解讀下一代網路：算力網路正從理想照進現實

摘要：AI、5G時代下，下一代網路的發展走向會如何？

在今年召開的《面向2030的新型網路》主題論壇中，業內專家給出了它們的答案。研討會中，專家對於未來網路展望的關鍵詞是：算力網路、確定性網路、內生安全。這三個詞分別代表了產業對“未來網路的新願景、需要解決的新問題、面臨的新挑戰”。

其中，算力網路是2030網路最關鍵的特徵（新願景）。其實從2017年開始，產業內就開始研究聯接和計算的融合，之後又對下一代“聯接+計算”的融合網路進行了展望，並逐漸形成了2020年產業對“算力網路”的共同願景。

從網路2020到2030，“聯接+計算”成主流

網路2020主要是“彩蝶架構”，其特徵是無線RAN，光纖FAN兩個超寬接入網，面向公眾Internet骨幹網和麵向產業互聯的DCI雲骨幹網，中間是融合的城域智慧邊緣。

如今，RAN接入從4G到5G，FAN從F4G到F5G，構建了面向個人和家庭的雙千兆接入網，以及超寬的DCI雲骨幹網。

得益於“網路2020”的架構轉型，在新冠肺炎疫情期間，Zoom和釘釘等成功支撐了數億使用者居家影片辦公，實現了網路從消費娛樂到遠端影片辦公能力的顯著提升。

圍繞AI和行業數字化需求，業內希望下一代網路能夠具備從目前提供“頻寬+機房”的服務提升到“聯接+計算”服務的新能力。

在ITU FG-2030工作組中，對網路2030的定位是“從聯接人，到聯接組織，到聯接社會”，下一代網路的定位是成為聯接未來社會、新通訊業務和新基礎設施的紐帶。

智慧社會需要算力網路

隨著AI的出現和CPU處理器處理能力的大幅提升，機器算力已經逐漸逼近、甚至超越人類腦力。從引入機器大腦開始，人類就已經進入了“智慧社會”。

但智慧社會也存在三個階段，從當前人腦指揮機腦的初級階段，到人機協同階段，再到未來人腦制定規則機腦自主執行的全息化“智慧社會”。

在智慧社會的演進中，對下一代網路的基礎設施、通訊能力也提出了新的要求。

未來社會將產生海量資料：全息智慧社會和傳統社會最大的區別在於各種感知終端將產生海量的原始資料，需要進行處理。

據有關預測，在人機協同階段，來自大量IoT和影片採集訊號的資料，將需要至少千兆的網路接入能力。在全息化階段，如果需要將人的外觀、觸感、嗅覺、味覺等資訊進行全息傳送，未壓縮資料就需要4Tbps，即使壓縮後也需要至少百G的接入頻寬。

資料處理需要網路化算力新基礎設施：智慧社會產生的海量資料都需要大量的算力進行處理，根據羅蘭貝格的預測，各行各業對於算力的需求將出現高速的增長，從2018年到2030年，自動駕駛對算力的需求將增加390倍，智慧工廠需求將增長110倍，主要國家人均算力需求將從今天不足500GFLOPS，到2035年增加到10000 GFLOPS。

終端算力在超過128核之後，經濟性將面臨瓶頸，雲資料中心受到傳輸頻寬成本和時延的影響，邊緣算力將成為支撐智慧社會海量資料處理的關鍵一環。

5G/WiFi6/F5G開啟了資料的水龍頭，處理資料的三級載體雲資料中心、邊緣計算、智慧終端將組成網路化算力新型基礎設施。

新通訊將為全社會提供智慧服務：網路帶給社會的價值就是其承載的業務，以前網路幫助人們建立了溝通渠道，承載了通訊服務；今天網路聯接了端和雲，帶給人們豐富的內容，承載了內容服務；未來面向智慧社會，網路將聯接雲、邊、端，將海量資料傳輸到網路化算力基礎設施，為萬物帶來智慧。

其中，智慧服務與內容服務對網路的要求不同，智慧服務的流量流向將以上行為主，邊緣處理為主，需要網路具備更大的上行頻寬能力，對實時性要求更高，網路需要“確定性保障”。內容服務對實時性要求不高，網路僅需“盡力而為”。

考慮到未來社會需要給萬物帶來智慧服務，所以算力網路需要滿足以下三個特性：

算力網路要支撐海量資料的接入，未來10年需要從千兆到百G超寬頻，IP和光要支撐百倍的容量提升，雲節點透過中心+邊緣分散式支撐百倍容量的增長，邊緣計算將分擔資料中心和終端的算力增長不足。

算力網路要聯接雲、邊、端網路化算力基礎設施，構建專業化、彈性的算力資源池，支撐百倍增長的高效資料處理能力。

算力網路要支援算網協同，能夠感知業務算力需求，為資料到算力提供最優路由和可信服務，並透過IPV6協議擴充套件，實現一個物理網路與多個虛擬網路統一管理，向上感知智慧業務，向下感知網路資源，實現算力效率的進一步提升，並能夠在網路資源不足情況下，為業務提供差異化SLA服務。

算力網路研究加速，業內釋出最新成果

2020年產業對算力網路的研究進入了一個新的階段，目前算力網路相關標準已經立項，包括ITU-T 5項、MEF 1項、ETSI 1項、CCSA 2項，並在網路5.0聯盟（TC614）成立了算力網路特別工作組。

今年年底，產業也相繼釋出了最新的研究成果。

聯通在《算力網路架構與技術體系白皮書》中提到，目前SDN已經實現了雲和網的拉通特別是專線等級的連線，NFV實現了核心網功能的全面雲化。但是目前SDN與NFV的部署一般相互獨立，各自自成體系。結合5G、 泛在計算與AI的發展趨勢，以算力網路為代表的雲網融合2.0時代正在快速到來。

雲網融合2.0是在雲網融合1.0基礎上，強調結合未來業務形態的變化，在雲、網、芯三個層面持續推進研發，結合“應用部署匹配計算，網路轉發感知計算，晶片能力增強計算”要求，實現 SDN 和 NFV 的深度協同。

聯通定義的“算力網路體系架構”是指在計算能力不斷泛在化發展的基礎上，透過網路手段將計算、儲存等基礎資源在雲-邊-端之間進行有效調配的方式，以此提升業務服務質量 和使用者的服務體驗的計算與網路融合思路架構。

移動在《泛在計算服務白皮書》中將“泛在計算”定義為“透過自動化、智慧化排程，人們可在任何時間任何地點無感知的將計算(算力、儲存、網路等)需求與雲-邊-端多級計算服務能力連線適配，透過多方算力貢獻者和消費者共同參與，實現算力從產生、排程、交易到消費的閉環，實現算網一體、算隨人選、算隨人動的可信共享計算服務模式”。其具備四個主要特徵：算網融合，算隨人選，算隨人動，可信共享。

電信提出“網路是邊緣計算的核心能力之一”，建議以邊緣計算為中心，重新審視和劃分對應的網路基礎設施，並將網路劃分為ECA（邊緣計算接入網路），ECN（邊緣計算內部網路），ECI（邊緣計算網際網路絡）。其中，算力網路是聯接與計算深度融合的產物，透過成熟可靠、超大規模的網路控制面（分散式路由協議、集中式控制器等）實現計算、儲存、傳送資源的分發、關聯、交易與調配。並將網路架構劃分為“應用資源定址”，“演算法資源定址”和“基礎資源定址”三層，實現多維度資源的關聯、定址、交易和調配等。

實現“聯接+計算”的服務化，首先是要構建SLA量化分級體系，聯通與華為完成了《面向業務體驗的算力需求量化與建模研究報告》，信通院釋出了《5G切片端到端SLA需求研究報告》，分別對計算和聯接的服務量化分級給出了建議。

5G+AI是行業發展業務的關注點，也是算力網路的最佳試驗田，在第三屆“綻放杯”參賽的4289個專案中，有55%的專案與AI相關，邊緣計算的使用率也達到了49%。

算力網路還需構建兩個關鍵能力

計算和聯接分級量化只是算力網路落地的起點，面向社會提供泛在算力服務還需要實現AI設計自動化，減少面向企業提供服務過程中需要高階專家的參與的問題，這需要解決兩個技術挑戰：從資料到演算法的AI應用演算法的自動化設計工具、從AI應用到聯接+計算資源的“AI應用環境（聯接+計算）自動規劃工具”。

如果把AI應用場景劃分為設計態和執行態，這兩個關鍵技術都屬於設計態的工作，目前的算力網路技術架構中對執行態考慮比較充分，但對設計態則比較欠缺。

AI應用的自動化設計工具：類似電商平臺的“千人千面”引擎，可以基於企業提供的資料和需求，自動完成演算法推薦和超引數調優，核心是讓非AI領域專家也可以自動構建AI應用程式。

近年來，深度學習在各個領域得到了應用，在影像分類、物體檢測、語言建模等領域，都得到了應用。由於AlexNet在2012年ImageNet大型視覺識別挑戰賽(ILSVRC)中超越了所有其他傳統的手動方法，因此越來越複雜和深度的神經網路被提出來。例如，VGG-16有1.3億多個引數，佔用近500 MB的記憶體空間，處理一張224×224大小的影像需要153億次浮點運算。

然而，值得注意的是，這些模型都是由專家透過試錯和手工設計的，這意味著即使是AI專家也需要大量的資源和時間來建立效能良好的模型。為了降低這些繁重的開發成本，近年來出現了將機器學習（ML）流水線自動化的新思路，即自動機器學習(Automatic Machine Learning)。

AutoML設計的目的是減少對資料科學家的需求，使非AI領域專家也能夠自動構建ML應用程式，而不需要過多的統計和ML知識。自動機器學習（Automated Machine Learning, AutoML）成為無需人工干預的DL系統的一種有希望的解決方案，現在越來越多的研究者開始關注AutoML。

AI應用環境（聯接+計算）自動規劃工具：根據演算法和客戶資料處理的實時性需求，自動分解出需要的算力（TOPS），儲存，網路頻寬和時延的要求。這個軟體類似網路規劃工具，區別是要把“計算和聯接”資源一體化考慮，客戶可以在設計前增加一些約束條件，比如頻寬，時延約束等。

商業上為了進一步簡化，可以參考信通院《5G切片端到端SLA行業需求研究報告》的分級思路，將聯接需求對映到頻寬、時延等幾個等級，計算可以參考CCSA TC1《面向業務體驗的算力需求量化與建模研究報告》將算力需求對映到算力、儲存等幾個等級：

企業在內部測試驗證時，也可以參考計算和聯接服務等級定義，並考慮到一定的冗餘，從而可以快速將AI應用與計算+聯接的資源服務之間形成對映關係，容易實現算力標準化、和應用的跨平臺遷移，從而加速算力網路的商業化程式。

理想照進現實，算力網路將起航

算力網路自2019年被業界提出以來，在聯接和計算的SLA分級、泛在計算架構、算力網路技術架構等研究方面已經取得了顯著的進展，面向行業數字化轉型的萬億市場，結合“5G+AI”需求，以算力網路為代表的下一代網路轉型即將起航。

本文分享自華為雲社群《解讀下一代網路：算力網路正從理想照進現實》，原文作者：技術火炬手 。