數據進(jìn)行推理，對原始數據進(jìn)行特征提取和異常識別并將控制指令返回給終端設備。與基于分析服務(wù)器的推理（原始數據被傳輸到分析服務(wù)器進(jìn)行推理）相比，中間層網(wǎng)絡(luò )設備推理提前終止了終端設備發(fā)往分析服務(wù)器的原始數據流量，節省了核心網(wǎng)絡(luò )的帶寬，即減少了網(wǎng)絡(luò )中業(yè)務(wù)流的總量，利用網(wǎng)絡(luò )設備的高速處理能力減少了推理時(shí)間,在卸載分析服務(wù)器的算力的同時(shí)加速了數據的實(shí)時(shí)分析和控制指令的響應。

4.2　在網(wǎng)業(yè)務(wù)感知技術(shù)有效提升生產(chǎn)辦公等場(chǎng)景下XR業(yè)務(wù)的服務(wù)質(zhì)量

在網(wǎng)業(yè)務(wù)感知通過(guò)網(wǎng)絡(luò )設備根據數據包載荷獲取業(yè)務(wù)信息以實(shí)現業(yè)務(wù)探測功能，根據關(guān)聯(lián)數據流方式實(shí)現專(zhuān)用承載識別及網(wǎng)絡(luò )切片識別，提供了更精準的服務(wù)保障。在網(wǎng)計算技術(shù)通過(guò)網(wǎng)絡(luò )感知業(yè)務(wù)的方式，提升網(wǎng)、業(yè)、端協(xié)同以及構建分布式高性能計算能力，為XR終端設備提供了高性能計算支撐。XR業(yè)務(wù)實(shí)現端云協(xié)同渲染時(shí)，需要實(shí)現邊緣云和終端設備協(xié)同分配計算任務(wù)，在終端側進(jìn)行低延遲的渲染任務(wù)，在邊緣云進(jìn)行計算密集型的運算和圖像渲染，并整合兩者的計算結果。引入在網(wǎng)計算能力，通過(guò)網(wǎng)絡(luò )設備增強并行分布式計算能力和聚合通信能力，隨路卸載邊緣云的計算任務(wù)，可以大幅提升XR的渲染能力，提供更實(shí)時(shí)的用戶(hù)體驗。

4.3　在網(wǎng)控制技術(shù)優(yōu)化生產(chǎn)現場(chǎng)網(wǎng)絡(luò )的可控性和靈活性

在網(wǎng)控制技術(shù)是指關(guān)鍵控制任務(wù)被卸載到通過(guò)遠端管理的網(wǎng)元設備中的方法。比如，在進(jìn)行工業(yè)機械臂的控制流程系統中，將工業(yè)機械臂的控制流程重新劃分為延遲敏感任務(wù)和高級控制任務(wù)，將高級控制任務(wù)保留在原云/邊緣數據中心的工業(yè)控制器，將工業(yè)機械臂的實(shí)時(shí)速度控制卸載到可編程轉發(fā)設備。由工業(yè)控制器、在網(wǎng)計算網(wǎng)元設備和工業(yè)機械臂組成的控制系統，將較長(cháng)、較遠的控制環(huán)路分割成較小的環(huán)路，以處理傳輸延遲，實(shí)現線(xiàn)速計算，并確保微秒級的實(shí)時(shí)響應時(shí)間，從而解決云和邊緣云機器人技術(shù)問(wèn)題。這種使用網(wǎng)絡(luò )硬件對現場(chǎng)實(shí)施控制的方式可以在通信過(guò)程中為應用層的低延遲實(shí)時(shí)計算開(kāi)辟新的領(lǐng)域。

在分布式系統中，通過(guò)共識協(xié)議來(lái)實(shí)現對某個(gè)數據值或操作序列的一致性，比如鎖管理系統、組播通信、一致性協(xié)調。支持在網(wǎng)計算的轉發(fā)設備卸載一致性共識功能，可以減少工業(yè)控制器之間的協(xié)調延遲。

4.4　在網(wǎng)數據聚合技術(shù)可降低工廠(chǎng)內網(wǎng)和外網(wǎng)數據擁塞問(wèn)題

在網(wǎng)數據聚合技術(shù)在工廠(chǎng)內網(wǎng)及工廠(chǎng)外網(wǎng)的數據中心內部有不同的實(shí)現：

在工廠(chǎng)內網(wǎng)采用在網(wǎng)數據聚合技術(shù)，利用可編程數據平面的改進(jìn)通信協(xié)議，支持在網(wǎng)絡(luò )級別的硬件交換機內實(shí)現數據聚合算法，根據網(wǎng)絡(luò )狀態(tài)和物聯(lián)網(wǎng)設備使用的不同通信技術(shù)實(shí)現數據聚合功能。通過(guò)減少通過(guò)網(wǎng)絡(luò )發(fā)送的數據包數量，減少對網(wǎng)絡(luò )設備帶寬資源的占用和服務(wù)器計算資源的消耗。

在云數據中心網(wǎng)絡(luò )引入在網(wǎng)數據聚合技術(shù)，由網(wǎng)絡(luò )交換節點(diǎn)卸載機器學(xué)習中的參數聚合處理，使任務(wù)總體數據傳輸量下降，解決通信系統中存在的帶寬瓶頸，使其模型訓練速度加快，業(yè)務(wù)效率提升，最終提高系統計算任務(wù)的總體性能。

5　總結與展望

工業(yè)互聯(lián)網(wǎng)對計算和網(wǎng)絡(luò )提出了更加嚴格的業(yè)務(wù)需求，通過(guò)引入在網(wǎng)計算可以實(shí)現系統性能的提升。本文通過(guò)分析工業(yè)互聯(lián)網(wǎng)工廠(chǎng)內外多種應用場(chǎng)景和業(yè)務(wù)需求，針對性地提出了在網(wǎng)數據推理、在網(wǎng)業(yè)務(wù)感知、在網(wǎng)控制，以及在網(wǎng)數據聚合等4項關(guān)鍵技術(shù)，有效提升了工業(yè)互聯(lián)網(wǎng)應用的計算效率、可靠性和靈活性，同時(shí)提升了算網(wǎng)資源的利用率。面向未來(lái)，在網(wǎng)計算將深度融入工業(yè)互聯(lián)網(wǎng)算網(wǎng)基礎設施，不斷賦能更多應用場(chǎng)景和垂直業(yè)務(wù)。

作者簡(jiǎn)介：

牟　彥（1979-），女，工程師，現就職于中國移動(dòng)通信有限公司研究院，主要研究方向為未來(lái)網(wǎng)絡(luò )、在網(wǎng)計算、算力網(wǎng)絡(luò )以及工業(yè)互聯(lián)網(wǎng)的技術(shù)和應用。

姚柯翰（1993-），男，工程師，現就職于中國移動(dòng)通信有限公司研究院，主要研究方向為算網(wǎng)一體前沿技術(shù)、在網(wǎng)計算、AI網(wǎng)絡(luò )等。

劉　鵬（1991-），男，工程師，現就職于中國移動(dòng)通信有限公司研究院，主要研究方向為下一代IP網(wǎng)絡(luò )、確定性網(wǎng)絡(luò )的技術(shù)和應用。

陸　璐（1979-），女，高級工程師，現就職于中國移動(dòng)通信有限公司研究院，主要研究方向為移動(dòng)核心網(wǎng)策略、演進(jìn)、標準和技術(shù)研究。

參考文獻：

[1] 工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟(AII). 工業(yè)互聯(lián)網(wǎng)網(wǎng)絡(luò )連接白皮書(shū)(版本2.0)[R]. 2021.

[2] YANG Fan, SONG Wenxuan, XU Fangmin, et al. Research on the Application of Computing Force Network

Technology in Industrial Internet of Things[J]. Radio Communications Technology, 2023, 49 (1) : 63 - 71.

[3] Kaur K, Garg S, Aujla G S, et al. Edge Computing in the Industrial Internet of Things Environment: SoftwareDefined-Networks-Based Edge-Cloud Interplay[J]. IEEE Communications Magazine, 2018, 56 (2) : 44 - 51.

[4] Rafique W, Qi L, Yaqoob I, et al. Complementing loT Services through Software Defined Networking and Edge Computing: A Comprehensive Survey[J]. IEEE Communications Surveys & Tutorials, 2020, PP (99) : 1.

[5] 潘輝江. 基于網(wǎng)內計算的物聯(lián)網(wǎng)計算卸載設計與研究[D]. 北京: 北京郵電大學(xué), 2022.

[6] Sándor Laki1, Csaba Gy?rgyi1, József Pet?o2, et al. In-Network Velocity Control of Industrial Robot Arms[J]. NSDI, 2022.

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