《IMT-2020(5G)推進組：2023面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書（28頁）.pdf》由會員分享，可在線閱讀，更多相關《IMT-2020(5G)推進組：2023面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書（28頁）.pdf（28頁珍藏版）》請在三個皮匠報告上搜索。

1、近年來，5G網絡商用正在全球加速推進，5G已經進入了千行百業，新的業務場景對移動網絡提出了新的更高的要求，5G網絡演進（5G-Advanced）網絡架構與主要技術隨之逐步確定。在5G-A網絡進一步深入行業應用之后，整體移動通信網絡架構已經呈現出云網協同的趨勢。同時，算力網絡作為國家、社會、產業發展重要的戰略需求，算力和移動網絡的結合已成為了業界共識，移動通信網絡和算力的融合將賦予移動網絡在傳統連接之外的計算能力，以算助網，提供高品質算網協同的移動聯接能力。本白皮書對移動算力網絡（Mobile Computing Force Network，MCFN）的產生背景、核心特征、典型場景、技術要求、架

2、構及關鍵技術進行了系統性的闡釋，希望聯合產業各方，凝聚產業共識建設技術體系，孵化產業生態創新商業場景，堅定產業信心明確實施路徑，最終推動移動算力網絡的實現。前 言目錄目錄 IMT-2020(5G)推進組于2013年2月由中國工業和信息化部、國家發展和改革委員會、科學技術部聯合推動成立，組織架構基于原IMT-Advanced推進組，成員包括中國主要的運營商、制造商、高校和研究機構。推進組是聚合中國產學研用力量、推動中國第五代移動通信技術研究和開展國際交流與合作的主要平臺。I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書移動算力網絡概念典型移動算力網

3、絡場景場景需求總結及技術要求移動算力網絡架構及潛在關鍵技術移動算力網絡產業發展倡議總結和展望主要貢獻單位P1P3P12P15P21P22P251I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書移動算力網絡概念1.1 算力網絡算力網絡是面向未來計算與網絡深度協同的新型網絡架構。以現有網絡技術為基礎，算力網絡通過無所不在的網絡連接分布式計算節點，實現服務的自動化部署、最優路由和負載均衡。從而構建起連接+算力+能力的全新網絡基礎設施，保證網絡能夠按需、實時調度不同位置的計算資源，提高網絡和計算資源利用率，進一步提升用戶體驗，從而達到網絡無所不達，算力無

4、處不在，智能無所不及的愿景。算力網絡具備以下特征：實時、快速業務調度：基于網絡層實時感知業務需求和網絡、計算狀態，相比于傳統的集中式云計算調度，算力網絡可以結合實時信息，實現快速的業務調度；保證用戶體驗一致性：網絡可以感知無處不在的計算和服務，用戶無需關心網絡中的計算資源的位置和部署狀態。網絡和計算協同調度保證用戶的一致體驗；多維度協同編排：網絡基于用戶的SLA（Service Level Agreement）需求，綜合考慮實時的網絡資源狀況和計算資源狀況，動態編排分布式算力、存儲、網絡服務，雙向匹配網絡資源與業務需求，實現業務體驗的優化及資源的全局優化。目前的算力網絡的前沿網絡技術研究主要關

5、注IP承載網的算力業務感知，算力網絡分析用戶的算力業務需求，通過綜合考慮網絡實時狀況和算力節點資源狀態，將用戶的計算任務路由到最佳的目標計算節點，以保證業務的用戶體驗。1.2 移動算力網絡移動算力網絡是以移動網絡能力及基礎設施為基礎，并基于5G-A網絡架構與算力資源共同組成的開放式算網基礎設施，其目的是實現移動網絡與算力的協同，以達成移動網絡內算力訪問的最優體驗，是算力網絡在移動接入場景下的具象化體現。移動算力網絡和算力網絡具有一致的愿景，但發展路徑與節奏有所不同，體現出若干不同的特征。首先，在業務上，移動算力網絡以3GPP 5G-A網絡為基礎，為滿足業務體驗和用戶訴求，實現了用戶、算力和應用

6、的最佳互聯，提供了用戶到用戶、用戶到應用的最優接入路徑與最佳訪問體驗，并且具備泛在移動接入、端網協同、體驗可控、電信高穩等特征。3GPP標準下的移動網絡天然支持終端用戶的可移動性，并基于核心網與無線接入網的移動性管理、會話管理等能力對處于移動模式下的業務提供高效調度及QoS保障能力。因此移動算力網絡可以在I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書25G-A通感場景進一步納入算力因素后，提供高品質算網協同的移動聯接能力。其次，在架構上，移動算力網絡基于5G基礎設施，在5G網絡核心能力基礎上，引入網絡結合算力、網絡與算力統一調度等兩項關鍵架構能

7、力創新，涵蓋終端算力、基站算力、邊緣算力等算力資源，并且充分繼承分布式用戶面及5G MEC（Multi-access Edge Computing）所獨有的網絡位置優勢與成熟技術體系。其以業務為中心，借助算力調度提升5G接入業務的體驗，然后逐步向廣域擴大。因此移動算力網絡可以做到以網助算，網隨算動，優化端到端業務的算網體驗，并實現移動算網資源利用率的提升?！八懔笔且苿泳W絡到移動算力網絡新增的屬性，由于5G移動網絡自身可以閉環所有移動業務，移動網絡和算力的結合將帶來編排效率、能力調用等方面的強有力的優勢。在符合算力網絡整體布局和規劃的前提下，邏輯上移動算力網絡可以獨立于算力網絡實現具體功能。

8、兩者之間短期內優先考慮通過服務層和管理層協同實現一體化管理，充分降低邊緣算網資源管理復雜度并提升云邊之間資源編排效率。后續通過能力開放實現移動算力網絡與算力網絡之間組件互通，能力調用。而未來面向長期網絡演進則進一步實現云網邊端高度協同下的統一解決方案，面向行業及用戶提供高質高效的一體化算網服務。圖1 移動算力網絡愿景構想3I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書當前部分5G應用場景已初步呈現出對移動算力網絡的基礎需求，而面向5G-A的新業務，尤其是以XR（Extended Reality：擴展現實）為代表的消費者業務，需要智能協同的行業業

9、務，以及部分網絡原生的優化業務能力均需要更為高效的移動算力網絡服務。其中部分業務場景尚處在探索期，需要網絡與業務的相互促進才能更快的催熟業務商用能力。本章給出了三類典型移動算力網絡場景，分別為面向消費者的業務場景、面向行業的業務場景以及面向網絡的業務場景。2.1 面向消費者的業務場景2.1.1 移動算力網絡使能的普及沉浸化業務2.1.1 移動算力網絡使能的普及沉浸化業務目前，AR（Augmented Reality：增強現實）、VR（Virtual Reality：虛擬現實）、MR（Mixed Reality：混合現實）等沉浸化業務市場快速增加。沉浸化業務需要網絡對音頻、視頻、觸覺、多種傳感器

10、信息等多模態數據進行傳輸與處理，并對傳輸速率、時延、可靠性等網絡性能指標與處理器能力、存儲能力等算力要求都具有嚴格的要求。目前，受限于終端算力，沉浸化應用用戶體驗較差，無法完全實現用戶的沉浸化體驗，業務卡頓、抖動情況明顯。針對以上問題，移動算力網絡能夠提供“云-邊-端”的泛在算力協作架構以提升業務體驗。首先，移動算力網絡能夠協同感知網絡泛在的云服務器、MEC、移動終端等算力，并實時監控部署位置、負載、算力服務部署情況等信息。通過原生支持算網融合網絡協議，移動算力網絡能夠根據多模態數據差異化數據處理與算力需求，實現靈活按需的算力服務調度。其次，移動算力網絡具備“云-邊-端”多層統一管理與協同調度

11、機制，能夠根據業務的多模態數據類型、算網資源需求、QoS（Quality of Service）等將業務分離成不同數據流或算力任務，并將數據流分流到不同算力節點上，對分解算力任務進行統一編排與最優算網資源匹配。通過移動算力網絡的多級協作，能夠最大程度利用分布式算力資源，解決端側算力缺而云端響應遲的問題，滿足沉浸化業務的極致性能要求。2.1.2 邊緣算力協同的Cloud VR業務容量提升2.1.2 邊緣算力協同的Cloud VR業務容量提升以Cloud VR業務為例，其對網絡時延的要求可按不同體驗階段分為不同等級：起步階段需支持4K全景視頻70ms，舒適體驗階段需支持8K全景視頻50ms，理想業

12、務體驗則需進一步支持12/24K全景視頻20ms。為滿足理想業務體驗下的時延要求，算力必然進一步下沉部署至住宅小區、場館附近。但邊緣算力的下沉部署會帶來算力的潮汐效應等額外問題，即業務量在不同時間段將在不同區域間起伏典型移動算力網絡場景需求I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書4基于移動算力網絡所提供的邊緣算力協同模式，則可支持Cloud VR計算任務在多個MEC節點間流動，實現靈活動態的算力分流和調度，在同等資源配置的情況下使區域業務總接入容量提升30%以上。為此需要在網絡中設置算網一體協同用戶面，用于UPF網元之間的計算任務分發和計

13、算結果回傳，并為按需實時創建的計算任務，提供靈活的路由轉發和確定性時延保障。2.1.3 端邊協同的UAV競技等MR類新業務2.1.3 端邊協同的UAV競技等MR類新業務近年來無人機競賽等第一人稱視角的UAV（Unmanned Aerial Vehicle）遙控競技較受歡迎。在特定場地提前布置游戲關卡后，UAV上的攝像頭實時將運動畫面通過Wi-Fi傳送到游戲者的頭顯設備，游戲者則通過遙控器或平板電腦遠程操控UAV穿梭或對戰。但目前游戲場地搭建費時費力成本高，而且Wi-Fi路由器受限于有線寬帶覆蓋位置，不能隨時隨地開啟游戲。而通過沉浸化MR技術，游戲者可自行下載喜愛的競技場景，快速完成游戲場景布置

14、并開啟游戲。以5G大帶寬低延時網絡取代Wi-Fi更可為游戲者在廣域范圍提供泛在的無線通信，隨時隨地開啟游戲，獲得更佳操控體驗。首先，此場景中游戲頭顯、UAV、遙控設備的算力與電池有限，移動算力網絡可為終端提供必須的邊緣外置算力。其次，UAV將攝像頭影像/姿態/位置等上傳至邊緣計算節點進行物理和虛擬影像的遷移。按傳統部署模式，各MEC邊緣計算節點均需配置最大用戶數容量以保障各時間段的峰值用戶接入能力，但這種模式下在業務閑時會產生較大算力資源浪費。圖2-1 Cloud VR場景中的算力潮汐效應5I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書技術上，

15、移動算力網絡需要保障用戶頭顯、UAV、遙控器等多設備的連接會話關聯及同步傳輸。確保同一用戶的多設備接入到移動算力網絡中相同的算力節點，以便實現物理世界和虛擬世界的混合渲染和游戲邏輯同步。其次，移動算力網絡一方面基于各終端移動性及時遷移計算任務實例，實現算力感知的路由，保障端到端QoS不變；另一方面通過對無線波動性的感知，及時調整計算任務。此外，面向游戲運營方，需要進行算網一體化調度和編排，平衡全局最優體驗，實現系統資源利用率最大化。2.1.4 移動終端算力上移，降低終端AI硬件要求2.1.4 移動終端算力上移，降低終端AI硬件要求近年來，以AI美顏、人臉識別為例的AI應用在移動終端的應用場景逐

16、漸增多。當前終端通過訓練完成的AI模型進行預測和推理。但受限于手機終端電池、存儲及AI算力，端側AI模型需要進行剪枝、壓縮、優化、算子替換等特殊處理。且當前手機終端的AI處理器運算能力普遍低于服務器側2個數量級，限制了手機終端普遍使用基于強算力的高端AI應用。但采用云服務器輔助協同模型運行則需要向云端上傳終端原始數據，帶來用戶數據隱私安全隱患的問題。因此，3GPP SA1在R18中定義了將AI推理模型分割為二的場景。終端側模型計算量小，主要用于數據的預處理；網絡側模型計算量大，可部署在MEC邊緣計算節點運行。兩者之間，終端側模型向網圖2-2 端邊協同的UAV競技等MR類新業務疊加和渲染，然后傳

17、輸至頭顯呈現虛實融合的游戲畫面。游戲者基于MR通過遙控器操控UAV的控制信令也可以經由MEC轉發，并實現控制和視頻的同步。移動算力網絡中多個邊緣算力節點通過協同可以為該類游戲提供更廣的競技空間，可以容納更多競技者的參與，甚至實現異地多人競技。I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書6在此方案中，移動算力網絡為UE（User Equipment）提供了網絡內生的AI算力服務，增強終端AI推理能力。同時，網絡將算網一體化服務開放給第三方應用商，方便其開發和部署高端AI應用。其次，核心網需要緊密協同UE與MEC間的移動性和會話管理，確保UE側A

18、I模型快速發現和匹配對應的網絡側模型，并保障移動場景下UE和MEC間上行數據傳輸時延要求。此外，當UE因移動遠離初始錨定MEC，核心網需要提前感知端到端推理時延的變化，并及時為UE重新選擇最佳的MEC站點并提供匹配的網絡側模型，保障AI應用體驗不變。2.2 面向行業的業務場景2.2.1 面向智能終端協作的分布式學習2.2.1 面向智能終端協作的分布式學習隨著產業數字化發展，智能機器人、UAV等智能終端協同工作場景逐漸增多，此類智能終端能夠絡側模型上傳中間數據，MEC將最終的AI推理結果及時返回發給終端。此方式同時解決了終端電池容量持續受限和算力持續弱于服務器側的問題以及數據上傳隱私保護的問題。

19、此外，簡單AI推理任務無需受限于專用芯片，提高了AI模型在終端運行的泛化性，使更多的手機可以通過端邊協同推理擴展AI算力。圖2-3 移動終端AI算力上移，實現端網AI協同推理7I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書進行分布式數據采集與本地AI模型訓練。智能協作利用聯邦學習、完全分布式學習等方法，能夠在保護智能終端數據隱私的同時，通過多智能體AI模型聚合優化集群整體目標，提升智能終端決策能力。例如園區或廠房內的AGV（Automated Guided Vehicle）能夠通過分布式數據采集與協同路徑優化，實現精準且無人化的物流搬運。分布式

20、學習的性能指標體現在AI模型、通信、本地算力、隱私保護等多個方面，包括與全局最優模型差距、識別準確度等AI模型指標，通信時延、迭代次數等通信或學習速率指標，本地訓練次數、訓練時延等算力需求指標等。智能協作任務的整體性能受到終端算力、能耗、網絡環境等多維因素影響，需要基于性能優先級與各因素限制條件，選擇合適的智能終端進行算力協同。針對以上問題，移動算力網絡能夠實時捕捉算網資源的動態信息，并根據業務性能優先級、算網資源利用率等要求，實現高效的端到端/端邊協同智能終端組網，提升智能協作任務的整體性能。首先，移動算力網絡能夠實時感知智能終端的算力負載、電池能量以及無線網絡信道狀態、帶寬占用情況等，并通

21、過統一編排、靈活調度的方式進行智能協作任務的動態組網，從而在滿足集群整體學習目標的同時，保證單個智能設備的能耗、算力負載、隱私保護等要求。例如，對于本地算力有限的設備，本地模型訓練速度慢，可降低其模型傳輸聚合的頻率；對于信道環境較差的智能終端，可選擇將本地AI模型轉移到鄰近可信終端進行聚合或中繼傳輸。其次，算網多要素融合編排可以提供業務性能需求與算網資源分配間的最優匹配，例如對于更新的本地模型與前次差別較大的終端分配更多的帶寬資源，可以幫助全局AI模型實現更好的學習性能?；诖?，移動算力網絡能夠支持智能協同任務實現高效的模型訓練與模型聚合，并保證高效的算網資源利用。2.2.2 5G接入算網協同

22、體驗保障的產業園區算力專網2.2.2 5G接入算網協同體驗保障的產業園區算力專網助力工業信息化、智能化轉型升級，是5G產業化發展的關鍵方向之一。但以制造業為例，我國的工業企業在數量分布上仍以中小規模為主，在地理分布上則呈現出特色產業區域化集中的顯著特征。這些中小型制造業企業在企業信息化領域普遍存在業務應用規模偏小、IT采購預算有限、IT團隊技能偏弱等特質，故此對于公共信息化基礎設施服務的接受度更高?；?G-A，可進一步基于移動算力網絡在特定地域內集中為多家中小型制造業企業提供可信可控的共享式產業園區算力專網。通過在產業園區內部署的共享式移動算網節點，所有園內企業均可獲得一站式的5G網絡連接與

23、算力基礎設施服務。各企業以多租戶自服務方式按需使用算網資源，自助部署運行滿足自身業務訴求的智能應用。同時，為最大程度保證關鍵業務應用的端到端體驗，需要移動算力網絡通過算網協同對網絡QoS和算力資源QoS實施聯動配置與保障。I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書82.2.3 面向連鎖企業及分支機構的企業廣域算力專網2.2.3 面向連鎖企業及分支機構的企業廣域算力專網與上述產業園區集中的中小企業相反，大中型企業的多地分支機構或多地連鎖企業門店的信息化和智能化則需要為不同地域的辦公場所、生產園區、門店提供一致性的5G接入，以及便捷經濟、易用安

24、全的本地信息化應用系統，并實現門店與總部/區域總部之間的廣域組網互聯。為滿足上述場景需求，這類企業需要一張覆蓋全國范圍的廣域移動算力專網?；诮y一的算網基礎設施，由不同企業根據自身規模及業務需求，為其分支機構/門店等選擇就近租賃共享式移動算網節點資源或自建專享式移動算網節點并接入，選擇最佳位置算力部署其業務應用。在此基礎上，移動算力網絡可將用戶企業員工在任意位置發起的移動訪問請求轉發至適當的移動算網節點，以保障其業務使用及最佳體驗。對于租賃共享式移動算網節點資源的企業，可以根據其業務要求，為其開辟算力專區，以強化其業務資源與其他租戶資源間的安全隔離。為滿足大型企業普遍存在的專網接入訪問安全策略

25、控制要求，可充分利用移動網絡自身的接入訪問控制機制，并借鑒業界SASE技術理念，在移動算力網絡基礎上疊加統一的智能專網訪問控制與防護服務能力，以充分確保企業網絡與業務安全。圖2-4 算網協同體驗保障下的產業園區算網9I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書2.2.4 移動網絡輔助下的算力協同使能車聯網2.2.4 移動網絡輔助下的算力協同使能車聯網隨著移動通信技術的發展，其所催生的車聯網應用也正在推動著交通管理模式、汽車產業形態、人們出行方式和能源消費結構的深刻變化。當前蜂窩車聯網涉及協同感知、輔助駕駛、信息推送等多個場景，并存在車車協同、

26、車路協同等不同模式。在車車協同模式下，各車輛子網系統需要同時服務車內節點及支持車輛間的通信，以支持不同汽車子網系統的干擾協調，信息交互，進一步提高系統性能和車輛行駛效率和安全。在車路協同模式下，通過車載及路邊的各類攝像頭、雷達傳感設備，車聯網應用可以獲取并分析學習復制交通環境中的多維數據，推理出相應調度策略并指導車輛控制策略。為實現全場景的車路信息準確感知和處理，需要協同多維度信息，進行算網協同調度，將不同優先級算力需求的車內、車間、車路協同應用分發到云、邊、端算力節點，并與車載終端協同，最終形成精準、實時的駕駛策略。圖2-5 面向連鎖企業及分支機構的企業廣域算力專網I M T-2 0 2 0

27、(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書10在此場景中，一方面無線通信技術為車輛提供低時延、高可靠通信，并基于此為車輛提供與周邊交通元素（車、路、人）的交互能力，實現協同感知、決策與控制，支撐智能駕駛與智能交通應用。另一方面移動算力網絡需要具備廣域連續性覆蓋，提供可以隨時隨地按需獲取的移動算力資源，實現各車輛及交通元素的數據及算力共享。同時移動算力網絡需要實現車輛、路邊設備、網絡邊緣、以及云端算力感知及協同，保障各應用可按優先級調度，進而實現云端超大規模模型訓練及下發等高端智能能力。2.3 面向網絡的業務場景2.3.1 基于算力的網絡輔助路徑選擇2.3.1 基于算

28、力的網絡輔助路徑選擇5G核心網的云化部署配合愈發廣泛的邊緣計算，使分布式的算力資源在移動網絡中逐漸重要。移動算力網絡通過統一的動態分配，使海量業務能夠根據各自的需求，實時調用網絡內空閑的分布式算力資源。網絡輔助路徑選擇就是算力網絡保障業務性能和提升用戶體驗的典型場景。前期算力網絡研究主要基于承載網，根據計算類業務需求，結合實時網絡狀況和可服務的計算資源狀況，動態靈活的將計算任務路由到合適的目標計算節點并保障業務的用戶體驗。面向移動通信網絡，將計算和移動通信網絡深度融合、協同調度，結合業務對移動通信網的需求，綜合考慮網絡的全圖2-6 移動網絡輔助下的算力協同使能車聯網11I M T-2 0 2

29、0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書局視圖能力和計算能力，動態調度資源，可以進一步提升用戶業務體驗，包括將基礎設施算力納入為UE接入選擇各個網絡功能的過程中。在當前的網絡功能選擇過程中，一般對控制面功能按預設的接入碼號規則結合網絡功能池中的不同負載權重進行選擇。后續在移動算力網絡中，可納入承載控制面網絡功能的基礎設施算力作為選擇權重之一。而對用戶面亦可通過移動算力網絡，基于無處不在的網絡連接，將動態分布的計算、存儲資源互聯，通過網絡、存儲、算力的多維協同調度，使應用能按需調度到泛在分布的算力資源上，并結合傳輸時延綜合實現資源的全局優化。運營商在N6接口之后部

30、署很多增值業務，這些增值業務采用業務鏈SFC(Service Function Chain)技術進行控制。后續可在業務鏈編排中考慮算力資源信息，將增值業務按需部署到合適的算力節點上，保證業務可用性；另一方面，業務鏈路由可以統一考慮算力資源及業務需求信息來選擇滿足時延帶寬等要求的目的算力節點，甚至在業務高峰期時按需動態加載相應業務功能，提升用戶體驗。2.3.2 網絡功能編排優化2.3.2 網絡功能編排優化隨邊緣計算的發展，網絡算力從核心網向網絡邊緣擴展。云原生技術能夠在異構算力設備上建立更輕量化、更細粒度、更靈活的服務部署，進一步降低虛擬化開銷。5G-A則在標準上使能增強的服務化架構eSBA（E

31、nhanced Service Based Architecture）。移動通信網絡各類服務的本質是利用算力和算法進行數據處理并實現特定輸出，包括調制解調、數據編解碼、網絡控制、資源調度等。因此，結合算力與虛擬化技術，能夠建立通信服務與算力服務間的映射關系，從而推動端到端網絡服務化架構進程，降低網絡部署與運營成本。目前，各標準網絡功能尚不能基于泛在算力服務進行靈活部署及靈活編排管理，且未能充分調用通信網絡之外的泛在異構算力設備。針對以上問題，移動算力網絡可引入云原生、算力原生等技術，并基于對泛在算力的感知，實現對移動通信網內外部異構算力進行統一全局管理。首先，通過網絡功能的標準化拆分及智能化算

32、網編排實現移動通信網絡功能的最優部署、靈活組合與按需分配，加快推進端到端服務化的網絡架構愿景。其次，移動算力網絡建立了算網協同感知體系，能夠實時監控負載、算力服務部署等動態算網信息，并構建了算網融合的新型網絡協議，具備對網絡功能的算網需求統一解析的能力。最后，移動算力網絡自身能夠根據移動通信網絡功能需求與算網狀態視圖，對分布式算網資源進行統一編排，建立高效的網絡功能部署、彈性的網絡功能組合由與最優供需匹配，提升移動通信網絡服務能力。同時，結合AI等智能技術，能夠推動網絡功能編排的自配置與自優化，進一步提升網絡功能編排效率與資源利用率，并降低網絡編排與管理成本。I M T-2 0 2 0(5 G

33、)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書12通過對上述業務場景的分析，可以歸納得出對移動算力網絡的七個主要需求領域。本章針對七個主要需求領域，給出當前對移動算力網絡的技術能力要求。首先，需要在移動網絡架構中引入相關的算力服務能力，并實現算力服務的可度量、可控制。其次，基于所構建的移動算力網絡，實現對各類現有業務以及AI等新型業務的體驗提升。最后，在全網全局層面實現算網一體的編排與能力開放，以提升網絡效率及拓展產業邊界。3.1 移動網絡內生算力首先，移動算力網絡應該不僅通過網絡將業務路由至相應的算網節點，而且應具備提供內生算力的能力。這一能力可以為各類應用層業務提供泛在的計

34、算能力，尤其在端網協同的場景下為智能應用提供通用算力，例如端網協同的AI推理能力、媒體視頻超分能力等。其次，移動網絡內生的算力應統一注冊到網絡，從而能夠被其他業務發現和使用。移動終端接入網絡的時候，能夠向網絡注冊自身的計算能力需求，并且終端上的服務能夠自動發現和使用網絡上的算力。移動終端能夠發現和使用的內生算力的類型取決于移動終端所處的位置、網絡覆蓋性能、邊緣計算節點部署情況（位置、資源狀態等）、用戶簽約等因素。最后，內生算力框架應為上層應用開發提供開放的API，網絡側為應用服務端提供通用的算力運行環境，端側為應用客戶端提供本地化的調用接口。3.2 多樣化算力資源度量建模與狀態感知當前移動網絡

35、僅支持基于物理硬件的粗粒度計算能力度量，如CPU的核數與主頻。移動算力網絡需要為異構硬件基礎設施提供更精細化的算力統一度量與建模，包括基于多廠商CPU、GPU、NPU、FPGA、ASIC分別針對CPU的主頻、內核數、內存大小，GPU的CUDA cores、顯存，FPGA的Peak定點性能、Peak浮點性能等統一建模，屏蔽底層硬件差異，抽象算力服務行為。其次，不同的應用對算力的需求不同，因此也需要將應用對算力的需求進行統一度量與建模。例如，XR類沉浸化業務需要超低時延的算力服務，AI上移需要大計算量的AI模型推理等。移動算力網絡應具備實時感知業務需求和網絡、計算狀態的能力，通過對上層應用需求的感

36、知及解析，建立多樣化業務與多樣性算力資源及組合算力資源間的映射關系，進而實現算力服務的按需提供、靈活調度。場景需求總結及技術要求13I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書同時，移動算力網絡還需要具備網絡與應用全面的資源和態勢感知，包括對云網邊端各層級的資源狀態、資源位置、資源變化，各算力節點上的算力負載、算力服務部署情況，以及各算力節點之間網絡路徑信息等進行收集與匯集。最后，移動算力網絡應支持對算力資源的通告能力，包括集中式通告與分布式通告。結合上述需求能力，移動算力網絡才能夠形成業務層可充分理解使用，網絡層可高效分配管理的能力，從而提

37、供更好的業務體驗。3.3 廣域移動下用戶體驗一致性、服務連續性移動算力網絡需要具備廣域連續性算力覆蓋能力，支持對無線覆蓋、核心網用戶面、邊緣計算節點進行聯合規劃。在靜態與動態兩者不同模式下，均能夠為用戶及業務提供最佳業務體驗。針對靜態接入，移動算力網絡不僅需要為UE隨時隨地尋址到最佳算力實例，無需UE感知算力的具體部署位置，而且為UE所選擇算力實例需要以業務端到端SLA保障為目標，同時確保網絡資源和計算資源利用率最大化，提升系統整體容量。而在用戶動態移動的模式下，移動算力網絡需要能夠根據UE的移動性和無線網絡質量波動，自動調整連接QoS、計算任務實例所需算力以及部署位置，以保障算力在動態環境下

38、的業務連續性和用戶體驗。在弱網環境下，能夠提前預測，調整算力，實現優雅服務降級和恢復。此外，移動算力網絡的業務場景中往往涉及到多終端協同工作。因此，移動算力網絡需要能夠提供手機終端、XR頭顯類終端、UAV或AGV、以及各類傳感器/控制器等多設備連接會話的關聯和同步傳輸，以便實現物理世界和虛擬世界的混合渲染和應用邏輯同步。3.4 基于端邊云協同的算力服務當前移動算力網絡潛在的業務場景中，往往需要基于邊緣計算提供算力服務。但當前5G網絡架構下，僅支持單個MEC為單一業務服務。因此移動算力網絡需要改變單一邊緣計算接入分流的限制，支持按網絡連接狀態充分調用網絡邊緣的算力形成本地互聯的MEC群組。并通過

39、計算卸載、多點協作等方式在MEC群組中進行最優計算任務分配，解決終端算力不足與云計算通信時延長的問題，提供低時延且高可靠的算力服務。同時，移動算力網絡應充分利用中心云、邊緣計算、以及終端的各級算力，通過算法靈活跨層利用多級算力。例如在部分涉及AI的業務場景下實現云端超大規模模型訓練及下發等，邊緣計算支持較復雜的推理，而終端僅需進行少量數據預處理。I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書143.5 提供互聯網與行業專網同時可獲得的算網服務在面向行業的應用場景中，移動算力網絡需要支持更強的算網協同能力，將算力資源與網絡的便捷接入、安全管控等能

40、力進行融合。例如，當企業用戶通過宏網接入時，需要能夠隨時隨地同時訪問移動互聯網及企業專網獲得特定的算力服務。當前專網接入方案受限于覆蓋區域和專線部署成本等因素，一般只能提供本地區域級接入和訪問，無法支持用戶在任意地域都同時接入到互聯網和專網。又或當用戶在跨省漫游時，雖然可以正常訪問互聯網，卻無法訪問專網服務。因此，需要有行之有效的關鍵技術來實現不同種類用戶對業務和算力的多域互聯的需求。3.6 移動網絡算網一體化編排與聯合調度移動算力網絡是計算能力與網絡能力的緊密結合。面向XR、移動終端AI等低時延交互業務，一方面需要核心網與無線接入網絡間信息交互，提供高效網絡傳輸；另一方面需要云邊算力與移動終

41、端算力進行協同，滿足渲染、AI訓練等計算能力要求?，F有移動通信網對泛在算力的管理機制相對單一，缺乏對云邊端算力的協同調度機制，難以應對業務動態需求與潮汐效應等問題。為滿足業務端到端QoS需求，需要綜合考慮網絡連接狀態、可用帶寬、端邊云異構算力類型，算力負載等算網資源信息，通過算網資源聯合管理與算網服務一體化編排，按需靈活地將業務分發調度到分布式算力節點，并提供動態算網服務來保證業務質量與用戶體驗。隨著新型融合技術發展，移動通信網將支持感知、定位等能力，在一張大網上提供多樣化網絡服務。同時，網絡端到端服務化趨勢需要將底層算力資源分離抽象為獨立的網絡功能，并進一步實現網絡功能的靈活部署與調度，以提

42、升網絡管理效率。目前，對網絡功能的編排調度局限于核心網控制面，缺少端到端網絡整體服務的靈活編排與管理，造成算網資源浪費、網絡運營成本高的問題。為進一步提升網絡管理效率，移動算力網絡需要對泛在網絡與算力進行統一編排管理。根據業務需求與算網資源狀態的動態變化與預測情況，高效調整網絡功能虛擬化實例的算力部署策略，并結合動態路由與尋址技術提供最優服務訪問路徑，實現多樣化業務場景的按需服務調度與網絡高效運維管理。3.7 移動網絡算網一體化能力開放面向未來越來越豐富的業務訴求，移動算力網絡應為運營商自營服務或第三方應用提供端網協同一體運行環境。除了為在網業務提供通用的內生算力外，還應該通過屏蔽底層復雜的端

43、網協同流程和算力資源調度機制，簡化應用開發流程，使得運營商和第三方可以直接在移動算力網絡上快速開發和15I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書4.1 移動算力網絡邏輯架構MCFN基礎設施層：MCFN基礎設施層分為物理接入傳輸、算網用戶面、算網控制三個子層。物理基礎設施子層即5G/5G-A移動網絡物理基礎設施，含接入網、承載網、骨干網等，用于實現移動算力網絡從邏輯功能上分為基礎設施層、算網管理編排層、應用使能層三部分，并且可以與算力網絡三層架構形成分層對應和協同關系。如圖4所示。部署應用。在5G-A中，移動算力網絡作為統一的基礎設施層應可

44、以通過NEF（Network Exposure Function）對AF（Application Function）提供算網統一的能力開放接口。AF根據算網信息動態調整業務部署和路由策略，AF可以是應用服務器、算力網絡的算網大腦或其他域的移動算力網絡。移動算力網絡架構及潛在關鍵技術圖4 移動算力網絡邏輯架構I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書16物理接入與傳輸功能。算網用戶面子層主要以5G分布式用戶面及5G MEC融合的MCFN節點為主要部署形態，并在移動承載網之上構建Mesh互聯的分布式計算體系，與UE形成廣域下的端網邊計算連續體。

45、MCFN作為算網融合的移動算力網絡節點，包括算力資源功能、移動網絡流量策略控制功能、算網服務功能。同時MCFN節點可與算力網絡基礎設施中的邊緣算力、云算力實現交互和協同。算網控制子層包括5G/5G-A控制面、邊緣算力管理器和算網體驗統一保障功能。邊緣算力管理器主要實現算力資源的狀態感知和任務調度分配，5G-A控制面需要針對大量分布式計算節點和動態的計算任務調度實現算力感知的動態移動會話管理。算網體驗統一保障功能負責端到端的業務運行態體驗保障，實現算力資源、網絡資源、業務實例的實時監控、調度與控制，達成端到端QoS保障。算網控制子層與算網用戶面子層共同實現網絡與算力、應用的協同，實現最佳的連接和

46、算力調度能力，及最優的算力、應用訪問體驗。MCFN算網管理編排層：MCFN算網管理編排層中的算網資源統一編排功能屬于全局管理器，維護移動算網整體資源視圖，實現網絡功能、計算任務與網絡和計算資源間的映射和編排，實現整體資源的合理化使用。另外，作為系統必不可少的部分，該層還需要考慮統一運維管控和安全管控，確保系統的可管可控可信。MCFN算網管理編排層也可以接受來自算力網絡編排管理層的調度，實現云邊一體化管理并提升云邊之間的資源編排效率。MCFN應用使能層：MCFN應用使能層將以多租戶方式以及算網統一方式對外提供能力開放服務。結合MCFN節點的算網融合基礎設施，應用使能層通過統一的租戶模型，為各類用

47、戶（個人用戶、運營商自營業務、第三方垂直行業用戶等）提供安全隔離的集成端到端移動接入的租戶運行環境，并通過算網統一能力開放接口，屏蔽底層異構算力資源和復雜組網環境，方便培育移動算網應用開發生態。另外，MCFN應用使能層承擔整體的算網運營以及與其他MCFN子網或者算力網絡的并網協作和算力交易。移動算力網絡三層邏輯架構依賴多種關鍵技術的支撐，圖4中的10個標號對應了10個關鍵技術點，將在4.2章節中分別展開介紹。4.2 移動算力網絡潛在關鍵技術4.2.1 超融合輕量化本地算力資源池化技術4.2.1 超融合輕量化本地算力資源池化技術移動算力網絡的應用場景豐富多樣，不同場景和業務必將導致差異化的算力資

48、源訴求。同時，移動算網節點必定面臨海量部署、深度下沉、快捷交付的典型訴求。上述背景決定了移動算網節點必須17I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書引入具備超融合輕量化特征的算力資源池化技術：1.超融合算力資源管理：算力資源池應能夠在單一資源池內、相對有限的物理計算節點（服務器）上，靈活按需地提供物理計算資源，如GPU、NPU、DPU、ASIC等，以及其他多形態的計算資源隔離和分配對象，如VM、裸金屬、容器、函數等。并實現各類資源的共池共節點智能混合調度，從而最大程度滿足業務訴求，并最大程度減少算力資源碎片；2.輕量化資源池：與當代云OS

49、等算力資源管理系統相比，未來的算力資源管理系統應更為簡潔，自身組件資源占用更低，一方面讓移動算網節點的交付工作量最小化，另一方面盡可能將移動算網節點寶貴的算力資源提供給業務應用。綜上，針對移動算網節點場景的超融合輕量化資源池化技術，屬于移動算力網絡領域的關鍵技術之一，有待持續研究與突破。4.2.2 核心網用戶面Mesh互聯4.2.2 核心網用戶面Mesh互聯隨著越來越多的邊緣計算節點部署到網絡中，提供了便捷的邊緣接入云的能力。CDN業務的邊緣和中心互訪實現業務回源機制、2B園區業務互訪等，都對核心網用戶面提出了能夠在地市級、區縣級廣域覆蓋范圍，實現組網上能互聯，業務上能互通的要求。移動算力網絡

50、內不同節點之間的應用和算力可利用用戶面網元UPF的 N9/N19接口已具備的廣域互聯互通能力，實現UPF拓撲靈活調整和按需路由轉發，直接將廣域多個分布式算力節點組網成一朵云，使能行業多子網跟隨業務和算力流動，相比邊緣云基于專線互通的方式節省運營商額外的專網建設成本。進一步的，移動網絡可以通過Mesh互聯的方式提供UE到邊緣算力的連接以及UE到中心云算力的連接。從而使得應用能夠靈活將服務部署到UE算力、邊緣算力以及中心云算力，然后通過5GS提供的標準化接口對業務流在部署在不同算力節點的服務之間進行靈活協同和調度。4.2.3 移動網絡流量策略控制4.2.3 移動網絡流量策略控制移動算力網絡節點既包

51、括承載算力的邊緣云，也包括承載移動接入和用戶數據流轉發的5G網絡功能，在移動算力網絡系統中需要云網兩方跨越邊界有效協同來為客戶提供高效的云網融合能力，實現應用“一鍵入云”，5G邊緣業務部署即可用的云網融合愿景目標。針對云網融合愿景目標，可以考慮在5G現有能力基礎上構筑內生算力所需基礎網絡能力，使得5G核心網與內生算力實例之間的網絡路由可以自動化協商，達成算力實例網絡與APN之間的自動化映射。移動網路流量策略控制跨越當前網絡內生算力與核心網之間的網絡邊界，簡化了站內組網拓撲，實現UE入網即得算力服務。I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書

52、184.2.4 算網統一資源調度及需求分解映射4.2.4 算網統一資源調度及需求分解映射移動算力網絡是由海量的算網節點組成的超大規?？绲赜蚍植际剿憔W基礎設施。在可預見的未來，移動算力網絡所包含的算網節點總數很可能達到數千乃至數萬量級，從而形成一個拓撲極為復雜的分布式資源網絡。如何在一個如此巨大而復雜的網絡上實現精準、高效的算網資源分配與調度，是當前業界尚未深入分析和有效解決的重大難題。從可商用性和用戶友好性角度出發，當移動算力網絡資源租戶在移動算力網絡上部署自有業務時，可能只會提供預期的算力資源和網絡資源類型、數量與SLA訴求信息，甚至可能只希望提供一些業務應用層面能夠感知到的服務體驗要求。相

53、應的，算網租戶很可能既沒有意愿也沒有能力詳細分析算網資源需求細節，并自行給出非常準確的資源申請要求。在這種情況下，移動算力網絡的管理編排層必須具備將租戶的高層次、大顆粒、抽象化業務訴求翻譯為具體詳細可實施的算網資源要求，并結合現網各算網節點的地理位置、網絡條件、業務負載、算力類型等信息，實現精確化、智能化調度，并通過這種調度讓租戶獲得的算網資源最大化滿足其原始業務要求。由此可知，對用戶業務意圖進行分析以生成詳細算網資源需求，并針對算網資源進行聯合調度發放的算網統一資源調度技術，是移動算力網絡實現大規模商用的關鍵支撐性技術之一。4.2.5 移動網絡算力節點狀態感知4.2.5 移動網絡算力節點狀態

54、感知首先，移動算力網絡管控層支持算網資源感知：移動算力網絡感知移動算力網絡節點及節點上算力服務的信息，如節點上的算力資源類型、算力服務類型等，同時夠感知移動通信網絡的業務需求，如UE注冊、會話建立等；移動通信網網絡節點作為提供算力方時，應能針對自身的算力能力在移動算力網絡中進行注冊；移動算力網絡應能主動發現可用的算力資源，并實現算力資源的納管；算力服務的能力還可包括移動通信網絡特有的能力，如網元支持的最大同時接入用戶數，支持的最大同時在線會話數，網元支持的上下行保證帶寬，最大帶寬等。其次，移動算力網絡管控層支持節點資源狀態監控：移動算力網絡管理編排層對移動算力網絡節點狀態、服務負載情況等進行監

55、控和管理，為資源編排和業務調度提供實時數據支撐。4.2.6 算力感知的移動會話管理4.2.6 算力感知的移動會話管理在邊緣計算超分布規模部署場景下，當前5G網絡只能根據用戶位置就近選擇邊緣應用服務，不能依據算網整體資源情況選擇，容易造成系統局部負載過高，整體系統容量不高的問題。為此，5G網絡需要增加邊緣算力感知能力，獲取邊緣計算節點部署的算力信息，包括算力實例運行狀態、所處服務器的計算資源類型、運行環境、資源負載等信息，從而實現最佳的5G網絡用戶面和邊緣應用服務器的選擇，以19I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書便滿足用戶應用體驗保障

56、的同時，最大化5G網絡資源和邊緣計算資源的利用率，提升系統容量。5GC實現算力感知的移動會話管理可以考慮兩種方式：1）集中式。是指5GC控制面同時感知算力信息和網絡信息，根據算網資源優化目標，選擇最佳的邊緣計算節點以及對應的用戶面，并通過控制面向選擇的UPF下發用戶面轉發規則，創建所需移動會話。該集中式方案適用于邊緣計算節點稀疏分布場景；2）分布式。是指用戶面感知邊緣算力信息，并在用戶面直接動態生成轉發規則，控制面只負責用戶面的鄰居關系，避免控制面頻繁更新用戶面轉發規則帶來的信令風暴。分布式方案更適合于邊緣計算節點規模密集部署以及業務動態調度場景。算力感知的移動會話管理是實現算網融合下保證用戶

57、體驗和系統容量最大化的關鍵。4.2.7 算網業協同實時調度4.2.7 算網業協同實時調度用戶在移動網絡中移動時，會存在基站切換、核心網用戶面切換以及業務切換等情況。由于當前網絡和業務運行在不同的業務域內，且只有網絡側單方向對外提供能力開放接口，網絡只能被動的被業務側調用，不能感知業務側的變化，當業務側發生故障造成業務遷移或重部署情況下，導致網絡側不能及時同步調整路由，影響業務體驗。為了在運行態實現網絡、業務和算力資源間的最佳協同調度，移動算力網絡架構中應該具備一個能夠感知到網業算的控制功能實體，基于網業算的互通情況、分布情況和資源情況，結合用戶位置、用戶訪問業務的提供者和業務所需算力，做出綜合

58、的判斷。在發生UE移動、業務實例遷移、業務重部署時，能夠同步優化業務資源調度和網絡會話管理，實時保障業務路由最佳，以及高資源利用率。4.2.8 算網體驗QoS保障4.2.8 算網體驗QoS保障考慮到 3GPP網絡架構中定義的面向用戶和業務的QoS機制滿足不了對算力質量的保障，為保證移動算力網絡端到端業務體驗，需要考慮引入新的針對移動算力網絡的QoS機制。新引入的QoS參數，可以考慮上行QoS由終端側應用標記，基于指定的參數，網絡側翻譯成端側應用對算力資源的需求，包括：計算資源類型、計算資源大小、網絡時延等級、計算時延等級，以及協助算力任務分配和算力資源調度所需的UE位置信息等。后續在5G-A的

59、標準化過程中，可以通過直接新增QoS參數，或者新建算力QoS profile來攜帶相關參數進行會話建立以及算力任務分配和資源選擇。算網管控層基于這些算網QoS參數來選擇不同的轉發路徑和算力節點處理相關業務。計算類型和大小決定了算網管控層選擇具備對應條件的算力節點；網絡時延等級決定了選擇用戶面路徑的圈層，例如是區縣級、地市級還是省中心的用戶面路徑；計算時延和計算資源與要處理的業務類型有關，算網管控層應做出綜合策略。同時算網QoS需具備動態調整能力以保障業務體驗。I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書204.2.9 端邊云算力共享服務層4.

60、2.9 端邊云算力共享服務層移動算力網絡除了提供基本的網絡接入與轉發、不同類型的算力資源等基礎設施能力之外，必須通過引入適當層次的基礎設施能力服務層，讓算網應用開發者可以通過近似于cloud-native的模式實現便捷高效的應用開發與適配。在充分利用移動算力網絡所提供的各類接入、轉發、計算資源能力的同時，最大程度降低應用開發者的學習門檻，并使能開發者以極簡方式實現應用的廣域協同、跨站彈性、多點災備等高級業務能力。在此基礎上，上述服務層應當能夠提供極易使用的端-邊通信與協同機制，幫助UE側App開發者以IT化的開發體驗和軟件模式實現對算網資源和應用的調用與協同，讓App開發者無需理解移動通信、移

61、動算力網絡底層技術細節，即可充分發揮移動算力網絡的價值。綜上，有效抽象和封裝移動算網基礎設施能力的服務化技術，對于吸引移動算網業務應用開發者，豐富移動算網應用生態，具有極為關鍵的作用。4.2.10 多租戶自服務的算網一體能力開放4.2.10 多租戶自服務的算網一體能力開放移動計算網絡作為算網融合的基礎設施，其用戶包括個人用戶、運營商、第三方垂直行業用戶。移動算力網絡通過能力開放接口為各類用戶提供安全隔離的端到端移動接入的租戶環境，包括算力資源類型（CPU/GPU/NPU）及形態（VM、容器、函數）、5G網絡切片、終端用戶群組、VPC網關等。從開發者友好性以及應用快速開發和部署角度看，移動算力網

62、絡需要能夠提供算網一體的租戶環境，提供符合云計算租戶習慣的操作，使得用戶不需要關心其租戶環境的網絡接入的多樣性和復雜的組網邏輯。這里面臨的挑戰是，1）現在5G網絡切片機制雖然提供了5G網絡的定制化，但與云計算租戶機制是分離的，需要在資源模型和操作流程上打通，使得用戶在獲得租戶環境時，自動完成5G切片和租戶網絡的統一，最大化減少5G網絡的學習成本；2）針對不同用戶的差異化需求，移動算力網絡需要能夠提供分級的租戶自服務能力。這里的分級自服務是指用戶可以通過算網一體開放接口按需定制不同規格的移動算力網絡租戶環境，包括所需的計算、存儲、網絡、終端用戶群組等資源類型和功能，并且根據用戶等級，為不同用戶開

63、放不同的租戶算網資源操作權限，包括對本地計算資源和網絡QoS調整、用戶群組管理、業務調度、訪問控制等?？梢?，算網一體能力開放是移動算力網絡作為算網融合基礎設施對外提供服務、構建商業生態的關鍵界面和技術手段。21I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書為推動移動算力網絡產業的快速發展，IMT-2020（5G）網絡工作組從技術、商業、實施三個方面提出倡議：凝聚產業共識，建設技術體系。凝聚產業共識，建設技術體系。與算力網絡相比，移動算力網絡這一概念在業界尚屬新生事物。針對移動算力網絡的核心定義、產業愿景、典型場景、架構組成、能力特征、關鍵技術、

64、產業標準等內容，業界亟需充分討論，并形成普遍共識。在此基礎上，才有可能建立統一、嚴謹、完備、開放的移動算力網絡技術體系，清晰定義開放式服務化算網基礎設施技術愿景，為相關產業的快速健康發展提供有力的技術引導與支撐。孵化產業生態，創新商業場景。孵化產業生態，創新商業場景。在移動算力網絡產業推進的過程中，應當遵循ICT基礎設施產業發展的普遍規律，堅持商業與技術雙重驅動的基本理念，高度重視典型商業場景對于移動算力網絡產業成4.3 移動算力網絡架構形態展望移動算力網絡對架構影響有以下三類潛在方案：1.通過增加新的核心網網絡功能，來支持移動算力網絡的新增能力。新增核心網元承擔算力節點管理、算力需求分解等任

65、務。通過控制面信令交互完成算力節點注冊認證、算力狀態信息感知等功能。新的網絡功能需要和算網大腦進行交互，完成算力節點信息的同步，以及算力服務狀態的同步等，實現算力網絡與移動通信網絡的實時信息交互，并通過算力網絡功能模塊可開放服務化接口，為移動通信網絡提供算力服務。2.通過對網管系統進行增強，來支持移動算力網絡新增能力。利用網管系統對硬件資源進行抽象，并進行統一調配。由管理編排系統進行算力相關信息收集，核心網網元可利用獲得的算力相關信息增強現有網絡。網絡管理和編排系統復用了現有的NFV架構和NFV及管理接口。3.通過對應用使能層或能力開放平臺增強，來支持移動算力網絡新增能力。新增算力使能層或增強

66、能力開放平臺，增加算力節點管理、算力需求分解等功能，同時可以和應用側進行更好的算力服務交互。應用層新增算力節點注冊認證、算力狀態信息感知等功能。通過算力網絡使能層和算網大腦進行交互，完成算力節點信息的同步，以及算力服務的同步等。移動算力網絡產業發展倡議I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書22目前5G-A網絡架構與主要功能基本確定，但移動算力網絡作為新興技術之一仍然處于探索早期。技術的演進，尤其離不開業務場景與商業閉環。因此隨著5G-A的進一步深入，在以面向消費者的沉浸化業務、面向行業的智能終端協作/產業算網、面向網絡的能力優化為代表的

67、場景牽引下，移動算力網絡需要面向長期網絡演進，逐步構建起完整的邏輯框架及技術體系?；谀壳暗难芯?，在基礎設施、算網協同、運營管理等三個層面，移動算力網絡可以在泛在異構資源池、高效本地互聯、全局算力感知、算網協同實時調度、業務QoS體驗保障、以及算網能力的服務化統一編排調度和能力開放提供上進一步加快研究。希望通過未來三到五年的時間，使移動算力網絡成為通信產業繁榮發展的基石，真正為產業鏈各方的商業正循環提供助力。功的關鍵牽引作用，由標準組織、運營商、設備廠商、業務廠商、終端用戶等生態伙伴密切協同，共同打造一系列商業價值鮮明、易于規模復制的精品商業場景，為移動算力網絡的發展提供有效助力。堅定產業信心

68、，明確實施路徑。堅定產業信心，明確實施路徑。移動算力網絡概念的提出，是移動網絡面向算網融合演進的重要方向。移動算力網絡的建設與實施，與5G MEC的演進與發展同樣緊密關聯。5G MEC的規模建設與成功商用，必將成為移動算力網絡實施與演進路徑的堅實起點，并將為移動算力網絡的建設與運營積攢寶貴的技術積累與商業經驗。為此，運營商、設備廠商、標準組織及相關產業生態伙伴應共同堅定產業信心，積極推動移動算力網絡的技術研究、場景驗證與商業實踐，以移動算力網絡愿景目標為牽引，統籌后續發展建設規劃，為整個產業的后續發展繪制清晰的產業路線圖?？偨Y和展望23I M T-2 0 2 0(5 G)推 進 組面向5G-A

69、的移動算力網絡需求及潛在關鍵技術白皮書縮略語列表I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書24參考文獻1 3GPP TS 23.288:Architecture enhancements for 5G System(5GS)to support network data analytics services.2 3GPP TS 23.548:5G System Enhancements for Edge Computing;Stage 2.3 中國移動算力網絡白皮書R,中國移動通信研究院，20214 算力感知網絡技術白皮書R,中國移動通信研

70、究院，20215 ITU-T,“Requirements of Computing and network convergence Network for IMT-2020 network and beyond”,20216 ITU-T,“Use cases and requirements of computing-aware networking for future networks”,20217 3GPP TS 22.261,“Service Requirements for the 5G system;Stage 1”,Release 18.25I M T-2 0 2 0(5 G)推 進 組面向5G-A的移動算力網絡需求及潛在關鍵技術白皮書主要貢獻單位