《紫金山實驗室：2023未來網絡白皮書-智能互聯網白皮書（59頁）.pdf》由會員分享，可在線閱讀，更多相關《紫金山實驗室：2023未來網絡白皮書-智能互聯網白皮書（59頁）.pdf（59頁珍藏版）》請在三個皮匠報告上搜索。

1、 版權聲明版權聲明 本白皮書版權屬于網絡通信與安全紫金山實驗室所有并受法律保護，任何個人或是組織在轉載、摘編或以其他方式引用本白皮書中的文字、數據、圖片或者觀點時，應注明“來源：網絡通信與安全紫來源：網絡通信與安全紫金山實驗室金山實驗室”。否則將違反中國有關知識產權的相關法律和法規，對此網絡通信與安全紫金山實驗室有權追究侵權者的相關法律責任。編寫說明編寫說明 編寫單位：編寫單位：網絡通信與安全紫金山實驗室、北京郵電大學、人工智能與數字經濟廣東省實驗室（深圳）、Carleton University、中國信息通信研究院、中國聯合網絡通信有限公司研究院、“科創中國”未來網絡專業科技服務團 主要編寫

2、人員：主要編寫人員：謝人超、F.Richard Yu、賈慶民、唐琴琴、謝高暢、鄒鑫、吳雙、黃韜、周曉茂、胡玉姣、郭凱、彭開來、劉輝、賴華堯、何斌、湯雅婷、張華宇、嚴園園、馬千飄、陳平平、吳運翔、劉芷若、張巖、崔煜喆 I 前 言 隨著信息通信網絡技術的快速發展，在云計算、邊緣計算、終端設備中部署的智能模型和資源變得越來越多，如何高效利用這些智能資源，驅動各行各業智能化水平的提升成為當前業界面臨的重要課題。在“網絡需要智能、智能需要網絡”的背景下，智能互聯網的概念得以提出。智能互聯網旨在將分布式的智能資源進行互聯，充分利用和共享智能資源及智能服務，提升智能資源的利用率，同時提升設備和應用的智能化決

3、策水平。本白皮書詳細闡述了智能互聯網的發展背景、基本概念、參考架構、關鍵使能技術，同時介紹了智能互聯網的典型應用場景，并探討了智能互聯網的生態建設和挑戰機遇。目前，工業界和學術界對智能互聯網的研究尚處于起步階段，并仍處于快速發展之中，因此本白皮書還存在需要不斷完善的地方，真誠地企盼讀者批評指正。II 目 錄 前 言.I 目 錄.II 一、智能互聯網發展背景.1 1.1 互聯網面臨的挑戰.1 1.2 網絡范式演進歷程.3 1.3 人工智能演進歷程.5 1.4 智能互聯網的產生.8 二、智能互聯網參考架構及關鍵技術.12 2.1 智能互聯網參考架構.12 2.2 智能互聯網使能技術.16 2.2.

4、1 物理資源層.16 2.2.2 資源虛擬層.20 2.2.3 信息層.22 2.2.4 智能層.25 2.2.5 應用層.29 三、智能互聯網應用場景.31 3.1 智慧交通.31 3.2 智能制造.33 3.3 智慧城市.35 3.4 智慧醫療.37 3.5 元宇宙.38 III 四、智能互聯網生態建設.41 4.1 基礎設施建設.41 4.2 異構實體兼容.42 4.3 智能資源互聯.43 五、技術挑戰與未來方向.46 5.1 智能度量與建模.46 5.2 協議設計.47 5.3 激勵機制.47 5.4 智能發現.48 六、總結與展望.50 附錄 A：術語與縮略語.51 參考文獻.53

5、1 一、智能互聯網發展背景一、智能互聯網發展背景 智能互聯網（IoI，Internet of Intelligence）是一種新興的網絡范式，推動未來的網絡從基于信息的體系結構轉向基于智能的體系結構，并使智能像物質、能量和信息一樣容易獲得，以進一步模糊人工智能（AI，Artificial Intelligence）與人類智能的邊界。本白皮書闡述了智能互聯網的產生背景、體系結構、使能技術、應用場景、生態建設和機遇挑戰，旨在為那些有興趣了解智能互聯網概念和技術的研究人員提供介紹與指導。具體而言，本章首先從研究網絡范式和人工智能的演進歷史入手，然后通過論證網絡需要智能，智能需要網絡，進一步闡述了智能

6、互聯網產生的動因及目的。1.1 互聯網互聯網面臨的挑戰面臨的挑戰 互聯網經過幾十年的研究和發展已經成為當今世界促進經濟發展和社會進步的重要信息基礎設施。根據思科的白皮書顯示，到 2023年互聯網用戶總數將達到 53 億，聯網設備將超過 293 億。通過用戶與機器之間的信息聯網，互聯網可以將信息即時傳遞給千里之外的各類用戶，實現全球信息化。然而，用戶與信息的快速膨脹也給后互聯網時代的發展帶來了一些新的挑戰。信息爆炸信息爆炸：互聯網中不斷接入的終端設備、邊緣計算（MEC，Multi-access Edge Computing）站點、以及云計算數據中心等設備產生 2 了爆炸式增長的信息，這會造成信息

7、過載并導致網絡決策困難和應用服務質量降低；虛假信息虛假信息：越來越多的虛假信息和劣質信息通過互聯網迅速、廣泛地傳播，破壞了互聯網的和諧環境，也危害了經濟和社會的發展；人在回路人在回路（Human-in-the-loop）：互聯網爆發式的發展趨勢，給當前“人在回路”的網絡運營管理帶來了在規模、復雜性、動態性和成本高等方面前所未有的挑戰；應用應用局限性局限性：互聯網在解決現有應用場景中的挑戰方面表現出局限性。例如，互聯網現有的運維管理能力難以支撐開發可靠且效益極高的自主系統（如智能制造系統及自動駕駛系統）。隨著具備通用性特征的 AI 技術獲得學術界和產業界前所未有的關注，研究人員開始將 AI 應用

8、于計算機/通信網絡中以解決上述問題并推進各個領域應用的發展。例如：在智慧城市、智能電網、智慧教育等場景中使用了、AI 技術以驅動應用系統構建及相關技術研發。另外，通過智能組網可以實現分布式智能、智能存儲、智能共享，以進一步模糊人工智能與人類智能的邊界，顯著提升訓練效率，更有效地模擬真實世界環境。因此，從應用場景和技術發展角度來看，未來的網絡的演進呈現出需要從基于信息的體系結構轉向基于智能的體系結構的趨勢。智能互聯網就是一種基于上述思想來解決網絡挑戰的新興網絡范式，并引起了工業界和學術界的高度關注。為了使研究人員更直觀、更深入地理解 IoI，并提供有洞察力的指導方案以充分發揮 IoI 的深遠效益

9、，本白皮書從網絡范式與人工智能的演進歷史入手，3 從概念、架構、技術、場景、生態、挑戰等多個方面對 IoI 進行了系統、全面的闡述。1.2 網絡網絡范式范式演進演進歷程歷程 為探索 IoI 產生和發展的必要性和必然性，需要在更長遠的時間角度上審視人類社會的發展?；仡櫲祟惿鐣l展史，可以發現“合作”是信息交互的核心紐帶。人類作為社會物種，需要依靠合作來實現生存和繁榮。人們往往認為，人類之所以能夠主宰世界，是因為人類是唯一能夠大量靈活合作的動物。在現代歷史上，為了促進社會經濟系統中的合作，人類發明了使物質、能源和信息聯網的技術，即交通運輸網、能源傳輸網和信息互聯網。如圖 1-1 中所示。下面將簡要

10、回顧這三種組網技術。圖 1-1 網絡范式演進 交通運輸網：交通運輸網：在人類發展歷程中，第一個成功的網絡是交通運輸網，它實現了物質的傳輸。交通技術對于促進人類合作至關重要，其 4 本質上是將大量的物體從一個地點運到另一個地點，以減少不同空間之間的物質資源差距。在物質聯網的初始階段，人類靠步行運輸；后來，人類利用動物和木船等簡易交通工具運輸。在 18 世紀和 19 世紀，大量新型交通工具及相關技術被發明，比如自行車、汽車、火車和有軌電車。如今，飛機、高鐵、磁懸浮列車、宇宙飛船等都是交通技術的廣泛應用，極大地推動了社會經濟貿易的繁榮和人類文明的進步。能源傳輸網絡：能源傳輸網絡：能源傳輸網絡是另一種

11、顛覆性技術，是當今人類生存的基礎，也是人類繁榮的基石。能源傳輸網絡的主要目的是將能源從一個地點轉移到另一個地點，以減少能源的時空分布差距。通過電網，電能可以從發電廠傳輸到家庭和企業，這樣人們就可以很容易地獲得能源，以使用家用電器、照明建筑等各類用電物體。能量是系統在能源傳輸網絡中引起變化的能力的度量。根據熱力學第一定律，能量是守恒的，它既不能憑空產生也不能憑空消失,它可以從一個位置轉移到另一個位置，或者從一個物體轉移到另一個物體，且在轉移過程中能量的總和不變。能量和物質之間有著密切的關系，例如動能描述了物體由于機械運動而產生的能量。動能定理可以表示為：0.5mv2=0.5m(d/t)2，其中

12、m 表示質量，v 表示速度，d 表示距離，t 表示時間。因此，動能可以被視為物質在一個傳輸過程中的速度。信息互聯網：信息互聯網：隨著計算機的發明和信息技術的發展，信息互聯網應運而生，從而推動人類步入信息時代，信息互聯網的發明使人類的 5 合作達到了一個新的水平。信息互聯網的主要目的是將信息從一個地點移動到另一個地點，以減少信息的差異。當前，信息互聯網已經成為我們的社會經濟系統的主要基礎設施之一，推動著人與人之間、人與機器之間的信息交換與信息共享。1867 年，麥克斯韋領導的“惡魔”實驗首次提到了信息和能量之間的聯系，該實驗通過將信息（即每個粒子的位置和速度）轉換為能量來減少系統的熵，這個實驗激

13、發了關于熱力學和信息論之間關系的討論。1948 年，香農提出了“信息熵”的概念，解決了信息的定量度量問題，得到了與熱力學中形式相同的熵公式。熱力學熵是描述能量自發擴散過程的狀態參量。它可以表示d=/，其中d是熵的變化，是轉移的能量，T 是溫度。類似地，信息熵衡量信息的狀態，代表著信息從一個狀態移動到另一個狀態所需的最小能量。在上述網絡范式的每一次演進中，我們都可以移動“某物”（如物質、能量或信息）來減少“某物”之間的差異，從而進一步通過共享“某物”來促進人類的合作。在人類社會發展的時間尺度下，我們可以觀察到網絡范式的演化趨勢：新的網絡范式需要基于現有網絡范新的網絡范式需要基于現有網絡范式，但提

14、供了更高層次的抽象。式，但提供了更高層次的抽象。1.3 人工智能演進人工智能演進歷程歷程 人工智能作為計算機科學的一個分支研究方向，從誕生到現在已經經歷了 70 多年的發展。圖1-2 給出了人工智能的發展過程示意圖。在過去的幾十年里，AI 取得了很多進步和成就，但也經歷了挫折和 6 坎坷。即使當前的人工智能比歷史上任何時期都更接近人類智能水平，但在嚴格意義上其與人類智能仍有很大差距。圖 1-2 人工智能演進歷程 階段階段 1：1940-1970：在這一階段，研究工作集中在傳統的人工智能問題上，例如基于邏輯和啟發式算法的方法推理。具體來說，在1943年，麥卡洛克（W.McCulloch）和皮茨（

15、W.Pitts）開發了生物神經元的數學和計算機模型；維納（N.Wienner）在 1948 年開創了控制論，研究動物和機器的控制和交流；1950 年初，馮諾依曼（J.Von Neumann）和圖靈（A.Turing）開發了現代計算機的體系結構；1956 年，斯坦福大學的麥卡錫（J.McCarthy）、麻省理工學院的明斯基（M.Minsky）等學者在美國達特茅斯學院首次提出了“人工智能”的概念，人工智能被定義為機器以類似于人類的方式思考和學習。接下來的二十年是 AI 發展的黃金時期。一個成功的案例是 1966年魏森鮑姆（J.Weizenbaum）開發的 Eliza 計算機程序，這是一種自 7 然

16、語言處理工具，可以模擬與人類的對話。另一個例子是西蒙（H.Simon）等人開發的通用問題解決程序，它可以自動解決某些問題，如漢諾塔（Tower of Hanoi）問題。這些鼓舞人心的成功案例使得AI 獲得了前所未有的關注。然而，由于大量資本和勞動力的投入并沒有收到預期的效果，AI 在 1974 年至 1980 年迎來了第一個寒冬，特別是由于明斯基對感知器的強烈批判，聯結主義（或神經網絡）派消沉了近十年。階段階段 2：1980-1990：隨著 20 世紀 70 年代末第一批微處理器的出現，AI 再次引起人們的注意，并與專家系統密切相關。專家系統是指為特定目的而構建的系統，其中智能被嵌入在工具中，

17、并且有關其操作的知識在系統規范中是公開可用的。專家系統在工業領域有著廣泛的應用。一個著名的例子是 IBM 的 Deep Blue 國際象棋程序在 1997年擊敗了世界冠軍卡斯帕羅夫（G.Kasparov）。專家系統最適合靜態問題，而不適合實時動態問題。專家系統將智能狹義地定義為抽象推理，這與模擬真實世界復雜性的能力相去甚遠。此外，它的開發和維護是復雜的。20 世紀 90 年代，隨著日本智能（第五代）計算機發展的失敗和斯坦福大學主導的人類知識百科全書 Cyc 的衰落，AI 的發展再次進入寒冬。階段階段 3：2010 年至今：年至今：由于大量應用的成功實現，AI 的研究再次成為熱點。例如，2016

18、 年，谷歌的 AlphaGo 擊敗了世界冠軍李世石；2020 年，AlphaFold 成功預測了蛋白質的形狀，使其能夠執行生命活動。與專家系統不同，當今 AI 的浪潮的關鍵要素是系統的學習 8 能力。其中神經網絡和深度學習這兩種技術發揮著重要作用。神經網絡的目的是建立一個類似于人類大腦結構和計算結構的模型，通過示例（監督學習）來指導網絡，以學習變量之間的非線性相關性。深度學習則起源于 20 世紀 80 年代辛頓（G.Hinton）的工作。它的學習算法基于非線性統計，學習數據在多層神經網絡中被組織。神經網絡是深度學習算法的基石，而深度學習中的“深度”指的是神經網絡中各層的深度。然而，深度學習仍有

19、許多挑戰需要解決。例如，深度學習系統需要海量數據才能獲得強大的學習性能。然而，在實際應用中，由于隱私和資源限制，系統可能無法獲得高質量的訓練數據。此外，與先驗知識的融合、可解釋性也是深度學習中的關鍵問題。1.4 智能互聯網智能互聯網的產生的產生（1）網絡需要智能）網絡需要智能 互聯網作為極為關鍵的信息基礎設施，在過去的幾十年里經歷了突飛猛進的發展，迄今為止它已經擁有數十億的網站、活躍用戶和連接設備?；ヂ摼W的這一爆炸性發展趨勢帶來了諸如信息過載、虛假信息以及難以設計可信且經濟高效的自治系統等挑戰，因此網絡需要智能解決上述問題挑戰。AI 等智能技術通常被用于從各種信息源中提取網絡環境中的智能。首先

20、，通過向網絡中注入智能，可以有效地從海量互聯網信息中提取有用信息；其次，智能也可以存儲、傳輸和共享，從而減少網絡中的信息冗余；再次，區塊鏈技術的采用還可以有效增強網絡安全和隱私問題，從而促進智能共享、智能分布、集中學 9 習和決策信任；此外，“人在回路”的網絡操作方式有望增強網絡的健壯性，實現對網絡動態事件的快速響應。最后，智能的廣泛應用使得網絡還將具備自主配置、自主組織、自主適應的能力，從而有效支持自主駕駛等可靠性強且經濟效益高的自治系統的設計開發。（2）智能需要網絡）智能需要網絡 現有的大多數 AI 工作都以單代理訓練為主，這在很大程度上依賴于本地環境中的大量預定義數據集。然而，隨著互聯網

21、中數據的快速增長，這種集中式的 AI 方法受到本地計算能力和存儲能力的限制，訓練出的模型泛化能力有待提高。為了解決這些問題，AI 算法需要高質量的數據源來更好地訓練模型。另外，雖然 AI 的概念被定義為使計算機能夠像人類一樣智能地執行任務的科學。然而目前它與人類學習還相差甚遠，人類學習需要的數據集要少得多，并且在適應新環境方面也更加靈活。人類學習的一個決定性特征是集體學習，通過集體學習，智慧可以被人類保存、分享和傳承。也就是說，集體學習是一種有效分享智慧的能力，這樣個人的想法就可以儲存在社區的集體記憶中代代相傳。集體學習的這種特點使人類能夠通過分享以應對周圍環境來適應新環境，從而在生物圈中發揮

22、主導作用，而目前的人工智能系統很難做到這一點。因此，未來的智能發展也離不開網絡，通過將智能聯網，可以實現分布式智能、智能存儲和智能共享，以進一步模糊人工智能與人類智能之間的邊界，顯著提高訓練效率，并更有效地模擬真實世界環境。10（3）智能互聯網）智能互聯網 前文論證了網絡需要智能的同時智能也需要網絡，即未來的網絡范式離不開智能化來解決當前信息網絡范式中存在的問題。在此背景下，IoI 是繼交通運輸網絡、電力能源網絡、信息互聯網之后的新一代網絡體系，是未來網絡技術與 AI 技術深度融合的網絡新范式。IoI旨在將分布式的智能資源進行互聯，充分利用和共享智能資源及智能服務，提升智能資源的利用率，同時提

23、升設備和應用的智能化決策水平。IoI 使智能如物質、能量和信息一樣易于獲取，這里的提到的智能并不等同于信息，而是對信息的更高層次的抽象和濃縮，它描述了通過分析信息集獲得的一般模式和關系。智能可以是將信息聚合成智能的算法，即智能模型，也可以是通過應用模型而獲得的抽象信息，即智能樣本。例如，經過訓練的機器學習（ML，Machine Learning）模型是一種能夠從輸入信息中返回智能信息的技術。之后，提取的智能信息可以通過智能組合的方法被進一步運用，在該方法中，現有智能信息被進一步分析/組織以生成新的智能。圖 1-3 顯示了數據、信息和智能之間的邏輯關系。IoI 有望有效幫助解決當前社會經濟系統中

24、的挑戰，并像前述三種網絡范式一樣顯著影響人類的日常生活。研究探討 IoI 對于突破當前互聯網和人工智能存在的技術瓶頸、推動社會經濟生活向智能化方向發展演進具有重要意義。11 圖 1-3 數據、信息和智能的關系 12 二、智能互聯網參考架構及關鍵技術二、智能互聯網參考架構及關鍵技術 智能互聯網從邏輯上分為物理資源層、資源虛擬層、信息層、智能層和應用層五層，基于虛擬化技術、信息中心網絡技術、人工智能技術、大數據分析技術、區塊鏈技術，助力通信、計算、存儲和智能資源的靈活調度與共享互聯。2.1 智能互聯網參考架構智能互聯網參考架構 智能互聯網體系架構采用分層思想設計，包括物理資源層、資源虛擬層、信息層

25、、智能層和應用層五層，如圖 2-1 所示。物理資源層涵蓋智能互聯網的各種底層物理資源，如通信資源、緩存資源、計算資源和感知資源，是系統架構的基礎支撐。隨著網絡虛擬化、軟件定義網絡（SDN，Software Defined Network）等技術的不斷發展，云化成為網絡發展的重要趨勢，在此背景下，資源的利用顯得尤為重要。因此，物理資源層之上的資源虛擬層將基礎設施資源通過虛擬化技術抽象為邏輯資源以靈活調度。信息層支持智能數據處理以提取有用的信息，并將其傳輸到智能層。然后，智能層合并信息，利用 AI、區塊鏈和大數據分析等技術開發綜合智能。應用層通過各種標準化接口實現應用程序的動態部署和管理。13 圖

26、 2-1 智能互聯網參考架構 物理資源層物理資源層：物理資源層主要由 IoI 中的各種基礎設施資源組成，包括通信資源、緩存資源、計算資源、感知資源等。通信資源涵蓋來自無線接入網（RAN，Radio Access Network）、傳輸網、核心網等的傳輸和網絡資源。緩存資源和計算資源由支持內容存儲和數據計算的各類型實體組成，如智能設備、邊緣計算服務器、基站（BS，Base Station）和數據中心。感知資源由感知周圍環境并實時收集數據的傳感設備組成。由于物理資源存在于分布式且異構的基礎設施中，需要通過虛擬化技術將物理基礎設施資源抽象并形成共享資源池，為智能網絡的差異化應用提供基礎資源支持。14

27、 資源虛擬層資源虛擬層：異構泛在的通信、緩存、計算和感知資源在資源虛擬層被抽象和池化。資源虛擬化指使用合適的虛擬化技術對資源進行抽象，也即基于預先定義的標準表示資源，同時隱藏或忽略與標準無關的方面，從而簡化資源的使用和管理。虛擬化的資源可以是物理層面或虛擬層面的，并且支持不同層的遞歸抽象。進一步的，通過引入池化管理程序，可以感知到各種物理資源，并將分散的資源聚合為通信資源池、緩存資源池、計算資源池和感知資源池。采用 SDN、網絡功能虛擬化(NFV，Network Functions Virtualization)、容器化等先進技術，可實現資源虛擬化，為各種應用提供按需的虛擬資源。此外，虛擬化資

28、源還可以通過分片技術按需定制服務，實現資源有效共享。信息層信息層：信息層的主要功能是處理和分析智能互聯網中各種設備產生的大量原始數據，并從中推斷出有用的信息，傳遞給智能層。由于信息層有利于服務的開發和整合，近年來引發多方關注。與此同時，信息層中大量重復冗余的內容以及低效的傳輸給目前基于 TCP/IP 的網絡架構帶來巨大挑戰。因此，在信息層采用信息中心網絡（ICN，Information-Centric Networking）架構替代傳統網絡架構。其特點是基于名稱的數據檢索和網內數據緩存，允許用戶從附近的緩存節點獲取數據。ICN 將內容與位置分開，通過發布/訂閱范式提供存儲和多方通信等服務，支持

29、用戶快速獲取信息，無需關注信息存儲位置。信息層通過把原始數據轉換為有用信息，將自我意識引入到智能互聯網系統的物理組件中。智能層智能層：智能化是未來網絡范式的基本特征之一。智能互聯網在 15 智能的驅動下，可實現網絡的自配置、自優化、自組織和自修復。因此，智能層需要將信息層的信息轉化為智能，并通過智能決策在智能互聯網上提供智能化和自適應地管理與控制。在服務層，利用大數據、人工智能等技術，實現智能探索、智能共享、智能存儲、智能傳遞、智能服務應用編程接口（API，Application Programming Interface）等功能模塊。在數據面，智能層對來自信息層的有效信息做進一步智能處理，實

30、現網內智能計算。在控制面，智能層根據網絡實時情況動態配置各種資源，為上層應用提供定制服務。此外，作為中間層，智能層可以基于區塊鏈等技術，為訂閱智能服務的用戶提供認證、授權和計費服務，以確保其隱私。應用層應用層：應用層旨在根據用戶的不同需求為其提供特定的應用服務，并對所提供的服務進行評估，然后反饋評估結果。通過智能編程和智能管理，支持整體管控更高層次的智能應用，如智慧城市、智能制造、智慧交通、智能電網、智慧醫療等。應用層還通過智能相關技術，實現智能互聯網中智能設備和基礎設施的全生命周期監控，賦予網絡自組織能力。此外，應用層負責評估服務性能，評估因素涉及到服務質量（QoS，Quality of S

31、ervice）、體驗質量（QoE，Quality of Experience）、收集的數據質量和獲取的智能質量等；同時，還需要考慮資源的利用效率（成本維度），如計算效率、能源效率和存儲效率，以完善智能資源管理及智能服務發放。16 2.2 智能互聯網使能技術智能互聯網使能技術 智能互聯網是在物聯網技術基礎上，結合各種新興技術，能夠進行智能感知與應用、大數據分析、智能共享的智能化網絡，關鍵技術包括虛擬化技術、人工智能技術、邊緣計算技術、區塊鏈技術等。本節將分層介紹各層關鍵使能技術。2.2.1 物理資源層物理資源層 物理資源層主要由智能互聯網的各種基礎設施資源組成，包括通信資源、緩存資源、計算資源和

32、感知資源。本節概述當前支持智能互聯網的通信、緩存、計算和感知技術。（1）通信）通信 第五代網絡通信（5G，5th Generation Mobile Communication Technology）和網絡技術是智能互聯網的關鍵驅動因素，可為用戶帶來高質量服務和體驗，例如增強移動寬帶（eMBB，Enhanced Mobile Broadband）、超可靠低延遲通信（uRLLC，Ultra-reliable&Low-latency Communication）和大規模機器型通信（mMTC，Massive Machine Type of Communication）。5G 的重大進展之一是對網絡功

33、能的虛擬化和重分配。其中，動態網絡切片技術顯著提高了網絡的靈活性、數據速率和延遲性能，為各種智能互聯網服務的出現提供支持。此外，大規模多輸入多輸出（MIMO，multiple-in multiple-out）等技術在解決頻譜擁塞問題和數據高傳輸速率方面發揮了重要作用。17 為更好滿足智能互聯網的超高數據速率、超低延遲、超高可靠性和無縫遷移等嚴格要求，業界提出了下一代 6G（6th Generation Mobile Communication Technology）網絡。支持智能互聯網的 6G 簡單架構如圖 2-2 所示。6G 架構沿用了 5G 中的關鍵技術，但相比之下，6G 的開發具有大尺度

34、、高復雜性、動態性和異構性特點。因此，引入了太赫茲頻段等新興關鍵技術。圖 2-2 6G 使能智能互聯網架構（2）緩存）緩存 隨著智能互聯網的發展，網絡內交換的數據量將顯著增加，回程可能成為瓶頸。通過將智能互聯網的內容存儲在接入點和邊緣計算服 18 務器等基礎設施上，緩存技術可以實現緩存內容的重用，從而有效減少回程距離。緩存范式對基于內容分發和檢索的使用模式的要求將在網絡移動性、可用性和可擴展性方面帶來挑戰。為此，業界提出了內容分發網絡（CDN，Content Delivery Network）和對等網絡（P2P，Peer-to-peer Networking）、ICN 等技術，基于現有的存儲和

35、計算基礎設施，賦予網絡內容分發和檢索能力。（3）計算）計算 自動駕駛、智慧城市和能源互聯網等應用的發展對智能互聯網的計算能力提出了巨大挑戰。由于設備尺寸和電池壽命的限制，智能移動設備通常無法提供較強的計算能力。云計算技術通過將部分計算任務轉移到強大的云中心，成為解決上述挑戰的有效方法。然而，由于云中心通常處在遠離智能移動設備的地方，可能難以滿足智能互聯網中一些時延敏感型應用的低延遲要求。此外，長距離遷移大量計算任務可能是不經濟甚至不可行的。為了解決此類問題，業界提出了邊緣計算技術，使得具有豐富計算資源的鄰近服務器能夠為用戶提供服務。邊緣計算旨在將云計算平臺（包括計算、存儲和網絡資源）遷移到網絡

36、邊緣，實現傳統移動通信網絡、互聯網和智能互聯網之間的深度融合，減少端到端延遲，改善用戶體驗。智能互聯網的計算技術如圖 2-3 所示。19 圖 2-3 智能互聯網中的計算技術（4）傳感）傳感 智能互聯網時代，需要部署多種傳感設備如環境傳感設備、運動傳感設備、攝像頭等以提供相應傳感數據，結合識別、定位、檢測、成像等技術，實時感知環境狀態，幫助智能互聯網提供智能決策。射頻識別（RFID，Radio Frequency Identification）是一種非接觸傳感技術，以非接觸方式有效識別和跟蹤物體，具有快速掃描、非接觸式讀取、可重用性、大存儲、低成本和安全性等優勢，可應用于智能互聯網中識別、跟蹤物

37、體以及交換信息。無線傳感器網絡（WSN，Wireless Sensor Networks）具有動態重構、可擴展性、可靠性、低功耗、低成本和小尺寸等優勢，有助于將無線傳感器網絡集成到具有不同需求的各個領域，感知與周圍環境相關的真實物理參數。群智感知結合了群智思想和智能設備的感知能力，可應用在智能互聯網中解決傳統傳感網絡維護成本高和覆蓋范圍有限的問題。20 2.2.2 資源虛擬層資源虛擬層 資源虛擬層旨在將 IoI 中異構泛在的通信、緩存、計算和感知資源虛擬化，以便網絡靈活利用這些資源。本節將介紹資源虛擬層中的三項關鍵技術：SDN、NFV 和網絡切片。（1）SDN 圖 2-4 SDN 技術組件 隨

38、著網絡規模日趨增大和網絡范式日益復雜，網絡異構化特性愈發明顯，產生了大量需要采集、處理和分析的數據。在此背景下，智能互聯網將面臨靈活性、互操作性和重配置等方面的挑戰。為應對這些挑戰，SDN 通過將控制平面與數據平面分離，在網絡管理、網絡虛擬化、資源利用和安全方面發揮重要作用。IoI 中 SDN 的架構如圖 2-4 所示。SDN 通過其較好的靈活性和高度的可編程性，支持智能互聯的高效動態網絡配置，支撐智能互聯應用的服務定制。此外，通過將 21 SDN 引入 IoI，還能實現高效的資源共享、安全路由和移動性管理。（2）NFV NFV 架構和編排機制如圖 2-5 所示。NFV 是處理與特定服務相關的

39、虛擬化實例的關鍵技術，在實現服務遷移、靈活性和可擴展性等方面表現出良好的性能。例如，通過添加額外的特定資源或軟件實例，可以很容易地擴展 IoI 中流行應用的資源。此外，IoI 服務可以從 NFV的動態特性中獲益：1）支持在可操作的分布式虛擬網絡上部署可移植的功能；2）支持將獨立的服務塊遷移到各種網絡的不同云環境中；3）支持對特定應用的虛擬網絡資源進行分片；4）共享可配置的資源池支持實現按需訪問。SDN 和 NFV 技術密切相關。一方面，SDN 可以協助 NFV 管理動態資源并協調智能功能。另一方面，SDN 可以通過 NFV 為特定的服務鏈動態地創建虛擬環境。在 SDN 和 NFV 的輔助下，I

40、oI 可實現對多維資源的動態調度、管理和使用，提高系統性能。圖 2-5 智能互聯網中的網絡功能虛擬化（3）網絡切片）網絡切片 22 智能互聯網實現了各種類型的連接和服務，需要保證網絡的性能和安全。此外，不同的 IoI 應用對服務有不同的要求。例如，智能工廠中的高精度生產應用需要保證丟包率小于109，端到端延遲范圍為250 微秒至 10 毫秒；智能車輛應用要求可靠性超過 99.99%，端到端延遲小于 1 毫秒。網絡切片可以通過在同一個共享物理基礎設施上創建多個邏輯網段，有效地滿足不同 IoI 應用的差異化需求。網絡切片中引入了多租戶環境，以支持網絡資源的靈活配置和網絡功能的動態分配。網絡切片在

41、IoI 中的應用如圖 2-6 所示。圖 2-6 網絡切片在智能互聯網中的應用 2.2.3 信息層信息層 信息層旨在對 IoI 中的海量原始數據進行處理，提取出有效信息，并將其傳遞給智能層。ICN 可以根據 IoI 的需求，構建以信息/內容為中心的信息層架構。ICN 主要包括兩種類型的包：興趣包（interest packet）和數據包（data packet）。興趣包用于記錄用戶請求的路徑，方便內容發布者返回響應數據，數據包則是發布者響應用戶請求的內 23 容。興趣包和數據包都包含三個表：內容存儲表（CS，Content Store）、待定請求表（PIT，Pending Interest Ta

42、ble）和轉發信息表（FIB，Forwarding Information Base）。CS 存儲接收到的數據包；PIT 存儲興趣包信息及接收到的匹配興趣包信息的接口集；FIB 維護能夠訪問名稱前綴的合適接口的記錄。ICN 網絡模型如圖 2-7 所示。ICN 中的用戶可以在不知道內容位置的情況下請求內容。通信遵循接收者驅動的原則，而數據遵循反向路徑。因此，ICN 中連接建立是通過匹配請求的內容而不是提供內容的位置來決定。圖 2-7 ICN 網絡模型 此外，標識解析也 IoI 信息層中的一項關鍵技術。類似于互聯網中的域名系統（DNS，Domain Name System），它在 IoI 中起著入

43、口的作用。DNS 將域名和 IP 地址相互映射，使人們能夠更方便地訪問互聯網，而不必記住復雜的 IP 地址。DNS 的輸入是域名，而輸出是 24 其 IP 地址。相比之下，標識解析的輸入是標識符，而輸出是標識符的映射信息。通過標識解析系統，零散的智能可以被關聯起來，如圖2-8 所示。用戶只需要提供一個唯一的標識符就可以獲得情報的可追溯性信息。圖 2-8 標識解析系統在智能互聯網中的應用 標識解析系統的建設可以為 IoI 帶來很多好處。首先，標識解析系統可以為應用提供統一的對象識別、尋址和理解方法，滿足大數據分析中的數據同質性要求。其次，通過身份協議層的建設，可以簡化服務提供者的工作流程。并且身

44、份協議層的缺失將把身份驗證的責任轉嫁給服務提供者，導致效率低下。再次，標識解析系統可以實現對各種網絡設備的更好管理。它可以識別終端、網絡設備、服務資源和數據等各種主體，從而實現多個應用系統的聯合優化和資源的統一調度。最后，標識解析還可以促進多個孤立的系統之間的互聯互通。25 2.2.4 智能層智能層 智能層需要對海量信息背后的情報進行分析和提取，主要使能技術包括 AI、區塊鏈和大數據分析等。（1）AI 在智能互聯網中，AI 是關鍵技術之一，用于從大量信息中提取有價值的情報。根據對人類決策等高級認知過程建模的方法，AI 可以分為符號主義方法和聯結主義方法。符號主義符號主義 AI：符號主義是 AI

45、 研究中基于演繹推理、邏輯推理和搜索算法的所有高級符號表示方法的總稱。在符號主義 AI 中，關于環境的知識不是通過優化技術從數學模型中獲得的，而是通過形式語言進行硬編碼的。由于不完全依賴海量數據，符號主義 AI 的優勢在于可以針對單個事件訓練 AI 模型，邏輯推理可以避免數據遺漏或錯誤導致的問題。此外，符號主義 AI 可以提供透明且易于理解的計算過程。然而，符號主義 AI 存在泛化能力弱、魯棒性差的缺點。由于符號和規則相對固定，符號主義 AI 系統通常專為某類任務構建，且不能輕易推廣到其他任務。聯結主義聯結主義 AI：聯結主義 AI 的目的是通過模擬我們大腦中的神經網絡來模擬智能。ML 構成了

46、當代聯結主義 AI 的核心，使用算法分析大量數據，通過不斷學習探索輸入和輸出之間的數學和邏輯關系，然后判斷和預測環境中發生的事情，使其變得智能。ML 方法可以分為五類：1）監督學習：在指導下使用標記數據學習，直接得出結果；26 2)無監督學習：在沒有任何指導下使用未標記的數據學習，發現潛在模式；3)深度神經網絡(DNN，Deep Neural Network)：通過和環境互動學習，優化長期收益；4)強化學習（RL，Reinforcement Learning）：智能體在與環境的交互過程中通過學習策略達成回報最大化；5)遷移學習（TL，Transfer Learning）：存儲在解決問題過程中獲

47、得的知識，并將其應用于不同但相關的問題。聯結主義 AI 系統具有很強的適應能力，即使去掉一個神經元，系統仍然可以正常工作。此外，神經網絡對不同問題具有更強的泛化能力，但通常缺乏可讀性，即人類無法理解系統如何做出決策。聯結主義 AI 的另一缺點是過于依賴大量數據，在沒有初步數據的情況下，聯結主義 AI 很難通過訓練獲得能力?；旌匣旌?AI 方法方法：符號主義 AI 基于創建顯式（符號）模型，而聯結主義 AI 基于學習隱式模型。在現實世界中，人類在解決問題時通常結合了隱式和顯式模型。因此，未來的 IoI 中的 AI 應該是符號主義和聯結主義的結合，這不僅可以根據大量數據找出內在規律，還能學習人類經

48、驗、專業知識和邏輯推理能力?；旌?AI 方法將符號主義 AI與聯結主義 AI 結合起來，有望推動智能互聯網實現真正的人工智能。（2）區塊鏈）區塊鏈 可以預見，隨著 IoI 的大規模應用和部署，數據感知和智能共享記錄（交易）將以分布式的方式產生，IoI 將面臨交易記錄和設備的管理問題、信任和隱私問題，區塊鏈作為一種通用分布式賬本技術，能夠解決 IoI 中智能共享、安全和隱私、去中心化智能、集體學習和決策信任問題。27 在智能互聯網中，每個參與者都持有賬本，記錄所有的交易（如智能共享、數據傳感等）。區塊鏈上的每一筆交易都根據單向加密哈希函數進行驗證，并存儲在分布式賬本中。任何 IoI 參與者都只能

49、在達成共識后才能更改賬本。常用的共識機制包括權益證明（PoS，Proof of Reputation）、工作量證明（PoW，Proof of Work）和有向無環圖（DAG，Directed Acyclic Graph）等。依托區塊鏈的共識機制和鏈式結構，IoI 系統可以利用區塊鏈來存儲、訪問和保護歷史交易，從而安全地利用這些數據?；趨^塊鏈的IoI系統運行流程如圖2-9所示。圖 2-9 基于區塊鏈的智能互聯網系統運行流程（3）大數據分析）大數據分析 28 大數據分析通過提取海量信息背后的知識，可以有效豐富 IoI 中的智能。大數據的特征是 5V（volume，velocity，variety

50、，value，veracity），即數據數量多、數據到達速度快、數據來源和類型多樣、數據價值密度低、數據質量多樣。大數據分析可以從海量數據提取出有價值的信息，IoI 中的大數據分析主要步驟如圖 2-10 所示，主要包括數據采集和預處理、數據傳輸和安全保障、數據存儲、數據分析、數據預測。其中，數據傳輸中的安全保障可采用高級加密標準（AES，Advanced Encryption Standard）、數據加密標準（DES，Data Encryption Standard）、托管加密標準（EES，Escrow Encryption Standard）等多種加密技術，以及 Kerberos 認證協議等

51、認證技術。數據分析和數據預測可結合 ML技術，對不同問題進行合理分析和合理推測。圖 2-10 智能互聯網中的大數據分析 29 2.2.5 應用層應用層 IoI 應用層的關鍵技術包括數字孿生和各種沉浸式技術，如虛擬現實（VR，Virtual Reality）、增強現實（AR，Augmented Reality）和混合現實（MR，Mixed Reality）。（1）數字孿生）數字孿生 數字孿生能夠促進 IoI 的數字傳輸轉換和智能演進，通過建立物理對象的高保真數字虛擬模型，以模擬其行為并描述其操作狀態，從而為實現網絡物理集成和進一步的管控技術開發提供解決方案。圖 2-11 智能互聯網中的數字孿生

52、數字孿生的基本原理如圖 2-11 所示。在物理空間中，傳感器和監視器實時收集物理對象的數據，并將其存儲在數據庫中。通過數據挖掘和各種融合處理提取有用信息，并利用更深層次的智能在數字空間中動態構建虛擬模型。虛擬模型將根據各種應用的不同需求生成相應的目標結果，然后將匹配策略反饋到物理空間。此外，數字孿生還 30 可以與其他應用層技術結合，以更好地為人類服務。（2）沉浸沉浸式技術式技術 AR、VR 和 MR 等沉浸式技術使人們能夠身臨其境地體驗遠程場景。IoI 中的沉浸式技術可為促進智能教育、遠程醫療和娛樂活動等做出貢獻。此外，隨著未來 IoI 的部署，沉浸式技術將成為支撐智能應用和網絡功能的殺手級

53、技術，并可以以更有趣的方式用于改善智能環境中人機交互。31 三、智能互聯網應用場景三、智能互聯網應用場景 IoI 將豐富和拓展智能資源的供給、應用和服務方式，提升服務的靈活性和高效性。IoI 聚焦于社會、工業的數字化轉型，面向生活、應用中的新興業務，提供新型優質的解決方案賦能各行各業。本章從社會生活和工業產業中的典型場景為例，簡述了 IoI 如何賦能千行百業。不過，IoI 還在持續發展，時代也在不斷進步，未來將會涌現更多的 IoI 業務和應用場景，這需要產學研各界協力合作、共同挖掘、深化探索。3.1 智慧交通智慧交通 智慧交通將人、車輛和道路基礎設施整合成一個龐大的智能系統，通過收集實時的車輛

54、和道路信息來管理城市交通，并通過端到端聯合決策來控制車輛的行駛模式。自動駕駛是一種集成 AI、視覺計算、雷達、監控設備和定位系統的技術，它不僅依賴于高效、實時的數據計算，還需要實時訪問道路基礎設施和互聯網數據，當前網絡中簡單的信息處理和轉發機制已經不能滿足此服務需求。IoI 可以在自動駕駛中發揮至關重要的作用，例如通過對收集到的信息進行處理、分析和理解來獲取智能。此外，車輛之間的智能共享可以提供更準確的位置感知和更高的通信效率。下面列舉了 IoI 可支撐的幾個自動駕駛應用：（1）車輛集體學習：在 AI 自動駕駛系統中，ML 模型的準確性和效率直接影響網聯自動駕駛車輛（CAVs，Connecte

55、d and Automated 32 Vehicles）的性能。為了獲得更準確的 ML 模型，CAVs 需要從車載傳感器收集大量數據，然而車載傳感器復雜性持續增加，其性能仍無法得到絕對保證。目前，實現 AI 自動駕駛的方法有三種，即單車智能方法、集中式方法和分布式方法，但目前基于這三種方法的自動駕駛系統面臨著單一模型、自主學習、隱私和安全問題等方面的挑戰，造成此類挑戰的主要原因是“缺乏信任機制和集體智能”。為解決上述問題和挑戰，業界提出了基于區塊鏈的集體學習（BCL，Blockchain-based Collective Learning）框架，在 BCL 中，受集體智能思想的啟發，每輛自動駕

56、駛汽車都可以將學習到的本地模型進行智能共享，以提高ML 的效率和準確性。BCL 方法與傳統方法的比較如圖 3-1 所示。圖 3-1 自主駕駛中單車智能、集中式方法、分布式方法和 BCL 方法對比（2）以消費者為中心的體驗：通過分析駕駛員的年齡、性別、駕駛風格、駕駛體驗、事故歷史等特征和行為，IoI 可以幫助自動駕駛系統更好地理解不同的駕駛模式，并為司機提供定制化的駕駛體驗。33 IoI 將為以乘客為中心的自動駕駛應用鋪平道路，智能模型將基于大量車載偏好信息進行訓練，例如乘客的背景和偏好速度、車內娛樂、風險等級等。訓練后的智能模型可以存儲在車載用戶中，實時更新時間，并通過 IoI 與其他用戶共享

57、。在 IoI 的驅動下，人的特征和動機將在駕駛體驗中發揮重要作用。（3）車輛安全和隱私：不受信任的車輛環境中的動態車對車（V2V，Vehicle-to-Vehicle）通信以及對集中式網絡授權的依賴對自動駕駛提出了安全挑戰。IoI 可以幫助構建一個安全、可信、去中心化的自動駕駛生態系統。具有高安全性的區塊鏈可以提高自動駕駛的安全性和服務質量。在智能互聯網中，利用區塊鏈的不可變賬本、加密貨幣技術和非對稱加密促進了安全的車載服務，在確保情報交易的安全性和聲譽值方面發揮著至關重要的作用。3.2 智能制造智能制造 智能制造將智能融入并賦能工業制造過程，是 IoI 在制造領域的應用。IoI 集成了智能制

58、造中許多先進的通信和自動化技術，如 AI、機器對機器（M2M，Machine-to-Machine）通信和大數據分析，以提高其智能性。下面介紹 IoI 中智能制造行業的幾個實施案例：（1）工業生產：智能制造通過采用云制造、物聯網技術和面向服務的制造使制造業受益。目前，智能制造在集中式工業網絡和第三方的權限等方面面臨著靈活性、效率和安全性等挑戰。在分布式 AI、區塊鏈和邊緣/云計算的支持下，IoI 可以更好應對工業生產系統中的 34 這些挑戰，以有效提升和優化制造過程，實現工業生產中的智能信息分析。（2）機器人：機器人可以通過自動化和可編程能力處理制造任務，是工業系統的重要組成部分。智能制造的關

59、鍵挑戰之一是機器人系統的實時數據處理和數據隱私，IoI 可以通過將智能分配給機器人設備來有效應對這些挑戰，而無需依賴遠程服務器進行數據處理。機器人可以在本地進行 AI 訓練。然后，基于差分隱私技術，每個機器人只需要上傳梯度參數在云端構建共享模型，無需共享其原始數據，從而有效降低網絡傳輸延遲。通過多輪訓練，云端可以積累不同機器人的生命智能，構建精準的智能模型，同時機器人還可以從交換的智能信息中受益。（3）定制生產：智能制造場景中自動化和智能技術的融合，可以創建智能的端到端生產流程，以滿足不同企業和客戶的需求。IoI 可以實現工業設計、生產和流通的網絡化、智能化、定制化。將員工、設計機構、工廠、倉

60、庫和供應鏈集成到一個智能網絡系統中，從而降低物流和管理成本，提高工業生產效率和利潤。如圖 3-2 所示，在 IoI的支持下，可以形成人與機器、機器與機器、服務與服務的互聯互通，實現高度橫向、縱向、端到端集成，滿足用戶個性化定制需求。35 圖 3-2 智能互聯網驅動的定制生產 3.3 智慧城市智慧城市 智慧城市由多個部分組成，它包括獨特的智能設備、各種異構網絡以及具有大規模存儲和強大計算能力的數據中心。通過使用 AI、區塊鏈、數字孿生等關鍵技術，IoI 可以成為賦能智慧城市服務的有力支撐。IoI 讓智慧城市不再僅限于傳遞信息，而是還可以傳遞智能，從而提供更安全、更有效的服務。與傳統智慧城市相比，

61、IoI 使能的智慧城市具有以下特點：（1）高效的數據分析：分布在城市各個區域中數以億計的智能設備和傳感器可以自動收集和實時監控各種數據，包括交通、天氣、能源、用水量、購物信息、空氣質量等等。通過數據聚合、傳輸、存儲、組織和分析，可以感知和分析正在發生的事件以及未來可能發生的事件。然而，由于上述過程中涉及的數據量過于龐大，因此目前智慧城市的數據處理效率還計較低下。IoI 支撐的智慧城市通過智能共享可以大大提高數據處理效率。例如，當人們從一個城市遷移到另一 36 個城市時，需要根據當地的天氣建立新的著裝方式。對于傳統的智慧城市，機器學習可用于學習新環境，其根據收集到的天氣和穿衣數據，通過大量的學習

62、和培訓，可以建立一種新的穿衣方式。與此形成對比的是，當人們遷移到新城市時，他們會通過別人分享的經驗而不是隨意的嘗試，以快速獲得正確的穿衣方式。因此，如圖 3-3 所示，在 IoI驅動的智慧城市中，不再是花費大量的時間、物力和財力進行再學習，而是參考人類智能的方式和通過智能代理之間的智能共享，建立正確的穿衣方式。圖 3-3 智能互聯網驅動的智慧城市（2）提高用戶 QoE：IoI 驅動的智慧城市可以將物理環境和實時事件連接整合成一個基于人工智能的虛擬系統。IoI 則基于數字孿生 37 和各種沉浸式技術，將物理世界與數字世界融合，將現實主體映射到虛擬空間，匯聚線上線下的所有參與者，為構建例如智慧社區

63、、智慧樓宇、智慧辦公區等智慧數字城市場景提供技術支撐。IoI 可以充分利用智能來協調計算、緩存和傳輸系統，實現無處不在的沉浸式體驗。另外，接入網內置于 IoI 中，各種大數據分析和智能算法將部署在智慧城市網絡的邊緣，為用戶提供實時、優質的體驗。（3）安全可靠性：無處不在的數據服務給智慧城市帶來了隱私、完整性和信任等安全挑戰。IoI 則結合區塊鏈提供先進的安全服務，從而在實現安全、高性能的智慧城市場景中發揮重要作用。通過構建去中心化的安全架構，區塊鏈可為智慧城市提供真實性、機密性、完整性和不可否認性等能力，實現以分布式安全方式控制智慧城市運行方面的高效率。3.4 智慧醫療智慧醫療 在智慧醫療方面

64、，IoI 可以有效整合醫生、患者、醫院和監管機構，提供可靠的定制化精準健康管理服務。在滿足隱私保護的前提下，IoI 可以存儲、保護、檢索、分析和共享來自患者、醫生、醫療設備等的智能，醫生和醫院之間也可以共享醫療資源。醫生或醫療設備可以遠程檢查患者，所有共享的智能都可以從本地或遠程服務器檢索，從而有效消除醫院與醫院、區域與區域之間的界限，實現醫療資源共享。在智慧醫療場景中，個性化診斷是可以受益于 IoI 的典型應用下?；谑占降尼t療數據和個性化生理指標，IoI 可以利用各種 ML 和 38 認知計算算法建立個性化診斷模型，從而為患者提供個性化的治療方案，以更有效地預防和治療疾病，如圖 3-4

65、所示。此外，通過 IoI 在患者、親屬、朋友、個人健康顧問和醫生之間建立有效的智能共享，以保持智能驅動型疾病診斷和治療工作的可持續性?？偟膩碚f，IoI 主要通過兩種方式為患者提供個性化診斷。一方面，IoI 使得病人可以在疾病早期階段維持健康的生活規律以減少痛苦。另一方面，IoI 推動了院外治療，可以有效降低患者長期住院費用。圖 3-4 智能互聯網驅動的智慧醫療 3.5 元宇宙元宇宙 元宇宙是一個與現實世界平行的虛擬空間，由于其還處于發展與完善中，不同群體有不同的定義?；谠钪嫔婕暗年P鍵技術，社交媒介公司 GamerDNA 創始人喬恩拉多夫（Jon Radoff）將其產業鏈 39 劃分為七個層

66、次，分別為基礎設施層、人機交互層、去中心化層、空間計算層、創作者經濟層、發現層、體驗層?？梢詮纳婕暗牟筷P鍵技術的進展窺見元宇宙學術領域的發展情況，同時 IoI 也可對元宇宙各層的建設和應用提供有益的幫助?；A設施層包括通信技術和芯片技術等。通信技術主要涉及蜂窩網、WiFi、藍牙等多種通信技術，主要目標是提升速率與降低時延，從而實現虛擬現實融合和萬物互聯。人機交互層主要涉及移動設備、智能眼鏡、可穿戴設備、觸覺、手勢、聲音識別系統、腦機接口等，全身跟蹤和全身傳感等多維交互。人機交互設備是進入元宇宙世界的入口，負責提供完全真實、持久與順暢的交互體驗，是元宇宙與真實世界的橋梁。去中心化層包括云計算、邊

67、緣計算、AI、區塊鏈等。云計算主要為元宇宙的實現提供高規格的算力支撐，從而支持大量用戶的同時在線與虛擬化操作，同時也能使 3D 圖形在云端 GPU 上完成渲染，釋放前端設備的壓力等。邊緣計算在提供算力支撐的同時，保證低時延。AI 主要為元宇宙帶來持續的生命力，其相關的識別、推薦、創作、搜索等技術儲備可以直接應用于元宇宙的各個層面，從而加速其所需的海量數據加工、分析與挖掘任務。數字李生對現實世界進行虛擬化，主要偏向行業應用。元宇宙不僅是現實世界的模擬，還可以創造現實世界沒有的元素，而其運用以個人為主。區塊鏈主要保證元宇宙的虛擬資產不受中心化機構的限制，從而有效保障數字資產的歸屬權，使其經濟體系成

68、為穩定、高效、透明、去中心化的獨立系統。40 空間計算層包括 3D 引擎、VR、AR、MR、地理信息映射等。創作者經濟層包括設計工具、資本市場、工作流、商業等。發現層包括廣告網絡、社交、內容分發、評級系統、應用商店、中介系統等。體驗層包括游戲、社交、電子競技、劇院、購物等。IoI 則可利用 AI 等技術能力為構建元宇宙各層次的關鍵技術以及用戶在元宇宙中的應用服務提供線上化、智能化、無人化的支持，推動元宇宙形成有序的特殊社會經濟結構，使得物質、能量、信息和智能迅速流動，有效緩解物質、能量、信息和智能的不平衡，從而促進元宇宙和現實世界宇宙的穩定。41 四、智能互聯網生態建設四、智能互聯網生態建設

69、IoI 具有傳輸與計算需求高、網內實體身份復雜、知識數據種類廣泛等特點，為此，需提供基礎設施完善、兼容性強、互聯能力廣泛的生態環境以支撐 IoI 的實現。如圖 4-1 所示，在通信算力設施的基礎上，為網內異構實體提供廣泛兼容能力，構建新的知識數據傳輸模式，支撐智能資源互聯互通。圖 4-1 智能互聯網生態建設示意圖 4.1 基礎設施建設基礎設施建設 IoI 基礎設施主要包括算力基礎設施和網絡基礎設施，為 IoI 提供算力和網絡支持。（1 1）網絡基礎設施網絡基礎設施 42 作為智能互聯的高速公路，網絡的基礎建設在智能互聯生態建設中起著舉足輕重的作用。網絡基礎設施需具備提供超低時延的網絡連接能力以

70、連通智能資源和服務，主要包含在光纖通信基礎設施建設和無線通信基礎設施建設兩個部分。其中，為優化光網絡時延，需在現有基礎上持續探索光纜路由優化方法，減少由光網絡鏈路長度帶來的傳輸時延；需研究新型長距離光傳輸技術及光層調度技術，提高全光傳輸占比，減少由光電轉換再生帶來的電中繼時延。為優化無線網絡時延，需突破現有無線空口技術，建立更加靈活高效的數據傳輸方法；需加強現有擁塞控制技術，減少由于擁塞帶來的額外時延。（2）算力基礎設施算力基礎設施 算力作為 IoI 的核心支點之一，是否具有充足且完備的算力基礎設施決定了 IoI 的能力上限。算力基礎設施主要負責對外提供算力資源，包括邊緣計算節點、云計算節點等

71、，由云計算服務提供商負責建設。為真正實現泛在算力，服務商需提供具有納管異構算力能力的計算節點，推動異構算力的融合，根據不同的芯片架構、針對不同計算任務提供多樣性的計算能力，以應對 IoI 中對于算力專業化的需求。根據不同應用場景以及客戶需求，打造云邊端多層立體式算力資源架構，實現可應對任意時間、地點、需求的算力供給。4.2 異構實體兼容異構實體兼容 IoI 在實現智能資源泛在互聯的同時，卻也對網絡中的實體有著更高的兼容性要求。隨著 IoI 的實現，網內實體的數量及種類將會呈 43 現爆炸性的增長，不同實體間的異構性嚴重影響了智能資源的互聯。因此，需實現異構實體間的兼容，以促進智能資源的互聯。建

72、議從統一身份建模和信息交互標準構建兩方面出發，實現異構實體間的兼容性。（1）統一身份建模統一身份建模 身份作為網內實體的唯一標識符號，在認證和授權實體訪問互聯網、實現準確的資源尋址和解析、實現智能資源交互等方面發揮著重要作用。隨著網內實體數量的爆炸性增長，不同實體間的異構性問題凸顯，建立統一的身份建模方法，將異構實體的身份同構化將有助于實體身份識別、分析和管理，支撐實體間的通信和智能資源的流通。該建模方法需兼容各領域，且能夠完整描述實體信息以標定不同實體。（2）信息交互標準構建信息交互標準構建 為實現異構實體間的互聯互通，也可建立統一的信息交互框架，通過提供統一的信息交互接口的方式突破異構實體

73、的制約。通過對信息交互標準的制定，實現異構實體的互聯互通。如美國國家信息交換模型（NIEM，National Information Exchange Model）為解決異構實體間的信息交互提供了科學有效的解決方案，通過提供一致、可重用復用的數據術語和定義，有力支持了跨領域間的高效數據交互。4.3 智能資源互聯智能資源互聯 IoI 的主要目標是實現智能資源（包括智能算法、知識數據、AI模型等）的流通互聯。因此，如何支撐智能資源的傳遞是智能互聯網 44 生態建設的關鍵之一。建議從智能資源標識與管理、智能資源交易兩方面出發，構建智能互聯網生態，支撐智能資源互聯。（1）智能資源標識與管理智能資源標識

74、與管理 為實現智能資源的互聯，首先需要建立統一且完整的智能資源標識體系。當有新的智能資源進入網絡時，需經過統一的資源模型對智能資源進行抽象處理，標定該資源各屬性特征，為后續的智能資源管理和智能資源交易提供數據。其次需要為智能資源構建統一的納管體系，明確智能資源索引方式和歸屬關系，為智能資源的流通與追溯提供支持。此外，也需要對智能資源進行統一的價值認定評估，通過價值系統推動智能資源的發現與流通。（2）智能資源交易智能資源交易 為實現 IoI 中智能資源互聯的目標，需建立成熟的智能資源交易框架，以保證智能資源的傳遞。首先，需要建立統一的智能資源封裝方法，為包括智能算法、知識數據、AI 模型、人工智

75、能應用服務在內的異構智能資源提供統一的 API 接口，以實現用戶對智能資源的獲取與編排調用。如同在信息互聯網之中，數據資源由統一資源標識符（URI，Uniform Resource Identifier）所標記，用戶可通過 URI 標定數據位置并獲取數據。其次，需要建立智能資源的搜索機制，使用戶可以按照自己的意圖或需要去搜索相匹配的智能資源。如同信息互聯網中的谷歌、百度等互聯網搜索引擎一樣，用戶可按照自己的意圖去搜索對應的數據。最后，需要制定智能資源的交易模式，對智能資源提供者給予價值反饋，促進智能資源的共享、流通和利用。以資源價 45 值為引導，通過統一的價值認定評估實現異構智能資源的交易互

76、通，降低無價值資源帶來的網絡冗余，提高網絡整體效用。如同信息互聯網中不同數據形態所產生的計時、計次、根據內容、根據流量等多種價值形態在費用上的統一，用戶可通過“付費”的手段進行數據獲取。46 五五、技術挑戰與技術挑戰與未來方向未來方向 智能互聯網具有潛在的發展前景，但為實現其廣泛部署仍有一些挑戰和待解決問題需要解決，包括智能度量與建模、協議設計、激勵機制以及智能發現。在本章中總結分析了這些研究挑戰和待解決問題，以供在未來充分發掘智能互聯網的潛力與效益。5.1 智能度量與建模智能度量與建模 在每類網絡范式中，對“被聯網之物”進行度量和建模是至關重要的。例如信息建模和能源建模分別在互聯網和能源網中

77、發揮關鍵作用，特別是香農的信息論提出使用“熵”來量化信息，對互聯網的成功至關重要。因此，智能建模對 IoI 的成功起著至關重要的作用。在人工智能中，圖靈測試被廣泛用于測試機器是否具有執行與人類相同或無法被區分的智能行為的能力。然而，圖靈測試并沒有對智能進行定量的衡量，如何對智能進行建模仍然是一個待解決的問題。值得思考和研究的是，是否有可能使用類似于熵的方法來量化智能。從網絡范式的演變中可以看出，更高層次的網絡范式提供了更高層次的抽象性。例如，能量可以被量化為物質運動的速度，而信息可以被量化為能量傳播的程度。同樣，智能可以被智能可以被量化為衡量學習過程量化為衡量學習過程中隨時間傳播的信息量中隨時

78、間傳播的信息量，其數學公式可以表示為：其數學公式可以表示為：=/。其中d是智能的變化，是當前的秩序與預期的秩序的相似度，而 R 是一般意義上的參數（如時間、數據量等）。這種定量的智能測量可以 47 有效地描述信息在學習后的傳播范圍與之前的狀態相比差距有多大，這對智能互聯網的發展具有重要意義。5.2 協議設計協議設計 為 IoI 設計新的協議以滿足其服務要求是另一個關鍵的挑戰。信息互聯網已經經歷了分層、跨層和跨系統的設計范式。在設計智能互聯網時，我們應該遵循類似的程序還是先考慮跨系統是一個重要問題。在信息互聯網時代，互聯網是基于 TCP/IP 實現的，其中 IP 是整個TCP/IP 協議套件的核

79、心?；ヂ摼W成功的“細腰”沙漏結構是以通用網絡層（即 IP 層）為中心實現了信息網絡的主要功能。這樣的架構使各層的技術都能獨立發展，成功地推動了信息互聯網的急速發展。參照信息互聯網的協議設計，我們還可以構想出 IoI 的“細腰”沙漏架構，這需要在未來進一步研究。5.3 激勵機制激勵機制 IoI 可以降低成本，提高資源利用率，并通過可信的智能互動為社會經濟系統建立新的基礎。追溯互聯網的成功發展，其最突出的特點是自發性。激勵機制和商業模式是互聯網發展的主要動力，因此 IoI必須提供適當的激勵機制，以促進網絡之間的實際集體智能。開發設計者總是希望 IoI 的所有參與者能夠自愿貢獻和分享他們的智能，并使

80、用他們存儲在本地的訓練數據。然而，在現實世界的場景中，除非參與者能夠獲得滿意的回報，否則他們不會對參與集體智 48 能的訓練感興趣。例如，由于擔心隱私泄露和物理資源的消耗，IoI 的參與者可能不愿意參與智能的分享。此外，對于智能互聯應用，參與者可以同時是服務消費者和數據生成者。如何根據貢獻的智能量在IoI 生態系統的參與者中巧妙定價并合理分配收入是一個值得研究的問題。相應地，我們需要思考為什么參與者愿意貢獻和分享他們的智能，這是從信息網絡到智能網絡的本質轉變。激發智能分享和交流的動力，是 IoI 的內在動力。5.4 智能發現智能發現 在 IoI 中諸如分布式智能、智能共享等操作只有在了解智能分

81、布式信息的前提下才能進行。例如，IoI 參與者可能不知道他們所連接的網絡有哪些服務。此外，智能互聯網中的參與者可能不知道應該與哪些參與者聯網或分享智能。因此，智能發現是 IoI 發展的另一個挑戰。由于智能實體分布在 IoI 的不同地理位置，有效的智能發現機制對于識別和定位智能具有重要意義。在 IoI 中參與者需要發現以下信息：1）智能的可用性；2）用于調用智能的命名規則。第一條信息使參與者能夠發現提供他們所需功能的智能以及與智能相關的元數據（例如，智能描述、版本、復雜性）。第二條定義了參與者如何調用智能，例如，智能的輸入參數是什么，以及構成智能名稱所需的組件是什么。從 ICN 衍生出來的發布訂

82、閱機制能夠幫助實現智能發現。在這種機制中，智能發布者只負責發布智能，而智能訂閱者可以訂閱多 49 個發布者發布的智能而不需要了解智能的來源。這種模式有效地消除了參與者之間的依賴性，從而提高了網絡的可擴展性，并使通信基礎設施能夠很好地適應異步和分布式環境。目前，發布訂閱機制已被廣泛用于資源感知和服務感知。然而，這些方案并不適合在 IoI 中實現基于智能變化的發布/訂閱。改進和擴展現有的解決方案以實現 IoI中的智能發現是一項重要挑戰。50 六六、總結與展望、總結與展望 近年來，隨著 5G、邊緣計算、人工智能的不斷發展，智能資源越來越迫切的需要進行互聯和共享，智能互聯網的提出，為提升智能資源的利用

83、率、降低機器學習的成本提供了一個新的思路。同時，我們還必須清楚的認識到智能互聯網還處于發展的初期，還存在許多問題和挑戰亟需解決。例如智能的建模和度量、智能互聯網架構和協議設計、安全和隱私等。白皮書通過介紹智能互聯網的發展背景、參考架構、使能技術、應用場景、生態建設和未來發展方向，試圖為大家詳地的描繪智能互聯網在未來發展中的美好愿景。期待在不遠的將來，智能互聯網能夠進一步賦能各行各業，推動人類向智能化社會邁進。51 附錄 A：術語與縮略語 英文縮寫英文縮寫 英文全拼英文全拼 中文釋義中文釋義 IoI Internet of Intelligence 智能互聯網 AI Artificial Int

84、elligence 人工智能 MEC Multi-access Edge Computing 邊緣計算 ML Machine Learning 機器學習 SDN Software Defined Network 軟件定義網絡 RAN Radio Access Network 無線接入網 BS Base Station 基站 NFV Network Functions Virtualization 網絡功能虛擬化 ICN Information-Centric Networking 信息中心網絡 API Application Programming Interface 應用編程接口 QoS Q

85、uality of Service 服務質量 QoE Quality of Experience 體驗質量 5G 5th Generation Mobile Communication Technology 第五代網絡通信 eMBB Enhanced Mobile Broadband 增強移動寬帶 uRLLC Ultra-eliable&Low-latency Communication 超可靠低延遲通信 mMTC Massive Machine Type of Communication 大規模機器型通信 6G 6th Generation Mobile Communication Tech

86、nology 第六代網絡通信 MIMO multiple-in multiple-out 大規模多輸入多輸出 CDN Content Delivery Network 內容分發網絡 P2P Peer-to-peer Networking 對等網絡 RFID Radio Frequency Identification 射頻識別 WSN Wireless Sensor Networks 無線傳感器網絡 CS Content Store 內容存儲表 52 PIT Pending Interest Table 待定請求表 FIB Forwarding Information Base 轉發信息表 D

87、NS Domain Name System 域名系統 DNN Deep Neural Network 深度神經網絡 RL Reinforcement Learning 強化學習 TL Transfer Learning 遷移學習 PoS Proof of Reputation 權益證明 PoW Proof of Work 工作量證明 DAG Directed Acyclic Graph 有向無環圖 AES Advanced Encryption Standard 高級加密標準 DES Data Encryption Standard 數據加密標準 EES Escrow Encryption S

88、tandard 托管加密標準 VR Virtual Reality 虛擬現實 AR Augmented Reality 增強現實 MR Mixed Reality 混合現實 CAVs Connected and Automated Vehicles 網聯自動駕駛車輛 BCL Blockchain-based Collective Learning 基于區塊鏈的集體學習 V2V Vehicle-to-Vehicle 車對車 M2M Machine-to-Machine 機器對機器 NIEM National Information Exchange Model 美國國家信息交換模型 URI Un

89、iform Resource Identifier 統一資源標識符 53 參考文獻 1 于非.智能簡史：從大爆炸到元宇宙M.北京：清華大學出版社,2022.2 Tang Qinqin,F.Richard Yu,Xie Renchao,et al.Internet of Intelligence:A Survey on the Enabling Technologies,Applications,and ChallengesJ.IEEE Communications Surveys&Tutorials,2022.3 F.Richard Yu.From information networking to intelligence networking:motivations,scenarios,and challengesJ.IEEE Network,2021,35(6):209-216.4 Cisco U.Cisco annual internet report(20182023)white paperR.Cisco:San Jose,CA,USA,2020.