《IMT-2030(6G)推進組：2023 算力網絡協同管理的場景及需求研究報告（49頁）.pdf》由會員分享，可在線閱讀，更多相關《IMT-2030(6G)推進組：2023 算力網絡協同管理的場景及需求研究報告（49頁）.pdf（49頁珍藏版）》請在三個皮匠報告上搜索。

1、北京稻殼科技有限公司Beijing Rice Hull Technology Co.,Ltd.地址：北京市朝陽區九住路 188 號IMT-2030(6G)推進組IMT-2030(6G)Promotion Group2023 年年 12 月月版權聲明版權聲明 Copyright Notification未經書面許可未經書面許可 禁止打印、復制及通過任何媒體傳播禁止打印、復制及通過任何媒體傳播2023 IMT-2030（6G）推進組版權所有IMT-2030(6G)推進組IMT-2030(6G)Promotion Group引引言言在 IMT-2030（6G）推進組的統一安排下，算力工作子組就 6G

2、 算網相關的場景、需求與應用前景開展了深入調研分析，為下一步開展相關研究提供指導和思路。本報告聚焦于開展算力網絡協同管理的場景及需求相關的研究，為推進算力網絡協同管理的關鍵技術及后續標準研究提供參考。2IMT-2030(6G)推進組IMT-2030(6G)Promotion Group目錄圖目錄.4表目錄.5第一章算網協同管理背景及驅動力.61.1 算網協同管理的背景.61.2 算網協同管理的概念.71.3 算網協同管理研究進展.81.3.1標準.81.3.2運營商.91.3.3設備商.111.3.4學術及產業.11第二章算網協同管理場景.132.1 場景 1：無線網絡算網協同.132.1.1

3、概述.132.1.2場景描述.132.1.3需求描述.172.2 場景 2：XR.182.2.1概述.182.2.2場景描述.182.2.3需求描述.222.3 場景 3：V2X.232.3.1概述.232.3.2場景描述.242.3.3需求描述.262.4 場景 4：算網協同管理安全.272.4.1概述.272.4.2場景描述.272.4.3需求描述.272.5 場景 5：AI.292.5.1概述.292.5.2場景描述.292.5.3需求描述.312.6 場景 6：工業應用.312.6.1概述.312.6.2場景描述.322.6.3需求描述.322.7 場景 7：東數西算.332.7.1概

4、述.332.7.2場景描述.333IMT-2030(6G)推進組IMT-2030(6G)Promotion Group2.7.3需求描述.342.8 場景 8：算力內生.352.8.1概述.352.8.2場景描述.352.8.3需求描述.36第三章算網協同管理需求.373.1 通用需求.373.2 架構需求.373.3 關鍵技術需求.38第四章算網協同管理挑戰及展望.404.1 算網協同管理的挑戰.404.1.1云網統一編排.404.1.2調度管理.404.1.3業務與資源協同.414.1.4算網智能化.424.1.5現有標準適用性.424.2 下一步研究方向的展望.43縮略語簡表.43參考文

5、獻.45貢獻單位.464IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖目錄圖 1-1移動算力網絡運維架構示意圖.7圖 2-1基于算力網絡的 AR/AI 云端識別業務場景示意圖.20圖 2-2基于算力網絡的 Cloud VR 場景示意圖.21圖 2-3V2X 智慧車聯網場景.25圖 2-4AI 推理示意圖.30圖 4-1統一編排.40圖 4-2算網調度管理.41圖 4-3業務資源協同.425IMT-2030(6G)推進組IMT-2030(6G)Promotion Group表目錄表 1-1算力協同管理相關的標準研究進展.8表 2-1智能車聯網場景特點.26

6、6IMT-2030(6G)推進組IMT-2030(6G)Promotion Group第一章 算網協同管理背景及驅動力1.1 算網協同管理的背景目前算網協同管理相關的研究還處于初期階段。IMT2030 發布的6G 架構愿景和關鍵技術展望白皮書中，提到算力網絡關鍵技術包括算力編排與管理功能：完成對算力資源和網絡的管理，包括對算力資源的感知、度量和 OAM 管理等；實現對終端用戶的算網運營，以及對網絡資源的管理功能；通過合理的算網聯編排服務，降低計算網絡聯動的總體能耗，實現綠色低碳的算網最優組合。CCSATC3 WG1 最近發布的算力網絡總體技術要求中，首次提出了算力網絡的標準定義和發展目標，并制

7、定了算力網絡的總體技術架構和關鍵技術要求。在網絡架構中，提出了算網編排管理層：實現對算力服務的運營與編排管理、對算力路由的管理、對算力資源的管理以及對于網絡資源的管理，其中算力資源管理包括基于統一的算力度量衡體系，完成對算力資源的統一抽象描述，進而實現對算力資源的度量與建模、注冊和 OAM 管理等功能；以支持網絡對算力資源的可感知、可度量、可管理和可控制。國內三大運營商分別發布的和算力網絡相關的白皮書中，均提到了要研究和建設算網大腦，用于對網絡資源和計算資源的統一編排和調度。未來很多 6G 應用會是計算密集型的，如 AI、XR、多模態通信、數字孿生等，同時這些應用往往還有極致性能的要求。移動算

8、力網絡需要為能力受限（電量、算力等）的移動終端按需提供實時的計算服務，并在無線動態環境下高效的保障計算任務 QoS（計算精度/時延/能效、計算交互時延/抖動等）。同時，移動算力網絡將是 6G 各類內生智能、感知等計算型服務的基礎平臺能力。移動算力網絡是在 6G 網絡架構的控制層面，引入通信與計算深度協同的功能、接口和協議，直接通過未來 3GPP 標準化的信令來實現通算融合甚至一體化。移動算力網絡融合的算力資源可以來自網絡設備內生的計算，也可以來自中心云、邊緣云、終端等，也就是說只要符合未來標準化的通算融合機制的合規算力資源，都將是移動算力網絡的目標資源。移動算力網絡將構建出一種開放的機制和生態

9、，來高效的整合7IMT-2030(6G)推進組IMT-2030(6G)Promotion Group網絡內外的各類算力資源，并基于網絡架構內生的通算融合機制，為 6G 業務創新提供新型的基礎設施.本報告聚焦于算力網絡的算網協同編排管理場景、需求及關鍵技術，研究算網協同管理系統如何對算力網絡涉及的移動網絡，包括無線接入網、承載網絡、核心網、終端及應用進行合理的算網協同管理。1.2 算網協同管理的概念算網運維運營體系總體可包括：算網統一運營、算網編排、調度、AI 自智、算網感知平臺、算網管控、算網開放、算力使能、網絡使能及云網基礎設施等核心組成。算網協同管理俗稱算網大腦，是算網運維運營的核心，滿足

10、算力資源和網絡資源統一編排、調度、運維的核心系統?？傮w上分為算網感知單元、算網編排單元、算網調度管理單元及算網智能化運維單元，北向提供統一的原子能力，支撐一體化運營的統一入口。圖1-1移動算力網絡運維架構示意圖見圖 1-1 所示的移動算力網絡運維架構示意圖，其中算網感知平臺可實現算與網融合感知，應用對算力需求的感知。計算、網絡和服務能夠相互感知、高度協同；算網一體化編排模塊可對來自服務提供商及運營商相關業務需求拆解、資源層能力編輯、組合設計；算力統一調度模塊負責匹配最佳算、網資源以滿足業務需求對部署、運行8IMT-2030(6G)推進組IMT-2030(6G)Promotion Group的保

11、障；算網自智模塊通過 AI 賦能提供一體化編排、調度等能力的智能化操作，通過數字孿生提供高度自治化的算網管理功能。1.3 算網協同管理研究進展1.3.1標準算網協同管理涉及的國內國際組織中的相關標準，如 CCSA、ITU-T 等 SDO，見表 1-1 所示。表 1-1算力協同管理相關的標準研究進展標準組織標準名稱標準類型牽頭單位討論組目前進展CCSA智能計算中心異構算力調度平臺技術要求和測試方法行標中國電信TC1/WG4數據中心立項建議書智能計算中心異構人工智能算力硬件協同技術要求行標中國信息通信研究院TC1/WG4數據中心立項建議書面向視頻業務的算力技術要求 應用場景行標中國移動TC1/WG

12、3 信源編碼征求意見稿智能計算中心異構算力管理和使用技術要求行標中 國 信 息 通信研究院TC1/WG4數據中心征求意見稿算力網絡需求與架構行標中國電信TC3/WG1網絡總體及人工智能應用送審稿算力網絡 算網編排管理技術要求行標中國移動TC3/WG1網絡總體及人工智能應用征求意見稿無線算力網絡場景、需求和關鍵技術研究研究報告中國移動TC5/WG6前沿無線技術征求意見稿移動算力網絡總體技術研究研究報告中國移動TC5/WG12 移動通信核心網及人工智能應用征求意見稿算力網絡安全需求及關鍵技術研究研究報告中國移動TC5/WG5無線安全與加密征求意見稿算力網絡運營管理 業務協同編排技術要求行標中國移動

13、TC7/WG1無線通信管理征求意見稿9IMT-2030(6G)推進組IMT-2030(6G)Promotion Group算力網絡 運營管理技術要求行標中國移動TC7/WG1無線通信管理送審稿泛在算力調度管理技術要求行標中國移動TC7/WG1無線通信管理征求意見稿算力網絡安全編排管理技術研究研究報告中國移動TC8/WG4新興技術和業務安全立項建議書ITUComputingPowerNetwork framework andarchitecture國際標準ChinaTelecomSG13已發布Y.2501RequirementsforComputingPowerNetwork Managemen

14、t國際標準BUPTSG2Under studySignalling architecture ofserviceorchestrationforcomputing power network國際標準ChinaUnicomSG11Under studySignallingrequirementsfor service deployment incomputing power network國際標準ChinaUnicomSG11Under studySignallingrequirementsfor cross-domain serviceorchestrationofthecomputing p

15、ower network國際標準ChinaUnicomSG11Under studyRequirementsandframeworkofNGNeorchestrationenhancementsforsupportingcomputingpower network國際標準ChinaTelecomSG13Under studyIETFComputing-Aware TrafficSteering(CATS)ProblemStatement,Use Cases,andRequirements國際標準China MobileCATSUnder studyComputingInformationDes

16、criptioninComputing-Aware TrafficSteering國際標準China MobileCATSUnder studyApplicationAwareComputing Network國際標準HuaweiCATSUnder study1.3.2運營商現階段國內三大運營商對算力協同管理及算網大腦的研究及應用已有一系列的技術成果。10IMT-2030(6G)推進組IMT-2030(6G)Promotion Group中國移動中國移動中國移動正圍繞算網基礎設施構建、業務融合創新、原創技術引領三條主線全面開展工作，形成七方面重大成果。一是深化“4+N+31+X”數據中心布局，

17、形成“熱點集約、跨區輻射、邊緣覆蓋”梯次布局的算力體系，構建 1-5-20 三級低時延服務圈；二是以新型智算為重點打造算力高峰，正在構建 E 級超大規模單體智算中心，支撐 AI 大模型訓練和孵化；三是打造算網大腦 1.0，實現了 ABCDNETS 多要素一體化編排調度；四是創新算網產品體系和服務模式，打造了東數西算、數據快遞等新型產品，提出了任務式、算力并網等新型服務模式；五是突破算力網絡核心技術，提出十大技術方向，布局攻關三十二大關鍵技術，協同構建算力網絡標準體系和開源生態；六是打造算力網絡科學裝置，實現中國移動算力網絡試驗網 CFITI 與中國算力網、信息高鐵互聯互通；七是成立算力網絡子鏈

18、，匯聚了 100 多家核心企業，打造協同創新基地實驗室，共同推動算力網絡產業鏈繁榮發展。2023 移動云大會發布“移動云技術內核 3.0”，新技術內核在算力資源、硬件架構、算網調度等方面進行了升級。其中算網大腦可提供“東數西算類”、“強算強 AI 類”、“渲染類”、“泛視頻類”四類典型算網服務，并為客戶推薦最優資源編排方案、每分鐘上萬次資源調度、實現 ABCDNETS 等 3,000 余原子能力的注冊和開通。中國電信中國電信中國電信積極構建算網大腦，推動網絡從連接算力到感知、承載、調配算力，實現算力泛在、算網共生。中國電信天翼云智能計算平臺“云驍”，作為云智超一體化算力平臺，“云驍”依托天翼分

19、布式架構云底座和海量計算、存儲、網絡資源，提供智算、超算、通算多樣化算力服務，為 ChatGPT 類大模型訓練、生命科學等場景提供軟硬一體解決方案。天翼云算力分發網絡平臺“息壤”，采用了算力度量、算力感知、算網融合多項技術，支持通用算力、超算、智算等異構算力的統一接入、統一封裝、統一調度。作為算力傳輸的樞紐能夠在全國范圍內實現每分鐘數萬次、每天上千萬次的算力統籌和調度。目前“息壤”已全面接入天翼云的多級資源，并與多個合作伙伴實現算力并網，為云渲染、東數西算等應用提供支持。當前，首個算力互聯互通驗證平臺已在北京落地。中國聯通11IMT-2030(6G)推進組IMT-2030(6G)Promoti

20、on Group在算力供給側，中國聯通進行算力資源的一體化布局，實現云網邊協同。除了布局包括東數西算樞紐和 31 省的“5+4+31”算力核心節點外，還大力建設邊緣計算節點，并實現與第三方云計算資源的協同。在算力承載上，中國聯通打造為算力服務提供超強運力的智能開放的全光底座，在樞紐間通過 OXC/ROADM 構建全光互聯，打造 20ms 樞紐間連接；在樞紐內，打造城市算力網關到樞紐內集群的 5ms 時延圈；在城市內，增加光錨點覆蓋，實現用戶到算力網關的一跳接入，實現城市內 1ms 時延圈。不止于此，中國聯通還基于以 SRv6為基礎的“IPv6+”網絡技術與能力，形成云網邊端一體化的可編程服務體

21、系，實現一網聯多云和一鍵網調云。在算網編排調度上，中國聯通憑借算網大腦技術，打造算網一體化編排調度平臺和算網一體化產品，實現算力資源與網絡聯接的同開同管和靈活調度。在算網服務上，中國聯通打造算網一站式服務平臺，并開放用戶自助服務，不斷提升用戶感知。1.3.3設備商設備廠商聚焦算網協同發展技術創新與設備研發，為算網協同發展提供支撐。設備廠商在算網協同方面的創新主要體現在網絡路由轉發、算網資源編排調度等方面。在網絡路由轉發方面，中興通訊推出算力敏感 IP 網絡方案，該方案實現了基于SRv6 的算網一體協同調度，將 SRv6 業務編程納入通用算力服務功能，實現端到端算網業務無縫拉通。在算網資源編排及

22、調度方面，華為推出 CloudFabric 3.0 超融合數據中心網絡方案，該方案支持對多個數據中心的統一納管及高速無損互聯，同時提供 L3 全生命周期自動管理的自動駕駛網絡能力，可實現業務分鐘級部署，故障分鐘級修復，極大地提升了網絡運維效率。1.3.4學術及產業在產業層面，目前濟南超級計算技術研究院推出的超算平臺基于算力網絡深度融合技術，自下而上統一實現計算資源與計算業務的編排管理，解決分布式算力中心的資源調度軟件難以滿足生產級別復雜計算業務需要的問題，實現“算力泛在、算網共生、智能編排、一體化服務”的目標，推動算力成為水電一樣，可“一點接入、即去即用”12IMT-2030(6G)推進組IM

23、T-2030(6G)Promotion Group的社會及服務。在學術領域，中國電子科學研究院提出空間算力網絡的概念，針對如何高效協同地調度廣域分布的星上算力問題開展研究，提出了空間算力網絡的物理架構、邏輯架構和軟件架構。邏輯架構主要由算力網絡基礎設施、算力編排管理層、微服務應用層組成。其中，算力編排管理層為空間算力網絡提供資源與應用的綜合管理能力，是空間算力網絡的大腦。一方面，向下利用虛擬化技術對分布式異構算力資源進行抽象，形成統一資源池供應用調度，為應用提供分布式感知、分布式計算、分布式存儲資源；另一方面，向上向業務多樣化、差異化的服務保障需求，對資源進行統籌編排和按需調度，提高空間算力網

24、絡有限資源的利用率。13IMT-2030(6G)推進組IMT-2030(6G)Promotion Group第二章 算網協同管理場景移動算力網絡應用有很多典型的場景應用，典型應用如 AI 超大模型訓練、東數西算/存場景。用戶提供數據需要傳輸到數據中心或西部節點，利用算力網絡實現重算力的調度。這就需要算力實現跨域集群能力，網絡可提供超長、大帶寬能力；行業數智化場景如工業控制、機器視覺。行業用戶數據要求實時處理，需要在近場的邊緣計算節點或終端實現應用閉環。算力網絡要支持實時的邊緣算力服務和用戶-邊緣之前的確定性網絡；用戶游戲/娛樂場景，如云游戲、元宇宙。數據從 DC 分發到邊緣，進一步傳遞到用戶，

25、邊緣側提供渲染、存儲等服務的同時，還要提供用戶-邊-云的確定性網絡體驗。該章節主要描述 6G 業務對移動算力網絡的場景及需求，特別是算力網絡協同管理方面的場景及需求。如 V2X 場景、XR 場景、移動網絡涉及的云邊端統一管理場景及確定性業務場景、東數西算、元宇宙等。2.1 場景 1：無線網絡算網協同2.1.1概述6G 無線網絡要實現業務需求精準感知、多維資源按需分配、網絡服務按需提供的能力，必須以算力和智能為中心，從云網一體邁向智算網業一體。通過云化，可以將底層異構硬件資源進行虛擬化，實現網絡、存儲、計算等多維資源的統一管理和調度，實現基站服務和容量的最優匹配；通過基站的算力增強，實現基站內和

26、基站間的資源高效調度；6G 無線網絡將通過連接和計算在網絡邊緣的融合供給，提供網絡邊緣高速率、低時延、高密度計算的智能無線算網服務，滿足千行百業業務確定性要求。2.1.2場景描述 無線無線空口資源調度空口資源調度基站的調度器會根據掌握的各種信息動態地選擇哪些終端能夠被調度（能夠通過空口進行數據發送和接收），以及為這些終端分配多少無線空口資源。池化的 BBU 間可以共享用戶的數據收發、信道質量等信息，使得基站的聯合調度得以實現，大幅提14IMT-2030(6G)推進組IMT-2030(6G)Promotion Group高了頻譜的使用效率。調度器使用不同的調度算法使得系統吞吐量達到最大或是用戶的

27、體驗最好，也可以在兩者間追求一定的平衡?；緝群突鹃g的高效調度必然使得調度算法更加復雜，這都需要基站在提供傳統通信服務能力之外，具備增強的算力和智能，支撐復雜調度算法的運行。例如，節假日商場內客流量突增，重大賽事時體育場館內觀眾暴滿，都帶來了突發性的局部高話務量，從而導致無線網絡的資源緊張或者同一基站內各小區的負載不均衡，導致局部用戶上線困難體驗變差。無線網絡利用增強的算力和智能，以及資源共享的全局視圖，可以在不增加空口資源的情況下，使用資源的智能調度有效解決這些問題。無線網絡可以在同一個基站的小區之間或不同基站間，進行多優先級動態頻譜分配與管理、干擾協調、用戶小區引導等，快速應對話務量的突

28、增；還可以根據用戶的優先級，在不影響用戶基本業務體驗的前提下，動態調整或降低為每用戶分配的空口資源，以提升系統的容量。路徑優化路徑優化移動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，實時地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。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

29、業務對移動通信網的需求，綜合考慮網絡的全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。在移動算力網絡中，一方面，承擔控制面網絡功能的基礎設施可以作為選擇接入算力網絡的權重之一。另一方面，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。隨著分布式架構的成熟使用，以及分布式業務的蓬勃發展，例如 CDN 業務、邊緣云或分布式云，對于如何找到最快路徑，并為業務找到一個合適的節點，滿足其對15IMT-2030(6G)推進組IMT-2030

30、(6G)Promotion Group帶寬、算力、存儲的需求，需要對網絡和算力進行協同調度。(1)用戶面路徑選擇用戶面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。例如在移動通信網絡的會話建立等場景中，SMF 會根據策略進行用戶面 UPF 的選擇。SMF 可以先根據 UPF 支持的特性因素篩選出所有能適用的 UPF，再根據 UE當前位置等因素選擇出“最近”的 UPF，以獲得更短的用戶面路徑、更小的時延等優勢。這種情況下，可以在移動通信網內部通過 SMF

31、 實現 UPF 的選擇，但是這種選擇是 SMF管理范圍內基于已存在的 UPF 資源形成的最優路徑，沒有充分考慮對于全局范圍資源的均衡或者沒有合適 UPF 資源的情況，如何生成用戶面路徑，也沒有充分考慮用戶QoS 需求與用戶面傳輸路徑的匹配度，因此不能動態且高效的選擇最優的用戶面路徑為 UE 提供服務。在移動算力網絡場景中，通過算力網絡的全局算力能力、算力節點狀態、網絡鏈路狀態等的管控，可以輔助移動通信網絡的用戶面路徑選擇，為 UE 規劃最優的用戶面路徑；對于沒有合適的用戶面網元的場景，移動算力網絡可以實現UPF的按需部署；UE 移動時，利用算力網絡的全局資源視圖，可以綜合考慮網絡資源和算力資源

32、，更快的進行用戶面路徑調整，進而保證用戶業務的連續性。(2)控制面路徑選擇控制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，通過算力網絡對算力節點/算力服務的狀態實時感知，輔助移動通信網實現控制面網元的選擇及控制面路徑優化。以移動通信網絡的 UE 注冊場景為例，RAN 可以為 UE 選擇最優的服務 AMF 實例。在移動通信網絡中，UE 在注冊請求中可提供 5G-S-TMSI 或 GUAMI 來選擇 AMF，如無法選擇到有效的 AMF 實例時，RAN 將根據 requested NSSAI 或本地運營商策略選擇可以為 UE 服

33、務的 AMF set，然后按照 AMF 權重因子來選擇為 UE 服務的 AMF。這種選擇方式無法充分考慮 AMF 節點的實際工作狀態以及 RAN 與 AMF 之間鏈路狀態，因此不能動態且高效的選擇最優的 AMF 資源為 UE 提供服務。在移動算力網絡場景中，算網協同管理功能可以管控全局算力資源，實現算力節點及其節點上的服務（如AMF）信息的感知，UE 接入需求的感知，實時監控算力節點及節點上服務的狀態及16IMT-2030(6G)推進組IMT-2030(6G)Promotion Group負載情況，結合算力節點之間（如 RAN 與 AMF 之間）的鏈路可用帶寬、傳輸時延、擁塞狀態等為 UE 選

34、擇最優的 AMF 以及最優的控制面路徑進行注冊信令及后續 PDU會話信令的處理，將計算任務卸載到可用的計算資源，輔助移動通信網實現控制面網元的選擇，基于最優的控制面傳輸路徑進一步提高數據處理效率、降低傳輸和處理時延。(3)CDN 分布式業務隨著分布式架構的成熟使用，以及分布式業務的蓬勃發展，例如 CDN 業務、邊緣云或分布式云，其中的核心技術是調度。映射到實際的 CDN 場景，核心訴求是如何找到最快路徑，并為業務找到一個合適的節點，滿足其對帶寬、算力、存儲的需求。對于呈現出區域特征的熱點業務，CDN 會定期從中心云拉取熱點內容，以確保 CDN節點有較高的命中率。這類業務呈現出比較穩定的特征。而

35、對于動態的具有潮汐效應特征的業務，例如演唱會、博物館、景區等場景，數據對節點處理能力要求隨時間和地點呈現出較大差異。人工根據業務熱點的遷移改變邊緣應用的部署并不具備現實可操作性?；谝苿咏尤刖W絡控制面對用戶面路徑的動態選擇和靈活更新，通過邊緣計算技術在現網的部署和應用，邊緣計算的云平臺承載著不同的應用和計算資源已經進入各行各業的邊緣機房。雖然現在已經實現了邊緣云和中心云的協同，但是計算資源、應用與網絡之間并沒有形成融合。應用開發者在選擇應用部署位置時，可以通過云的管理運營界面呈現的邊緣云節點的位置、資源類型和資源數量做出部署決定。但由于邊緣云和網絡連接之間是弱耦合的關系，邊緣云平臺上運行的應用

36、執行的終端用戶的業務流對應的網絡連接節點和應用之間可能存在組網迂回繞行、網絡不通等問題。移動算力網絡基于網絡實時動態可遷移性和對計算資源的感知管理技術來構建運營管理系統，有助于實現云計算資源和網絡的一體化調度，網絡資源按應用所需、網絡調度隨云而動?；谒懔Y源感知、算力實例封裝打造算力調度平臺，開展算力資源的實時感知和智能分析，實現不同業務的算力需求和算力資源合理匹配。移動性保障移動性保障車聯網中的個體除對算力存在大量需求外，車輛是移動的個體，需要在高速移動的過程中保持上述各種服務相關的數據運算，需要得到高速移動中低延遲的服務保障。車輛在移動中會跨越多個 MEC 的覆蓋范圍，其當前所連接的 M

37、EC 節點在移動過程中17IMT-2030(6G)推進組IMT-2030(6G)Promotion Group是否一直保持為提供穩定服務質量的“最優”選擇，從車輛接入到 MEC 節點的路徑在移動過程中是否一直保持為提供最短接入路徑和時延的“最優”選擇，是車聯網無法有效解決的問題。而移動無線網絡具備廣域連續性覆蓋，可以提供連續的算力資源，通過算力資源移動性保障，可以有效滿足車聯網高速移動的需求。為了跟隨用戶移動位置和服務需求切換最合適的 MEC 和 APP，必要時需切換UPF，縮短已接入用戶的數據路徑，這是移動無線網絡可為車聯網提供服務的優勢。為解決向高速移動的車聯網用戶提供“最優”MEC 和路

38、徑的問題，需要考慮用戶自身的位置、服務需求以外，還需綜合考慮網絡側內部的資源狀態、當前 MEC 節點負荷、當前鏈路情況。移動算力網絡具備全局聯合調度的能力，也需要不斷更新調度算法，從而提供高品質連接保障。2.1.3需求描述 云邊端算網協同感知調度云邊端算網協同感知調度無線網絡中單個基站的增強算力有限，可以對外開放的算力更加有限，但是無線網絡具備百萬基站級別的網絡規模優勢，通過網絡將分散的算力基站連接起來，聚沙成塔可以構筑范圍廣闊、覆蓋深入的邊緣算力環境，實現邊邊協同；同時，根據業務場景的需求，無線網絡可以聯合端側和云側的算力，靈活實現端邊協同、云邊協同以及端邊云協同，實現業務的就近轉發、面向業

39、務的通算業一體編排。另外，無線網絡需要對算力節點/算力服務的狀態實時感知，算網協同管理功能能掌控云邊端全局的資源，根據云的管理運營界面呈現的云、邊、端各個算力節點的位置、資源類型和資源數量，如實時監控 AMF 個算力節點及節點上服務的狀態及負載情況，網絡鏈路狀態，做出部署決定輔助移動通信網實現控制面網元的選擇及控制面路徑優化。能力開放需求能力開放需求移動無線網絡側重于網絡能力開放，在引入算力網絡概念后，需要疊加對算力資源信息的開放。算網協同管理功能對外提供算網統一的能力開放接口，可以根據算網信息動態調整業務部署和路由策略，或提供應用對計算資源的需求，供移動無線網絡選擇內生算力節點。移動算力網絡

40、可對內能力開放和對外能力開放。對內的能力開放使移動通信網自18IMT-2030(6G)推進組IMT-2030(6G)Promotion Group身可以高效的利用算力資源，構建算力內生的增強型網絡架構；對外的能力開放，可以通過移動通信網為外部行業應用提供算力服務，賦能千行百業的多樣化應用需求，也可以提供計算資源的平臺面向應用租戶進行能力開放，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）、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，移動算力網絡需要能夠提供

41、算網一體的租戶環境，提供符合云計算租戶的操作習慣，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。未來的網絡不再是單純的通信網絡，而是集通信、計算、存儲為一體的信息系統，應通過計算與網絡協同與一體化的能力開放，高效利用泛在的算力資源，結合網絡狀態、提供最優的計算服務，以算力賦能行業應用。移動性需求移動性需求當前 5G 網絡架構僅支持單個 MEC 為單一業務服務，而移動終端需要根據用戶移動位置和服務需求切換最合適的 MEC 和 APP，使得路徑最短，時延最低。移動算力網絡需要通過算網協同管理功能來協同網絡邊緣的算力，形成本地互聯的 MEC 群組，并通過計算負載、多點協作等方式在

42、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。2.2 場景 2：XR2.2.1概述擴展現實（Extended Reality，XR）指的是由計算機技術和可穿戴設備產生的真實與虛擬相結合、可人機互動的環境，它通過對視覺、聽覺、觸覺、嗅覺等感官信息的完全模擬和實時交互，實現用戶體驗擴展與人機互動，給用戶創造身臨其境、感同身受的逼真體驗。它包括虛擬現實（Virtual Reality，VR)、增強現實(Augmented Reality，AR)和混合現實(Mixed Reality，MR)等代表性的形式以及它們的混合形式。2.2.2場景描

43、述算力網絡面向計算類業務，根據業務的需求，結合當前網絡中實時的網絡狀況和可服務的計算資源的計算狀況，通過算力網絡靈活匹配、動態調度，將終端的計算任19IMT-2030(6G)推進組IMT-2030(6G)Promotion Group務路由到合適的目標計算節點，以支撐業務的計算需求，保證業務的用戶體驗。典型應用場景有 AR/AI 云端識別業務、Cloud VR 視頻業務、V2X 輔助駕駛、科學研究等。實際工程部署中，面向不同的業務場景，需綜合考慮業務需求、以及集中式和分布式兩種方案的技術特性，合理選擇適宜的算力調度方案。其中分布式技術方案基于分布式路由協議進行狀態同步，具有實時性高、數據面調度

44、轉發快速的特點，比較適用于面向時延敏感業務。集中式技術方案基于中心化管理編排系統進行狀態同步、同步代價相對較小，可適用于較大規模網絡。AR/AI 云端識別業務云端識別業務典型的 AR/AI 云端識別業務場景中，通常通過終端攝像頭采集圖像，在家庭網關和邊緣節點進行物體識別的計算、需要盡快給出結果的計算，為保證用戶體驗時延需要控制在百毫秒級，在 DC 節點進行訓練以及需要更復雜模型、且對時延不敏感的 AI處理?；谝陨喜煌挠嬎惴照埱箢愋?，算力網絡針對分布式計算資源和網絡資源進行協同優化，進行計算服務的算力分配。如下圖 2-1 所示，該示例基于集中式技術方案，流程概要如下：(1)中心云以及各邊緣

45、計算節點分別向算力網絡通告所注冊的服務信息；(2)算力網絡集中式管理編排系統定期收集各個計算節點的計算狀態和相關網絡節點的網絡狀態；(3)根據客戶端服務請求的需求，通過集中式管理編排系統將 AR/AI 場景中計算負載最重的 AI 訓練任務部署在中心云上，次重的特征提取、模板匹配、物體識別等計算任務動態卸載到合適的邊緣節點；(4)對于同時部署同類服務的多個邊緣節點，如該示例中 MEC1 和 MEC3 同時部署了服務 2，算力網絡根據 MEC1 和 MEC3 實時的計算性能和網絡性能綜合選擇 MEC3 為用戶提供服務；(5)終端只需負責目標追蹤和畫面渲染顯示，以降低終端的計算開銷。20IMT-20

46、30(6G)推進組IMT-2030(6G)Promotion Group圖2-1基于算力網絡的AR/AI云端識別業務場景示意圖 Cloud VR 視頻業務視頻業務Cloud VR 是將云計算、云渲染的理念及技術引入到 VR 業務應用中，借助高速穩定的網絡，將云端的顯示輸出和聲音輸出等經過編碼壓縮后傳輸到用戶的終端設備，實現 VR 業務內容上云、渲染上云。Cloud VR 業務對于網絡和計算都有極高的要求，比如入門級 Cloud VR（全視角8K 2D 視頻）采用 110 度視場角 FOV 傳輸情況下，典型網絡需求為：帶寬 40Mbps，RTT 20ms，丟包率 2.4E-5；典型計算需求為：8

47、K H.265 實時硬解碼，2K H.264 實時硬編碼，多路并行計算能力等?；谝陨弦?，算力網絡針對分布式計算資源和網絡資源進行協同優化，如下圖 2-2 所示，該示例基于分布式技術方案，流程概要如下：(1)中心云以及各邊緣計算節點分別向算力網絡擴散所注冊的服務信息；(2)各個計算節點定期向鄰近的算力網絡節點上報計算狀態，算力網絡節點整合網絡狀態后，通過分布式路由協議向全網擴散；(3)根據客戶端服務請求的需求，通過就近的算力網絡節點將 Cloud VR 中計算負載重、時延要求不敏感的多路并行計算、內容產生等任務部署在中心云上，將計算要求較低、時延要求敏感的視頻編解碼、內容渲染等任務動態卸載至

48、邊緣節點處完成；21IMT-2030(6G)推進組IMT-2030(6G)Promotion Group(4)對于同時部署同類服務的多個邊緣節點，如該示例中 MEC2 和 MEC3 同時部署了服務 1，算力網絡根據 MEC2 和 MEC3 實時的計算性能和網絡性能綜合選擇 MEC2 為用戶提供服務。通過計算任務的分級卸載，提高包含中心云和邊緣云的計算資源整體利用效率，提高用戶的業務體驗，對于 Cloud VR 由試點走向規模部署具有積極的意義。圖2-2基于算力網絡的Cloud VR場景示意圖 沉浸沉浸式式 XR沉浸式 XR 業務相比于現有 5G 網絡下的 AR/VR 業務而言，需要提供更高的業

49、務特性以滿足用戶體驗，這些業務特性包括超高分辨率、高幀率、寬色域、高位深高動態范圍、寬視場角、編碼壓縮技術、傳輸方式等，以及更自然的交互方式。這些業務特性對網絡的傳輸能力，云邊端的處理器能力、存儲能力等都提出了新的挑戰。XR 技術可以應用于各個領域，例如，教育、醫療、家庭娛樂、工業制造、辦公、出行、社交等場景，在 ToB、ToC 領域具有巨大的市場和應用潛力。如家庭場景、社交場景、辦公場景、出行場景等。要實現 6G 沉浸式 XR 豐富的業務體驗，提供更高的數據傳輸速度、更低時延、更高可靠的網絡性能，這需要在終端類、媒體處理、編解碼、業務控制和傳輸類關鍵技術上進行研究和突破。隨著沉浸式 XR 業

50、務不斷向超高清、3D、侵入式、實時交互方向發展，對峰值速率、用戶體驗速率、系統容量、頻譜效率都提出了更高的要求。以 16K 分辨率為例，沉浸式 XR 網絡傳輸速率需求達到 0.98Gbit/s。同時如果想讓人們在使用 XR 時不產生眩暈感，沉浸式 XR 的端到端時延必須低于 MTP（Motion To Photons）要求，即低于20ms。面向 2030 年及未來，基于云化 XR 的總時延將低于 10ms。22IMT-2030(6G)推進組IMT-2030(6G)Promotion Group 大科學裝置、野外站臺等科學研究大科學裝置、野外站臺等科學研究（1）研究所。隨著科學研究的長足發展以及

51、大數據和人工智能技術的興起，科研實驗常需要對海量實驗數據進行快速的計算和處理，需要算力網絡根據科研需求，提供 CPU/GPU 等異構算力。（2）大科學裝置。例如 FAST 和 SKA 的大型科學裝置需要 EFLOPS（1018）量級的計算能力。算力網絡可以通過邊邊協同、邊云協同，將網絡中的閑散算力調度起來彌補大科學裝置的算力缺口。（3）野外臺站。野外臺站部署的大量傳感器/無人機/攝像頭，需要對這些 IoT 設備產生的數據進行實時智能分析、清洗、校驗等。算力網絡可以利用部署在邊緣的算力資源，實時處理 IoT 設備產生的上行數據。（4）大學校園。大學校園人流密集，對算力的需求具有明顯的潮汐現象。算

52、力網絡可以靈活彈性調度算力資源滿足算力在時間、空間維度上的需求；同時，校園會采用 AR/VR/機器人等交互式設備，算力網絡可利用部署在邊緣的算力資源，提供實時視頻渲染/語音識別的能力，打造智慧校園。2.2.3需求描述AR/VR 有如下有如下需求：需求：（1）算網協同管理系統。負責算力網絡的資源管理和調度系統，根據業務需求對算力資源進行彈性調度，在滿足業務實時需求的同時，提高算力利用率。（2）賦能平臺。為用戶業務部署賦能，例如針對 AI 業務的 AI 賦能平臺。（3）邊緣/核心 DC。業務部署節點，包含算力資源基礎設施和 NFV 基礎設施。其中，用戶應用部署在異構算力資源池之上，vBRAS、vC

53、PE 等虛擬網元部署在 NFVI之上。（4）網絡基礎設施。連接用戶、邊緣云、核心云的網絡基礎設施，包括控制面的SDN 控制器、傳統網管，以及轉發面的網絡設備。其中，賦能平臺、邊緣/核心 DC、網絡基礎設施包含了算力調度的基礎資源，而算網協同管理系統負責對這些資源進行管理和編排，既要實現根據業務需求的動態算力調整，又要實現對各個層面資源的有機協調。其主要功能如下：（1）需求解析模塊。分析用戶業務需求，將用戶業務需求轉化為算力資源需求，23IMT-2030(6G)推進組IMT-2030(6G)Promotion Group根據算力需求劃分業務等級，以確定業務的部署位置、所需資源大小等信息。（2）算

54、法選擇模塊。根據用戶的業務類型和需求解析模塊的結果，在賦能平臺中為用戶選擇合適的部署算法，確定用戶業務部署的規格。（3）算網感知模塊。動態感知算網節點的算力資源及網絡資源，用于根據需求解析為用戶選擇最優算力節點及最優路由路徑。（4）應用部署模塊。根據算法選擇模塊的結果，將用戶業務部署到指定的算力節點中。（5）算力調度模塊。管理核心云和邊緣云的算力資源，根據業務需求為用戶分配相應的計算、存儲、網絡資源，并根據策略對業務部署位置、業務算力進行彈性調整。（6）網絡調度模塊。管理用戶、邊緣云、核心云的網絡，在用戶業務部署或調整之后，配置用戶到業務處理節點之間的網絡，將用戶流量路由到處理節點。對于沉浸式

55、 XR 業務，因為無線基站首先需要保證無線業務的正常運行，然后才能考慮剩余算力的開放和共享，因此剩余算力的變化會導致 XR 業務計算任務的動態調度，可能會造成 XR 業務的卡頓，影響用戶的連續性體驗。在 XR 業務需求無法繼續滿足時，需要無線基站輔助算網協同管理功能完成算力任務的動態編排和調度，將運行在當前無線基站的 XR 計算任務遷移到更優質的算力節點。為了保證 XR 業務連續的沉浸式體驗，無線網絡需要考慮如何穩定地提供無線連接和計算資源。無線網絡可以綜合考慮接入到網絡中的終端業務對無線資源的需求以及需求的變化趨勢，合理規劃可以開放共享的算力資源，使得無線算力節點被合理調度，盡量減少 XR

56、業務計算任務的遷移。同時，考慮到 XR 終端的移動性，無線網絡需要根據終端的地理位置和所需的算力規模，選擇兼顧時延和算力的最優路徑提供服務。因此，無線網絡需要實施無線資源和無線算力的聯合編排，同時滿足 XR 業務的網絡需求和算力需求，通過跨基站的算力共享和按需編排，實現基站資源池內算力借閑補忙，結合算法優化、提前預測等多種技術手段實現用戶無感的計算任務遷移。2.3 場景 3：V2X2.3.1概述車聯網（V2X）指車輛通過無線通信技術，實現車與車（V2V）、車與人（V2P）、車與路（V2I）、車與服務平臺（V2N）的全方位連接，實現復雜環境感知、智能決策、24IMT-2030(6G)推進組IMT

57、-2030(6G)Promotion Group協同控制等功能，在車輛運行中提供不同維度的服務。隨著自動駕駛和 5G/6G 等技術的規模應用，在交通領域以人工智能/大數據為代表的信息處理技術和以 V2X 為代表的信息傳輸技術正在深度融合，車-路-云間的算力協同，數據交換將以更大的廣度進行，全場景自動駕駛有望實現。2.3.2場景描述 V2X 輔助駕駛輔助駕駛車聯網輔助駕駛場景中，特別是對于車輛外部由于遮擋、盲區等視距外的道路交通情況，需要通過邊緣計算節點獲取該車輛位置周邊的全面路況交通信息，并進行數據統一處理，對于有安全隱患的車輛發出警示信號，輔助車輛安全駕駛。如在交通道路交叉口，由于路況復雜，

58、交匯處遮擋物等，容易多發交通事故，通過將道路監控攝像頭捕捉到的視頻圖像信息傳送到就近的邊緣計算節點進行計算，如每條車道上的車輛行駛車速等信息，針對車速過快、有撞車隱患的車輛發出減速、停車告警。當離車輛最近的本地邊緣節點過載時，輔助安全駕駛通知會發生延遲，可能導致交通事故的發生。通過算力網絡將時延不敏感的業務如車載娛樂從本地節點調度到其他節點進行計算，以降低本地節點的負載，使得時延敏感的 V2X 輔助駕駛業務在最近的本地空閑節點優先處理，保證其用戶體驗和可用性。智能車聯網是傳統車聯網技術的升級，網絡在進行原始數據的傳輸的同時，還需要考慮不同單元間的算力和算法的協同，從而實現全場景工況下的高安全，

59、高效率，低能耗交通。高安全可通過多單元聯合判決的方法，提升系統魯棒性，例如在路口防撞場景下，車載平臺和路側單元都可以對可能的碰撞情形進行預警，一方面路口和車輛可以對各自盲區進行補充，另一方面還可以對判決結果進行互校驗，減少虛檢和漏檢的概率。高效率需要融合多車，多路側單元的數據，形成城市交通數字孿生系統，對路徑規劃，交通調度等應用進行優化，提升交通運行整體效率。低能耗可通過合理的算力分配，最大限度進行資源共享，從而提升算力的利用效率，例如手持終端或車載終端的電量較為受限，融合雷達信號分析，多維視覺分析等高復雜計算可以在邊緣云進行處理。智慧車聯網場景中，如圖 2-3 所示，在自動駕駛過程中，車輛通

60、過高效算力進行感知數據分析和 AI 決策，為了實現車輛在全路網駕駛過程中的駕駛安全，高效行駛，25IMT-2030(6G)推進組IMT-2030(6G)Promotion Group降耗節能等目標，既需要車輛本身的算力支撐，也需要路側算力支持，同時路側單元還可以有效補充車輛感知的盲區數據，并對必要的駕駛過程進行仿真和預警。圖2-3V2X智慧車聯網場景在自動駕駛場景中，車輛傳感器數據類型和融合感知決策算法不斷發展演進，車聯網中的車輛利用算法處理攝像頭和雷達收集的大量環境感知數據和其他節點的協作感知信息，并規劃運行軌跡，生成轉彎、超車、加速或減速等決策指令，車路網之間要求的協作感知、協同操作，需要

61、數據感知、傳輸、計算和存儲等能力，因此必然推動著車聯網的算力需求持續高速增長。在車聯網中，車身攜帶的傳感器越多，傳感器采集的數據越精確，車輛行駛速度越快，則要求的單位時間內算力指標也就越高。車輛本身算力之外，合理協調利用移動網絡算力則是對車輛 算力調度的有效擴展，如計算復雜度高的數據識別和分析可以在處理能力強大的云端進行，也可以在靠近用戶側的邊緣網絡進行處理，MEC 平臺通26IMT-2030(6G)推進組IMT-2030(6G)Promotion Group過下沉部署 UPF 進行連接，可以協調調度移動網絡算力進行車聯網數據計算，滿足車聯網的低時延處理的需求，保證車聯網中的算力調度需求。智能

62、車聯網的典型應用場景包括路口碰撞預警，路口視覺融合，自動駕駛半實物仿真，無人區衛星輔助等，相應場景的特點如下表 2-1 所示。表 2-1智能車聯網場景特點場景場景描述算力協同方式算力需求估算智能碰撞預測路側單元融合多車與行人數據，提前預測碰撞危險，實時性要求高車載單元和手持機進行傳感數據一級處理；路側單元根據模型預測碰撞危險50TFLOPS路口視覺融合路側單元對各路口進行監測，關鍵信息傳到車上，支持輔助駕駛及自動駕駛，實時性高路側進行視覺訓練及目標提取，車輛進行影像重建輔助駕駛，進行推理支持自動駕駛3050TFLOPS自動駕駛半實物仿真系統車路實測數據和云端建模仿真系統融合，提升自動駕駛模型訓

63、練效能，算力要求高大規模訓練在云端，場景化推理及驗證反饋在車路端EFLOPS無人區衛星輔助駕駛衛星遙感影像在軌分析，及時推送氣象，道路災害等相關信息衛星遙感影像分析與地面云端影像分析融合，實現實時性與效能的均衡50100TFLOPS2.3.3需求描述智能車聯網業務的算力需求受多種因素的影響，其中包括終端算力架構設計，智能路側單元分布，車聯網總體規模，建模及仿真算法設計等。智能車聯網需要通過算網協同管理系統保障移動網絡全網的算力，根據不同車聯網業務對算力需求的估算及時延要求，感知全網的算力資源并匹配算力需求，根據車移動過程中的位置及時調整算力節點，保證車聯網業務的時延。對于車道偏離檢測、駕駛員檢

64、測等場景，算力協同方式采用車檢測，路側發現異常將告警信息發給對應車輛，時延滿足在 100ms 之內；對于行人預測、十字路口管理、Level 5 自動駕駛等場景，算網協同方式采用車路聯合預測，互相補盲，時延滿足在 10-100ms 之內。對于城市交通數字孿生場景，算網協同方式采用云端訓練建模，路側及車輛實時推理并反饋，時27IMT-2030(6G)推進組IMT-2030(6G)Promotion Group延滿足在 1s 之內。2.4 場景 4：算網協同管理安全2.4.1概述算力網絡的新架構、新技術和新服務可能存在新的安全風險需要攻克，需要與之適配的新的安全機制來保障。如基礎設施層存在潛在復雜的

65、網絡風險及算力節點安全風險，編排調度層涉及編排調度安全風險及算力使用失控問題，運營服務層則面臨接入惡意節點、交易不可信、應用不安全等問題，此外算力網絡中還可能存在計算結果不可信、數據流轉不可控等數據安全風險，需通過一體化全程可信機制加強安全保障。2.4.2場景描述編排調度層安全算網信息在編排管理層匯聚，算力信息的正確性、完整性、安全性將影響算力網絡正常編排調度服務的開展。由于算力節點的多源泛在特性，一旦節點被攻擊或仿冒，造成虛假算力信息上傳，將嚴重影響算網的可靠性。同時，基礎設施信息的大量集中存儲，增加了黑客對編排管理層進行攻擊，竊取或篡改數據的風險。一旦數據被竊取，可能會導致黑客對算力網絡的

66、非法利用，若數據被篡改，還會造成用戶數據的泄露，影響運營服務的正常開展。2.4.3需求描述編排管理層面對高度復雜的算網環境，針對多樣化、定制化的算力需求，對算力網絡各個域的資源進行協同調度。編排管理層對算力用戶、計算任務、網絡資源、算力資源一體感知、協同編排。在此過程中，編排管理層收集并處理大量算力網絡敏感數據，數據集中增加了安全風險。編排管理層需在計算任務的編排調度中考慮安全要素，對算力用戶、計算任務、算力節點進行安全等級標識，在此基礎上進行動態安全分配，實現算力的安全調度。編排管理層需具備對算力的安全管控能力，解決算力濫用問題。算力濫用包括非法挖礦、暴力破解等行為，不僅對算力資源造成侵占，

67、還可能利用算力發起安全攻擊。28IMT-2030(6G)推進組IMT-2030(6G)Promotion Group 編排安全保障編排安全保障編排管理層對算力用戶、計算任務、網絡資源、算力資源一體感知、協同編排。在此過程中，編排管理層收集并處理大量算力網絡敏感數據，數據集中增加了安全風險，對編排管理層的安全保障提出了新的安全挑戰。編排的安全保障可以考慮三方面：一是編排管理行為需受到授權和監控；二是針對編排管理使用的大量算網信息數據，應防止數據泄露、篡改或惡意使用；三是為保障智能編排算法的有效性，需防止算法被惡意污染的數據影響。編排管理層應根據用戶及計算任務對安全的需求去匹配相應能力的算力節點，

68、并能根據用戶及算力安全節點安全狀態的改變動態調整算力分配。另外，編排管理層也應根據系統安全策略對算力路由進行安全配置，并能根據算力任務的安全需求動態調整安全編排策略并配置算力路由以實現算力服務要求的安全服務鏈。作為算力大腦，編排管理系統本身應進行安全加固，以保證編排系統應用和數據的安全可靠，AI/ML 模塊的安全和健壯，以及編排系統接口的嚴格訪問控制。另外利用自身的自動化集成功能，編排管理系統可實現安全自檢、匯報和自我修復。智能安全調度智能安全調度編排管理層需在計算任務的編排調度中考慮安全要素，對算力用戶、計算任務、算力節點進行安全等級標識，在此基礎上進行動態安全分配，實現算力的安全調度。安全

69、標識是算力安全調度的基礎，安全標識可以對算力用戶、計算任務、算力資源三類信息進行安全分類分級標記。算力安全調度基于安全標識進行智能編排，一方面通過解析計算任務的安全需求，為計算任務動態適配具有相應安全能力的算力節點；另一方面，根據計算任務對安全能力的需求，在算力節點彈性編排時，動態布署安全能力，增強算力節點的安全防護。為實現算力的安全調度，編排管理層首先需要保證算力節點的安全可信。由于算力節點的多樣性和動態性，管理系統應提供統一的算力節點注冊功能，在對接入的算力節點進行認證后為其提供全網唯一標識，并頒發證書；根據算力節點的軟硬件類型及版本，安全配置，提供者等評估該算力節點的安全能力，并根據相關

70、規則定義安全等級；根據安全策略持續對算力節點進行安全監控，并在檢測到異常時觸發告警或其29IMT-2030(6G)推進組IMT-2030(6G)Promotion Group它自動響應機制。其次，編排管理層應保證算力用戶的安全可信。支持用戶注冊和鑒權；根據 SLA 及其它實時狀態對用戶進行授權；實時檢測用戶安全狀態，必要時調整對用戶的訪問控制策略 算力安全管控算力安全管控為了解決算力網絡中的算力濫用問題，需要算力網絡具備對算力的安全管控能力。算力濫用包括非法挖礦、暴力破解等行為，不僅對算力資源造成侵占，還可能利用算力發起安全攻擊。對算力濫用造成的安全威脅進行管控需結合針對算力用戶、算力任務的安

71、全分級標識。通過解析計算任務類型，結合算力用戶的算力閾值相關信息，對計算任務進行安全評估，并可采取限制算力用量、拒絕算力請求或降低算力用戶信用等措施進行安全管控。2.5 場景 5：AI2.5.1概述AI 的兩個關鍵特性：深度學習和神經網絡。深度學習是一種模擬人腦神經網絡的方法，通過多層神經元來處理和分析數據。神經網絡則是一種模仿生物神經系統的計算模型，可以自動識別模式并進行預測。這兩個特性使得 AI 能夠處理大量的非結構化數據，從而實現高效的數據分析和決策。深度學習和神經網絡的復雜性導致了大量的計算需求。隨著 AI 技術的普及，需要確保算力的公平分配和可持續性，以滿足未來 AI 應用的需求。2

72、.5.2場景描述 端側端側 AI 推理推理隨著科技的發展，未來終端的演進將從手持到可穿戴式、再到紡織結合式甚至是人體植入式。隨著終端體積越來越小，但用戶享受的業務在視覺、聽覺、觸覺等維度越加豐富，這二者之間的技術差距需要通過終端芯片計算能力和邊、云計算能力之間30IMT-2030(6G)推進組IMT-2030(6G)Promotion Group做出一個有效的平衡，即通過邊、云的計算資源來卸載原本可以在終端芯片上處理的任務，從而讓端側成本更低、體積更小、更輕便?；?AI 的人臉識別、物品識別、安全防護已經滲透到日常生活的各個方面，如圖 2-4AI 推理應用于滑雪運動。這些場景的終端類型不盡相

73、同，計算資源數量差異較大?；诙藗葘崿F全部的計算是不現實的。因此，需要采用將 AI 推理模型分割，終端側模型對原始數據做簡單的預處理后，上傳到移動算力網絡的邊緣節點，網絡側模型承擔計算量更大的算力密集部分任務，并將最終的 AI 推理計算結果返回給端側。圖2-4AI推理示意圖端網云協同的分布式計算模型，對終端體驗提升有重大意義，不僅可以降低終端成本，伴隨著網絡代際的演進，單用戶可獲得的無線帶寬逐步增大，對大量數據的傳輸提供了更有優的網絡環境，邊云算力與終端的協作，有助于推廣更加豐富的應用。腦機協同腦機協同可穿戴智能設備不斷發展，從簡單脈搏、溫度采集發展到可以采集人腦相關信息，在此基礎上完成對外部

74、設備的控制和意識監測。其需要多種傳感器信息等多模態數據進行傳輸與處理，且不同數據的處理算法、運算數據量、需要實時反饋控制時對運算的高時效性等等對算力需求日益增長。但可穿戴智能設備本身的電池續航能力、設備本身體積不能伴隨增長。移動算力網絡可以就近提供算力服務，以頭戴移動設備采集腦信號為例，移動算力網絡提供強大 AI 算力，訓練+處理，可滿足腦機接口時延 1Gbps（腦電數據）、安全（通信安全+隱私保護）等需求。從而實現對采集的腦信號數據進行個性化訓練和解析，實現低時延遠控輔助機器人，提供用戶更好的使用體驗。從另一方面來說，復雜計算上移到了移動算力網絡側，可以降低腦端設備成本、縮小體積，增加設備電

75、池續航時間。移動算力網絡可以把已經部署的零散、專用的算力資源聯合成網，統一編排調度。在新增算力資源類型時從全局考慮，靈活調度，避免重復建設，緩解對端側設備的硬31IMT-2030(6G)推進組IMT-2030(6G)Promotion Group件升級需求。在單點故障或負荷過高時也有備份資源提供，最大程度保障端側的服務質量和用戶體驗。2.5.3需求描述 云邊端協同需求云邊端協同需求基于移動通信網絡，已經具備中心云、邊緣計算和終端算力等同質化和異構計算資源相結合的海量算力節點。為一個計算任務選擇什么樣的節點，以及如何將數據轉發到該節點是對移動算力網絡重要需求。移動算力網絡應充分利用中心云、邊緣云

76、以及終端等各級算力，根據不同的業務，在終端算力和邊云之間、邊緣計算節點之間、邊緣計算和中心云之間實現靈活的跨層多級算力互聯。例如，AR 渲染前進行的物體識別與檢測任務，如果通過云側實現，會導致數據傳輸量大，對無線側網絡帶寬質量要求高。但如果單純通過終端側計算，有會因受到算力的限制而導致渲染處理時延較大，影響用戶體驗?？梢月摵侠媒K端與邊緣計算的算力，各自分擔部分計算任務，實現業務時延與終端功耗的最小化，即：邊緣計算支持復雜的推理，而終端僅需進行少量數據預處理。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，綜合考慮網絡的全局視圖能力和計算能力，動態調度資源

77、，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。算網一體化能力開放需求算網一體化能力開放需求算力是數字時代的核心生產要素之一，是數字經濟發展的源動力。海量的泛在算力和網絡將會進一步融合共生，通過算力賦能使移動通信網絡具有更廣闊的應用場景。在移動算力網絡場景下，需要開放共享可用的算力資源和網絡資源，合理高效的利用算網能力，通過算網一體化能力開放，更好的支持萬物互聯的新場景。2.6 場景 6：工業應用2.6.1概述算力服務可以應用于需要對數據做大規?？焖偬幚淼墓I應用場景，如超算和大型渲染、人工智能（訓練類和推算類）、泛視頻、智能駕駛和區塊鏈應用等。泛視

78、頻業32IMT-2030(6G)推進組IMT-2030(6G)Promotion Group務主要包括智能安防、工業視頻檢測、超高清視頻、云游戲、元宇宙等。2.6.2場景描述 工業視覺檢測工業視覺檢測機器視覺主要是指使用 AI 算法對生產領域的圖像、視頻進行分析，并根據分析結果統計信息，或者對相關設備進行控制，支撐智能化的工業生產。主要應用于識別、檢測、測量、定位與引導等工業領域。如工業質檢、安全生產監控、工藝操作規范檢查、人員車輛進出控制、設備監控、智能巡檢等場景。如在經歷自然災害后，電力企業需要迅速對某省、市、區、縣等各級分公司下轄的電力線路進行巡檢。傳統模式下，需通過固定監控攝像頭、無人

79、機、移動攝像機等設備獲取的海量視頻或圖像信息，識別故障或隱患線路，第一時間組織搶修工作。這種情況恢復周期相對漫長，而恢復時長往往又和直接損失成正比。工業視覺檢測可基于算力網絡提高運算效率，經過算力大腦的編排和調度，僅需通過以下四個步驟，即可快速搭建一套視覺檢測系統并投入運行，從而節約大量寶貴的黃金恢復時間，降低災害損失。相關步驟為：(1)根據該企業的災復數據稽核要求，算網協同管理系統利用其一體化編排能力，基于距離、時效等原則，在災復數據產生地的周邊算力池分配算力資源；(2)根據視覺檢測的要求，快速在已分配的算力資源上，通過云原生的編排能力，自動化部署 AI 檢測應用；(3)接收災復數據，通過相

80、對應的 AI 檢測或數字孿生技術應用進行風險檢測并輸出結果，用于指導災復工作開展；同時，在根據運行過程的狀態，實施進行動態算力調整；(4)在檢測工作完成后，根據預定策略快速地釋放算力資源。2.6.3需求描述工業應用對算網資源有統一編排與調度的需求，根據工業應用需求，需要對算力資源池基于調度策略進行資源的統一部署，安排最優路徑，實現算力利用的最大化。同時，還需要支持算網協同管理的智能化，如 AI 及數字孿生技術，進行有效的風險預測及風險根因分析，實現動態的算力規劃及調整。33IMT-2030(6G)推進組IMT-2030(6G)Promotion Group支持云原生的編排能力，由算網協同管理

81、提供通用性編排框架，通過提供鏡像及應用管理、集群及節點管理、訪問安全管控、容器編排及調度能力，實現自動化集群部署、外部調用的均衡分發、敏捷擴縮容等，讓應用程序不再需要進行復雜的分布式架構設計及規劃。算網業務的一體化編排需要充分考慮應用的特性，算網資源的 QOS、安全、成本及能耗等多個維度，輸出最合理的編排方案。2.7 場景 7：東數西算2.7.1概述2022 年，國家發展改革委等多部門同意在內蒙古、貴州、甘肅和寧夏等四個節點啟動建設國家算力樞紐節點，并規劃了 10 個國家數據中心集群。同時在京津冀地區、長三角地區、成渝地區、粵港澳大灣區啟動建設全國一體化大數據中心國家算力樞紐節點。全國一體化大

82、數據中心體系完成總體布局設計，東數西算工程開啟我國算力資源全國范圍跨區域統籌布局。2.7.2場景描述 東數西算東數西算縱觀中國算力分布，東部占 60%，西部占 20%，東部遠高于西部。而從算力資源的空間分布潛力來看，西部潛力遠高于東部。建設數據中心需要大量土地、電力，東部資源日趨緊張，而西部土地廣闊、電價便宜、能源尤其是綠色能源豐富，將數據中心建立在西部，不僅能夠節約“西電東送”的成本，還能提高對西部光伏、風電等綠色能源的使用，助力“雙碳”目標實現。東數西算的實施需要建設全國一體化大數據中心，其中一個方面就是實現集群之間的算力調度。無論是全國一體化大數據中心布局還是東數西算建設，背后都是復雜的

83、巨系統的優化調度問題。東數西算工程目前是對超算算力和智能算力的調度和統籌，這是由于基礎算力承載的多是電子游戲、短視頻、即時通信等實時性較強的需求，就目前的技術而言，具有實時性的本地數據無法搬到異地計算，因此西部目前主要考慮的是承載后臺加工、離線分析、存儲備份等非實時算力需求。即使對于能搬過去的計算機來說，一對一進行固定匹配而不是動態調度的可能性也較大。不同超級計算機的34IMT-2030(6G)推進組IMT-2030(6G)Promotion Group處理器、加速卡、框架等各不相同，算力基礎設施面臨異構化挑戰。這需要搭建智能異構算力平臺，突破異構算力適配、異構算力網絡調度等關鍵技術，優化東西

84、部各類算力資源的配比。東數西算的實現，需要全國各個節點全部打通形成一個大的算力網絡并且建立起成熟的調度系統和機制，實現面向業務、面向服務質量（QoS,Quality of Service）、面向成本的全局優化調度。首先要做好國家規劃布局的國家算力樞紐節點、國家數據中心集群與現有的全國各地各類型算力設施的統籌與算網協同，形成合理分工、科學聯動、高效協作機制，同時算力網絡需要具備算力統籌和智能調度的算網協同管理能力，能夠在全國范圍內，根據動態業務需求，在云、網、邊之間實現按需分配和靈活調度計算、存儲、網絡等資源?！皷|數西算”工程要實現算力全國調度，就需要算網融合的支撐。所謂算網融合，是以通信網絡設

85、施和計算設施的融合發展為基礎，通過計算、存儲及網絡資源統一編排管控，滿足業務對網絡和算力靈活泛在、彈性敏捷、智能隨機應用需求的一種新型業務模式。從業務服務流程來看，算網融合實質上就是更加高效精準地將算力需求調度到相應的資源節點。首先，算網體系感知用戶需求，在此基礎上進一步感知全網的算網資源。隨后，根據編排結果以及路由策略選擇合適的路徑，將算力需求調度到相應節點，通過算網融合可以實現以網強算、以算強國。另外，不同業務對算網性能需求不同，如移動支付、網絡游戲等時延敏感性業務對網絡傳輸時延提出了較高要求，而數據備份等業務對網絡傳輸時延要求低，但需要根據不同的業務需求靈活匹配算網資源，實現算網資源的精

86、細化供給，充分釋放算網資源價值。從底層計算芯片角度來看，目前從以通用CPU計算為主逐步向GPU、FPGA、ASIC 等異構算力芯片與通用算力協同發展的態勢演進。因此，實現算網融合的業務模式，就需要算網協同管理的支撐，通過算網協同管理實現云邊端協同、異構算力與通用算力協同，資源統一編排管控及按需調度，使得算與網通過算網協同有效地實現融合。2.7.3需求描述東數西算”國家項目在京津冀、長三角、成渝等八大樞紐間建設算力網絡，支持全35IMT-2030(6G)推進組IMT-2030(6G)Promotion Group國各地日益增長的算力需求。沿著這張算力網絡“地圖”，有多個國家算力樞紐節點、區域智算

87、中心。因為跨區域算力計算量大、跨廠商互通難度高等問題，算力網絡需要采用算網協同管理機制，通過系統分解、局部優化等方式，實現具備算力統籌和智能調度能力。通過算網協同管理可有效地支撐算網融合業務。算網協同管理可動態感知用戶需求及算網資源分布，并具有云邊端協同、異構算力與通用算力協同、資源統一編排管控及按需調度、路由優化等能力，從而滿足業務對網絡和算力靈活泛在、彈性敏捷、智能隨機應用需求。算網協同的方式可以是分布式、集中式或者混合式。通過分布式的分層算網協同管理架構在省內部署區域中心算網大腦，實現區域的集中控制、本地優先；通過構建集中式的中心算網協同管理系統，與分布式算網協同管理系統實現有效的算力協

88、同，從而控制調配全網算力資源，降低綜合算力成本。在算力調度管理方面，產業需要將路徑計算分成用戶所在省、全國骨干網、云資源所在省三段，算力評估時各自計算路徑，使計算分布式，提高效率、優化管理流程。2.8 場景 8：算力內生2.8.1概述算力作為數字時代的核心資源，不僅改變了人類的生產方式、生活模式和科研范式，而且逐漸成為科技進步和經濟社會發展的底座，預示著算力成為數字經濟的主要生產力。2021 年 5 月，發改委、網信辦、工信部、能源局聯合印發全國一體化大數據中心協同創新體系算力樞紐實施方案，明確提出布局全國算力網絡國家樞紐節點，啟動實施“東數西算”工程，構建國家算力網絡體系，賦能百行千業數智化

89、轉型。為滿足數字數化轉型算力供給面臨的算力效能低與成本高等問題，亟需算力內生網絡實現新型算力業務的靈活接入與即取即用。2.8.2場景描述隨著智慧城市、智能制造、自動駕駛、AR/VR/XR 等新型算力業務場景的出現，算力資源需求日益旺盛，驅動數據中心高速發展。據 Machina Research 報告顯示:2025年，全球網聯設備總數將超過 270 億；據 Gartner 預測，2025 年，超過 75%的數據需36IMT-2030(6G)推進組IMT-2030(6G)Promotion Group要分流到網絡邊緣側；IDC 預計 2025 年全球邊緣計算服務器的支出占總體服務器的比重將從 14

90、.4%提升到 24.9%各類新型算力業務的異構數據處理需要云邊協同的泛在化算力支持。隨著企業數字化轉型的算力需求增加與場景豐富，也為新型算力的供給帶來了以下挑戰。云/數據中心算力供給效能低：云/數據中心算力效能低：截至 2022 年初，我國已建成數據中心 500 萬標準機架，整體算力達到 130EFLOPS，但受限于算力的泛在化特征，國內數據中心的平均利用率僅為 55%左右。邊緣算力需求激增，潮汐現象導致算力效能低：由于邊緣算力分布取決于業務場景，算力利用率受業務潮汐現象影響嚴重，導致算力效能低。成本高：全球企業公有云算力基礎設施開支逐年提升，預計 2024 年將占 IT 總支出的 45%。2

91、021 中國小企業數字初始化指數 2.0指出對于計算密集型小企業，在提高算力的同時還需平衡成本，以經濟型算力的模式提升企業核心競爭力?；谝陨咸魬?，算力內生網絡應運而生。算力內生網絡是基于 5G、云原生、AI與數字孿生等 ICT 技術打造的面向全行業提供 5G 連接+算力+應用服務的集合，主要包括算力內生 5G 基站、算力內生 5G MEC 平臺與算力內生 5GC 等。2.8.3需求描述在滿足企業數字化轉型的網絡需求同時，支持應用云邊端協同。面向電信運營商：支撐電信運營商 5G+算力網絡建設與市場拓展，提供面向政企用戶的最后一公里的算力靈活接入與應用/服務部署，助力運營商算力網絡降本增效。通過

92、網絡算力內生技術，單一 5G BBU 網絡設備可同時提供網絡服務與算力服務，從而大幅度減少算力設施的硬件投資成本以及對應的集成費用?；诰W絡負 AI 預測算法，將基站空閑通信能力轉化為計算能力，以時分復用方式實現通信能力與計算能力互轉，消除了由于網絡負載“潮汐”造成的資源浪費，提升資源利用率。面向垂直行業：面向全行業提供 5G 連接+算力+應用的服務，實現業務的算力靈活接入與即取即用，滿足企業數字化轉型的算力網絡需求。5G 基站在提供通信服務的同時，也提供通用計算能力，支持多樣化的行業應用服務。5G 網絡集成豐富的行業應用，可以解決客戶的網絡+應用的二次集成痛點。應用供給方式靈活多樣，支持標準

93、37IMT-2030(6G)推進組IMT-2030(6G)Promotion Group化的應用能力，也支持基于客戶特殊需求，提供定制化開發應用。第三章 算網協同管理需求該章節主要描述對于 6G 網絡的算網協同管理的通用需求、關鍵技術及技術特征。3.1 通用需求算網協同管理所需的通用需求如下：面向算網協同管理場景，算網協同管理需要滿足編排調度、安全以及 OAM 要求。能夠感知用戶需求，并動態感知、協調和管理算網資源和服務，對算網資源進行統一編排調度，支持算力節點和網絡節點的選擇，服務路徑的編排和優化，按需將算力需求調度到相應節點；能夠進行應用安全相關控制，以減少算力網絡環境中的安全威脅；支持通

94、過對算力網絡全面的安全監測分析、編排響應、泛在調度和安全管控實現對算網安全風險的精準排查和處置；能夠實現算力網絡的操作、管理和維護，對設備的算力性能進行監控，通過多種類型的算力信息采集和上報策略配置，支持最優算力節點的實時選擇，并在故障時予以修復。3.2 架構需求算網協同系統需要具備算力統籌和智能調度能力，因此算網協同整體架構需滿足如下架構需求：1）算網協同跨區域分布式部署。分層算網協同架構通過在不同地域（如省、市）部署區域算網協同管理系統，實現區域的集中控制、本地優先。同時，在中心地域部署算中心算網協同管理系統，通過專用網絡與區域算網協同管理系統實現算力協同，實現分布式控制調配全網算力資源，

95、降低綜合算力成本。2）優化算力資源管理與調度。大范圍集中管控算力資源帶來巨大的計算量和消息通信，需要進行全局的算力管理與調度優化，在最大化利用算力的同時也避免計算量與通信量的激增。如算力資源調度，需要基于場景選擇區域算力調度、跨域算力調度38IMT-2030(6G)推進組IMT-2030(6G)Promotion Group及混合算力調度，算力評估時各自計算路徑，使計算分布式，提高效率、優化管理流程，確保調度效益最大化。3）算網協同、運營協同共同發展。通過協同算網服務入口，實現資源互調，滿足用戶一站開通需求，實現算網一體化基礎設施的統一管理、編排和調度；算網協同調度可最大程度復用并擴展現有網絡

96、協議，使得不同廠商的網絡設備之間實現互聯互通，更好地支撐算力網絡協同需求。4）算網協同管理系統內生能力：算網感知能力：為算網協同管理提供基礎支撐，可以感知算網基礎設施的算力狀態及各個應用對算力的需求，為算網的統一編排及調度提供底層支持。算力路由控制能力：支持算力路由表的生成與更新，用于后續業務轉發。算網管控中心、算力路由節點進行算網協同，根據收集的算力和網絡信息進行綜合選路，以實現多種調度方式，包括集中式調度方式、分布式調度方式、集中式和分布式協同的調度方式。算網統一編排能力：為算網協同管理提供一體化的編排。算網統一調度能力：為算網協同管理提供統一的算網資源的調度，包括算力度量與建模，算力 O

97、AM，算網注冊，算力路由管理等能力。算網智能化能力：算網智能化為算網協同管理提供編排的智能化支持?？梢灾С諥I 機器訓練與學習能力，智能選路，對調度意圖感知解析，并由算網數字孿生提供一體化編排與調度優化仿真。算網協同開放能力：通過能力開放，可以屏蔽底層復雜的端網協同流程和算力資源調度機制，簡化應用開發流程，促進第三方、運營商、行業用戶快速實現應用部署。3.3 關鍵技術需求算網協同管理有如下的關鍵技術要求：1）算網協同編排與調度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

98、動終端算力進行協同，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39IMT-2030(6G)推進組IMT-2030(6G)Promotion Group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，通過算網感知、算力路由、算網一體調度等技術實現中心、邊緣、終端側多級算力資源的協同，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

99、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，以提升網絡管理效率。2）云邊端算力協同通過云邊端算力的協同管理與調度，可充分利用中心云、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。在算力節點泛在的基礎上，通過云邊協同、云端協同等接入算力，對接各異廠家、異架構算力，構建多種業務場景的算力協同調度，為各行業提供可定制化、高可靠的算網保障服務。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。同時可以克服在當前 5G 網絡架構下僅支持單個

100、MEC 為單一業務服務的問題，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。3）算網協同管理能力開放面向未來越來越豐富的業務訴求，移動算力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計算服務外，還支持向第三方開放算力和網絡能力，通過屏蔽底層復雜的端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基礎設施層上快速開發和部署應用。4）算網協同智能化移動算力

101、網絡首先提供了網絡內生的 AI 算力服務。UE（User Equipment）接入網絡即可獲得該 AI 服務，增強 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。40IMT-2030(6G)推進組IMT-2030(6G)Promotion Group隨著自智網絡技術的發展與應用，算網協同自智還應支持智慧內生、意圖、數字孿生等智能化技術，進一步支持算網協同管理的智能化，實現算網協同管理意圖的感知、解析、執行、反饋的閉環，并通過數字孿生平臺對算網協同管理的相關調度策略進行優化。第四章 算網協同管理挑戰及展望4.1 算網協同管理的挑戰算網協同管理面臨

102、的挑戰包括云網統一編排、調度管理、業務與資源協同、算網自智化、與現有標準適用性等方面。4.1.1云網統一編排云網統一編排需要實現業務的快速部署，目前云網統一編排存在的問題包括：接入網絡存在斷點，導致業務開通周期長；云間網絡存在斷點，導致無法實現跨域編排；統一編排存在斷點，使得接入、云間、云內未實現跨域打通。圖4-1統一編排4.1.2調度管理當前算網調度存在的主要問題，需要在算網協同管理方案中考慮：算網調度中存在多種調度策略，分別有業務調度、云資源調度、網絡調度，它41IMT-2030(6G)推進組IMT-2030(6G)Promotion Group們相互獨立，難以協同；算網云邊端存在多種資源

103、，如多云資源、網跨域資源等，需要統一拉通管理，資源利用率需要提升，如資源靜態固定分配，忙閑不均的場景；如何保障業務質量及用戶體驗，如如何保障業務運行匹配到最佳資源；算網地域范圍（4+4 國家樞紐中心+省市數據中心+邊緣）大，如何實現東數西算跨區域調度。如區域內調度（省內）、跨區域調度（全國）、跨運營商、云商調度等。圖4-2算網調度管理4.1.3業務與資源協同業務與資源需要協同進行編排及調度，包括協同資源及相關服務：云資源：包括異構資源池，網絡邊緣云、移動邊緣云、政企行業云、合營云等 網絡資源：包括跨區域、跨專業的網絡資源，OTN/SPN/PON/云專網網絡資源等；服務應用：通過提供的服務 AP

104、I 進行協同；42IMT-2030(6G)推進組IMT-2030(6G)Promotion Group圖4-3業務資源協同4.1.4算網智能化算網智能化是算網協同管理的智能化演進，可以考慮以下幾個階段：算網內生智能：隨著網絡云化、網絡跨度更寬，算網業務要求的豐富性，對于網絡智能化要求越來越高，需要支持 AI 等內生智能技術；協同網絡自智：結合自智網絡的發展擴展算網自智的范圍，如逐步支持意圖及數字孿生等技術；平滑演進：智能化程度隨著網絡演進及業務發展的特性逐步提升；4.1.5現有標準適用性算網協同發展的最終目標是算網一體，而算網一體則強調算力資源和網絡資源的統一標識、統一調度和統一管理，這會使算

105、網邊界更加模糊。在算網協同體系下，互聯網云廠商開始涉足到網絡建設領域，通過自建私有骨干網實現算力設施互通。為了避免成為通信管道，電信運營商也開始加速網絡云化改造，使網絡資源像算力資源一樣智能可控、高效調度。我國三大運營商具備完整的通信及IDC 業務牌照，可以涉足云計算及算力設施領域業務。而云廠商則不具備通信相關牌照，盡管云廠商可利用運營商網絡資源在物理網絡上構建虛擬骨干網，但是虛擬骨干網的業務形式尚缺乏市場監管法律保護。43IMT-2030(6G)推進組IMT-2030(6G)Promotion Group網絡邊界的模糊化使得網絡安全及相關業務標準變得難以適用，云廠商對網絡技術的探索和實踐可能

106、會誘發網絡安全及業務標準合規性問題，是否要基于算網協同需求擴大云廠商數據中心業務邊界，以及是否變革現有市場監管制度進行變革是未來的一個挑戰。4.2 下一步研究方向的展望當前業界對算力網絡的研究進展較快，本研究報告聚焦與算力網絡協同管理的場景及需求，提出算力網絡協同管理需關注的關鍵技術，以及算力協同管理帶來的挑戰。算網協同管理系統是對算力和網絡資源的統一編排/調度/管理/運維的核心系統，并通過引入人工智能、意圖引擎、數字孿生等技術，向上實現各領域原子能力組合和算網一體化服務支撐，向下實現泛在算力的跨層跨區域融通和網的跨域跨專業拉通。算網協同管理下一步的研究目標，向上希望實現各類算網融合類業務的支

107、撐，向下實現一體化算網全領域資源拉通，全面納管三方云、端算力、社會算力、國家算力樞紐等不同的算力域。同時進一步提升算網協同管理的智能化，促進算網感知融合統一，并通過引入意圖引擎、數字孿生以及基礎設施層算力路由等技術，進一步提升算網協同管理的智能化水平。算網協同管理下一步的研究方向，建議對算力網絡協同架構及應用進一步深入研究，聚焦算網協同管理的內生能力，如算網感知、算力路由控制、統一編排及調度、智能化等，并考慮與其他編排系統的協作，如云網協同編排系統。同時應考慮對算網協同管理關鍵技術在國際及國內各個標準組織進一步標準推進，加快算網協同管理相關技術的完善及產業化進程?？s略語簡表英文縮寫英文全稱中文

108、解釋3GPP3rd Generation Partnership Project第三代合作伙伴計劃ARAugmented Reality增強現實AIArtificial Intelligence人工智能AMFAccess and Mobility Management Function接入和移動管理功能44IMT-2030(6G)推進組IMT-2030(6G)Promotion GroupBBUBaseband Unit基帶處理單元CDNContent Delivery Network內容分發網絡ETSIEuropean Telecommunications StandardsInstitut

109、e歐洲電信標準協會GUAMIGlobally UniqueAMF Identifier全局唯一的 AMF 標識符GPUGraphic Processing Unit圖形處理器KPIKey Performance Indicator關鍵性能指標MECMobile Edge Computing移動邊緣計算MRMixed Reality混合現實NSSAINetwork Slice Selection AssistanceInformation網絡切片選擇輔助信息SMFService Management Function業務管理功能TMSITemperate Mobile Station Ident

110、ity臨時移動臺識別碼UEUser Equipment用戶設備UPFUser Plane Function用戶面功能VMVirtual Machine虛機VRVirtual Reality虛擬現實XRExtended Reality擴展現實45IMT-2030(6G)推進組IMT-2030(6G)Promotion Group參考文獻1Sharma,Robin.Artificial Intelligence in Agriculture:A Review.2021 5th InternationalConference on Intelligent Computing and Control

111、Systems(ICICCS).IEEE,2021.2ITU-T Y.2501,Computing Power Network framework and architecture3丁文慧、高吉星、虞志剛、馮旭、陸洲.空間算力網絡初探J.移動通信,2022,46(10):41-46.4算力網絡需求與架構 CCSATC3/WG1 網絡總體及人工智能應用5算力網絡 算網編排管理技術要求 CCSATC3/WG1 網絡總體及人工智能應用6無線算力網絡場景、需求和關鍵技術研究 CCSATC5/WG6 前沿無線技術7算力網絡安全需求及關鍵技術研究 CCSATC5/WG5 無線安全與加密8算力網絡 運營管理技術要求 CCSATC7/WG1 無線通信管理9算力網絡安全編排管理技術研究 CCSATC8/WG4 新興技術和業務安全46IMT-2030(6G)推進組IMT-2030(6G)Promotion Group貢獻單位序號序號主要貢獻單位主要貢獻單位1中興通訊股份有限公司2中國聯合網絡通信集團有限公司3中國信息通信研究院4中國移動通信有限公司5中國電信股份有限公司6中信科7亞信科技8華為技術有限公司9紫金山實驗室聯系方式郵箱：COPYRIGHT2023 IMT-2030(6G)PROMOTION GROUP.ALL RIGHTS RESERVED.