中國聯通：算力網絡白皮書(31頁).pdf

《中國聯通：算力網絡白皮書(31頁).pdf》由會員分享，可在線閱讀，更多相關《中國聯通：算力網絡白皮書(31頁).pdf（31頁珍藏版）》請在三個皮匠報告上搜索。

1、 中國聯通算力網絡白皮書 中國聯通 2019 年 11 月 序 自電話發明并組網通信至今，已有百年，在這期間，運營商一直 提供面向連接的基礎網絡,先后支撐了話音、 專線、 短信等電信級產品， 業務與網絡緊密耦合，運營商處于價值鏈主導位置，獲得了良好的收 益；然而近 10 年來，伴隨著寬帶和云的大發展，運營商卻只提供了 帶寬（流量）服務，與個性化、非標準的互聯網業務漸行漸遠，被迅 速管道化， 由于管道不再緊貼用戶需求， 又被迅速低值化。 從歷史看， 網絡只有能夠給應用賦能，才能與業務發展形成良性循環。 未來運營商面臨從服務消費互聯網到服務產業互聯網的角色轉 變。5G 時代，運營商的網絡資源和計算

2、資源都將更加豐富，將成為 全社會 ICT 基礎設施提供方。同時，人工智能（AI）已經成為全社會 的焦點，智能社會正在快速到來。在 5G+AI 的產業背景下，是否在 帶寬（流量）業務之外，還存在適合運營商經營，標準歸一化的新業 務形態？ “算力網絡”將嘗試回答這個問題。 目 錄 1 產業背景 . 1 1.1 機器智能社會將全面到來 . 1 1.2 網絡將出現云、邊、端三級算力架構 . 2 1.3 實現云、邊、端算力的高效需要算力網絡 . 2 1.4 運營商的可持續發展需要算力網絡 . 4 2 算力網絡的概念和架構 . 7 2.1 算力網絡是云化網絡發展演進的下一個階段 . 7 2.2 算力網絡的

3、關鍵技術元素 . 8 2.2.1 聯網元素：打造無損和確定性的網絡聯接 . 9 2.2.2 云網元素：智能網絡與網絡云化的持續推進 . 10 2.2.3 算網元素：為計算服務的可信、高效、隨需網絡 . 10 2.3 算力網絡的典型應用場景 . 16 2.3.1 運營商 ToB 的“5G 園區+AI”場景 . 16 2.3.2 運營商 ToC 的“5G+Cloud X”場景 . 17 2.3.3 算力開放，運營商提供可交易的算力通證 . 18 3 算力網絡的標準與生態 . 19 4 總結與展望 . 20 5 縮略語 . 22 版權版權聲明聲明 本白皮書版權由中國聯通網絡技術研究院與華為技術有限公

4、司 共同擁有，并受法律保護。轉載、摘編或利用其它方式使用本白皮書 文字或者觀點的，應注明來源。 作者作者 中國中國聯通聯通網絡技術研究院網絡技術研究院 唐雄燕、曹暢、張帥、何濤、劉瑩 華為技術有限公司華為技術有限公司 杜偉、鄭若濱、唐曉琴 中國聯通算力網絡白皮書 1 1 產業背景產業背景 1.1 機器機器智能智能社會社會將將全面全面到來到來 人類將步入智能社會， 智能是知識和智力的總和， 翻譯到數字世界就是“數 據+算力+算法”， 其中算法需要通過科學家研究實現， 海量數據來自于各行各業 的人和物，數據的處理需要大量算力，算力是智能的基礎平臺，由大量計算設 備組成。 圖圖 1-1 智能的智能的

5、三要三要素：算法、算力、數據素：算法、算力、數據 人腦的算力相當于約 300 億顆晶體管，人類的歷史和文明都是由無數人腦 算力所創造，但人腦算力正面臨老齡化的挑戰，2020 年超高齡國家（65 歲以上 人口超過總人口 20%）將達到 13 個，2030 年將上升到 34 個，而且主要集中在 亞太、歐美等較發達國家?？紤]到兒童占比約 15%，實際這些國家的勞動適齡 人口只占不到 60%。全球 2020 年人口約 77 億，較發達國家人口約 30 億，所 以這些國家實際處于勞動適齡段的人腦只有不到 20 億。 現階段電子工藝可以做到的機器算力已經接近人腦算力，如麒麟 980 基于 7nm 工藝集成

6、了 69 億晶體管，AMD Radeon VII GPU 將采用 7nm 工藝，晶體 管數量約 132 億，未來 5 年，基于 5nm 工藝，芯片集成度據信可以做到 300 億 晶體管，此時處理器的信息分析處理能力已經與人腦相當，并且相比于人腦， 處理器更聚焦于專業領域的數據處理， 不知疲勞， 所以在具體的數據處理領域， 高端 CPU 的算力已經事實上相當于甚至于超過了人腦。 機器替代人處理數據是人類進入智能社會的必然趨勢，目前全球應用處理 器出貨量已經超過 20 億，并且仍以 8%的速率在高速增長，面臨老齡化的國家 （亞太和歐美國家） 同時也是半導體主要的消費市場， 占全球份額約 80%，

7、510 年之后，這些國家的機器算力就將全面超越人腦算力的總和。 2020 年人腦為主，機腦為輔，以各種智能終端為代表；20252030 年人腦 中國聯通算力網絡白皮書 2 和機腦相互協助， 智能機械臂， 輔助駕駛， 智能制造等廣泛出現； 20302040 年， 將逐漸進入“人腦定義規則，機腦自主執行”的“機器智能”社會，機器管家、無 人駕駛、無人工廠等廣泛出現。 1.2 網絡將出現云、邊、端三級算力架構網絡將出現云、邊、端三級算力架構 全球數據總量仍在持續增長，預計 2020 年達到 47 ZB，2025 年達到 163 ZB， 年復合增長年復合增長率為率為 20%， 其中絕大多數來自亞太 （

8、約 40%） 和美 （約 25%） 、 歐（約 15%）地區。全球數據中心安裝服務器數量 2020 年將達到 6200 萬臺， 年增長約 4%；智能終端（包含手機/M2M/PC 等）年復合增長約 10%；由于工 藝的約束，單芯片的算力在 5nm 之后將接近頂峰，傳統集約化的數據中心算力 和智能終端的算力可增長的空間也面臨極大挑戰。要支持數據持續增長的機器 智能時代， 只有終端+數據中心兩級處理無法滿足要求， 算力必然會從云和端向 網絡邊緣進行擴散。數據處理會出現三級架構：終端、邊緣和數據中心，邊緣 處理能力未來幾年將高速增長，尤其是隨著 5G 網絡的全面建設，其大帶寬和 低時延的特征，將加速算

9、力需求從端、云向邊緣的擴散。 圖圖 1-2 云、邊、端三級算力架構云、邊、端三級算力架構 1.3 實現云、邊、端實現云、邊、端算力算力的的高效高效需要需要算力網絡算力網絡 高效的定義是“在相同或更短的時間里完成比其他人更多的任務，而且質量 與其他人一樣或者更好”。一個終端或者在一個數據中心內部做到高效算力相對 容易，但對于廣泛分布在云、邊、端的算力如何做好協同，并實現高效則充滿挑 戰。 中國聯通算力網絡白皮書 3 圖圖 1-3 AI 訓練中不同算力對算法的需求 算力按照應用場景有不同的衡量單位，用于比特幣的每秒哈希運算次數 (H/S)，用于 AI 和圖形處理的每秒浮點運算次數（FLOP/S）

10、，智能社會對算力的智能社會對算力的 訴求主要是浮點運算能力訴求主要是浮點運算能力，專用 AI 芯片如華為昇騰 910 采用 7nm 工藝，半精度 FP16 算力達 256 TFLOPS，低功耗的 12nm 芯片昇騰 310 半精度 FP16 算力也達 到了 8 TFLOPS。過去 5 年，隨著深度學習算法的演進，隨著深度學習算法的演進，AI 訓練對算力的需求增訓練對算力的需求增 加了加了 30 萬倍萬倍，一些互聯網廠家已經將算力作為服務提供給客戶，從 1 FP32 TFLOPS 或 8 FP16 TFLOPS 到 4 FP32 TFLOPS 或 32 FP16 TFLOPS 的 AI 推理 加

11、速服務，簡單的語音語義識別或單流視頻分析 8 FP16 TFLOPS 即可滿足，復 雜的推薦引擎或者風險檢測則需要 32 FP16 TFLOPS。 表 1-1 AI 推理不同應用對算力的需求 AI 推理場景 算力分類 32 位浮點運算 16 位浮點運算 內存 語音語義或者單流視頻 中等 1 TELOPS 8 TELOPS 1 GB 多流視頻 大型 2 TELOPS 16 TELOPS 2 GB 推薦引擎或者風險預測 超大型 4 TELOPS 32 TELOPS 4 GB 高效算力的第一個要素是高效算力的第一個要素是“專業專業”， 聚焦專用場景可以用更低的功耗和成本完， 聚焦專用場景可以用更低的

12、功耗和成本完 成更多的計算量成更多的計算量。 目前相對成熟， 而且對算力需求最大的場景是視頻和圖像分析 中國聯通算力網絡白皮書 4 領域，基本上貫穿了所有行業的智能場景，在邊緣和云進行視頻的分析和處理， 都需要網絡提供高吞吐能力， 網絡吞吐能力取決于網絡帶寬和時延兩個關鍵指標， 帶寬越大，時延越低，數據吞吐量越大。 高效算力的第二個要素是高效算力的第二個要素是“彈性彈性”，如算力的超分配、算力提供的敏捷性，如 輕計算 100ms 級彈性，數據彈性處理需要網絡為數據需求到算力資源之間提供 敏捷的連接建立和調整能力。 每個人的高效工作不一定就能構成一個高效社會， 高效高效算力算力的第三的第三個要素

13、是個要素是 “協作協作”。 從處理器內部多個核之間的協作， 到數據中心內部多臺服務器之間的“算 力均衡”，再到整個網絡邊緣的“隨選算力”。協作的目的是實現算力資源充分被 使用，需要承載網絡支持多邊緣之間、邊緣與中心之間的算力均衡，流量調度和 擁塞管理。 圖圖 1-4 高效算力的三個要素 實現高效算力需要實現高效算力需要“計算計算+網絡網絡”深度融合的新型網絡架構深度融合的新型網絡架構“算力網絡算力網絡”，實現，實現 數據與數據與算力的高吞吐、敏捷連接和均衡隨選算力的高吞吐、敏捷連接和均衡隨選。 1.4 運營商的可持續發展需要算力網絡運營商的可持續發展需要算力網絡 運營商網絡的核心價值從近 20

14、 年運營商的發展來看，一直是業務和技術 雙輪驅動，且以移動通信的代際劃分為標志，從 2G 到 4G，運營商提供的業務 和為提供這些業務所采用的支撐技術，均在不斷發生變化，而這些變化也直接 影響著運營商的經營狀況和收入水平，體現出運營商在不同時期的價值。 從業務驅動來看從業務驅動來看，面向最終個體消費者的 ToC 業務，特別是移動業務一直 中國聯通算力網絡白皮書 5 是運營商最大的收入來源。在 2G 時代，運營商的 ToC 業務體現為話音、短信 等。這一類業務的特點是：用戶需求剛性，與網絡連接能力強相關，業務即提 供最終服務，且從連接到業務的全部環節有運營商完全掌控。因此，在 2G 時 代， 全

15、球移動運營商均獲得了豐厚的收益。 但是， 當經過 3G 時代的短暫過渡， 歷史最終跨入 4G 時代后，由于連接技術的飛速發展，網絡帶寬支撐一般的個 人應用已完全沒有問題。同時，隨著云計算、智能終端的崛起，運營商 ToC 端 主要經營的業務由話音、短信變為了流量，雖然流量的提供也需要運營商網絡 的良好保障，但是，由于流量不是最終的業務形態，而只是 OTT 提供業務的帶 寬資源，導致運營商與客戶的最終業務，最直接需求越走越遠，加之自身研發 能力和管理水平的限制，導致運營商在云時代迅速被管道化，價值越來越低。 依靠流量經營， 增量不增收， 是目前全球運營商所面臨的共性問題和嚴峻挑戰。 從技術驅動來看

16、從技術驅動來看，運營商一直是全球 ICT 行業技術的牽引者，是電子信息 行業全產業鏈的重要參與者。最先進的 ICT 技術，往往需要運營商為其快速提 供網絡支撐，從而形成商業能力，而這些先進的 ICT 技術，反過來又促進電信 網絡的不斷革新和進步，增強了運營商提供服務的能力。例如，在已經到來的 云計算時代，運營商網絡作為云內部和云間的“總線”，為云服務的正常運行提 供了強有力的支撐，同時，自身網絡也在以 SDN/NFV 為代表的網絡云化的影 響下發生著深刻的變革，網絡的虛擬化進程不斷加快，跨網絡專業的調度和編 排能力顯著提升，未來 5G 的核心網網元將全部承載在通信云上，網絡實現了 真正的云化。

17、 展望未來，在大數據、物聯網、云計算等新興技術的影響下，全社會的信 息化進程明顯加快，企業的數字化轉型愈加提速，ICT 賦能的社會表現出以下 幾個趨勢： ICT 業務的主要增長點由消費互聯網轉移到服務產業互聯網業務的主要增長點由消費互聯網轉移到服務產業互聯網，運營商 除了給個人用戶提供服務，給政企客戶提供專線服務外，更要向全產業 賦能。 電信網云化后，在滿足自身云服務之外，有希望對外輸出計算能力，成電信網云化后，在滿足自身云服務之外，有希望對外輸出計算能力，成 為全社會的為全社會的 ICT 基礎設施基礎設施。5G 時代，隨著運營商網絡的云化改造，將 有大量的 IT 資源應用在通信云的部署中，而

18、且隨業務量變化會存在一 定時間段內的空閑，運營商可以將這些資源，結合其強大的網絡提供能 力對外服務，并且比公有云服務更加靠近用戶。 AI 技術成為全社會的焦點技術成為全社會的焦點， 在各行業 AI 應用的加持下， 一個嶄新的 AI 中國聯通算力網絡白皮書 6 社會將快速到來。 未來面向全社會的 AI 普適服務， 離不開 AI 算力的支 持。從運營商以往的經驗來看，運營商并不完全適合經營碎片化、一企 一策的定制化服務業務，而是更適合經營標準化、歸一化、規?；?，具 有網絡強連接屬性的業務， 并通過這樣的業務為全社會的數字化轉型賦 能。 結合個人到企業， 全社會對 AI 服務的迫切需求， 以及運營商

19、強大的網絡服 務能力和空閑的 IT 資源，完全可以向全社會提供普適性的 AI 算力，使算力成 為繼話音、短信、專線、流量之后運營商提供的新一代普適性標準化產品。且 該產品的價值比流量更高，可以結合用戶的時延需求，計算能力與計算位置需 求，充分結合運營商 5G 網絡接入優勢，邊緣機房和光纖覆蓋優勢，以及富余 IT 資源優勢， 包裝成面向不同用戶層級、 不同需求的多等級、 多種類算力服務， 為 AI 社會提供強大的“能源”與“養料”。 結合上述分析，運營商在算力富余、全社會 AI 需求旺盛的背景下，更適合 為廣大政企客戶提供賦能 AI 應用的算力服務， 因此， 運營商下一代網絡也必須 按照提供算力

20、服務的要求建設，打造新時代的算力網絡算力網絡。 中國聯通算力網絡白皮書 7 2 算力網絡的概念和架構算力網絡的概念和架構 網絡的核心價值是提高效率，電話網提高了人類溝通的效率，互聯網提高 了人類協同工作的效率，算力網絡的出現是為了提高端、邊、云三級計算的協 同工作效率。 區別是傳統網絡直接為人類服務， 算力網絡直接為智能機器服務， 并通過智能機器間接為人類服務， 由于機器的工作效率、 響應時間都遠超人類， 因此對算力網絡會有更嚴苛的要求。 2.1 算力網絡是云化網絡發展演進的下一個階段算力網絡是云化網絡發展演進的下一個階段 云化網絡的概念是從 2009 年開始，伴隨著 SDN/NFV 技術而出

21、現，并不斷 發展和演變， 早期云網協同階段網絡主要是為云計算提供聯接服務 （Network for Cloud） ， 包括了基于 SDN 的 DCN 和 DCI 網絡和用于用戶與云聯接的 SD-WAN Overlay 網絡； 同時網絡也在運維上借鑒了云計算的技術 （Cloud for Network） ， 在業務發放效率上做出了提升。 2014 年開始，伴隨著電信行業對云技術理解的加深，開始思考如何利用云 的技術理念來改造網絡設備，網絡云化進入云網一體階段，其中包括了對核心 網網元進行云化改造（NFV） ，對承載網架構進行轉控分離的改造，并實現轉發 面的極簡（如 SRv6）和小型化（如 C/U

22、 分離的核心網）的成功實踐，經過 10 年的探索， 已經基本上確定了“控制云化控制云化+轉發極簡轉發極簡”的云化網絡標準架構。 在這 個過程中全球運營商也基于各自網絡特點進行了探索，這其中包含了 AT&T Domain2.0、中國聯通 CUBE-Net2.0、中國電信 CT2025、中國移動 NovoNet 等 成功實踐。 圖圖 2-1 云化網絡和算力網絡技術內容對比云化網絡和算力網絡技術內容對比 2019 年，伴隨著 AI 的快速發展，高效算力成為支撐智能化社會發展的關 鍵要素，并開始在各行各業滲透，算力網絡作為一種新型網絡架構逐漸被業界 認可，并有可能成為網絡演進的新方向。 中國聯通算力網

23、絡白皮書 8 算力網絡早期與云化網絡類似， 聚焦算網協同的需求， 包括網絡為 AI 提供 聯接服務（Network for AI） ，如用于數據中心內部的算內網絡 IB、RDMA 和更 大規模的無阻塞 DCN； 用于用戶數據到算力聯接的 CFN （Compute First Network） 和支撐用戶數據到算力更低時延和更大帶寬的Metro Fabric和5G URLLC網絡； 用于為 AI 提供算力服務的新型網絡設備 MEC/ECC 等；還包括將 AI 技術用于 運維（AI for Network）實現主動運維的 IDN 自動駕駛網絡。 伴隨著網絡對 AI 技術的深入研究，未來 AI 的一

24、些核心理念如“并行低精 度+算法算力輔助”有可能會用于網絡設備、芯片的改造，突破單通道物理極限 的挑戰， 通過多通道+算法算力的方式實現更大接入帶寬， 因此一些新型超融合 （CT+AI） 設備可能會在網絡中大量出現， 算網協同也將向算網一體階段演進。 算力網絡中算網協同的場景已經逐漸出現，與云網協同類似，首先面向數 據中心內的需求，然后向用戶到數據中心跨廣域的需求延伸。算網一體多數還 處于研究階段，未來 35 年會逐漸成熟。 2.2 算力網絡的關鍵技術元素算力網絡的關鍵技術元素 高效算力網絡，具備了聯網、云網與算網三個方面的技術元素，其中聯網 是基礎，在 5G 時代，引入了超低延時技術與端到端

25、網絡確定性技術，以適應 VR/AR，工業計算等面向垂直行業的需求。同時，為了達到網絡無損的目的， 需要將數據中心內部的 Leaf-Spine 架構向城域擴展，搭建城域的 Metro Fabric。 云網方面，網絡人工智能技術將在算力網絡的運維、管理、故障預測等方面發 揮極大作用，并且網絡需要進一步的云化以便提升業務交付效率。算網技術元 素，主要包括算力生成、算力調度（路由）和算力交易三個方面，使網絡成為 為全社會提供 AI 算力能力的基礎設施。 圖圖 2-2 算力網絡的關鍵技術元素算力網絡的關鍵技術元素 中國聯通算力網絡白皮書 9 2.2.1 聯網元素：打造無損和確定性的網絡聯接聯網元素：打造

26、無損和確定性的網絡聯接 低時延高可靠（低時延高可靠（URLLC） ：） ：除傳輸距離帶來的光纖時延之外，設備層面對時 延影響最大的是無線接入網，數據處理時延在 ms10ms 級；其次是數據通信和 云核心網絡，輕載時延在 1ms 量級，但是如果出現擁塞的話，時延會急劇攀升 數十倍；影響最小的是光傳輸，時延在 100us 級。因此在時延問題上，主要矛 盾在于無線接入如何降低時延、承載網與核心網如何避免擁塞，提供確定性時 延， URLLC（Ultra-Reliable and Low-Latency Communication）超級可靠低時延 聯接是一個端到端的概念，這里僅指 5G RAN 范圍的

27、URLLC，在 3GPP RAN TR38.913 中定義了 URLLC 的指標，控制面板時延 10ms、用戶面時延 0.5ms、 移動性中斷時間 0ms、可靠性 99.999%（32bytes1ms） 。 無阻塞城域網（無阻塞城域網（Metro Fabric） ：） ：數據通信網絡解決低時延的主要方案是避 免擁塞，從“話音/寬帶業務為中心”到“云/計算業務為中心”，老的轉發技術和復 雜網絡已經不適應這種變化，需要進行重構，云計算對 DC 的要求從“一個 DC as one Computer”已經發展為“多個 DC（中心和邊緣）as one Computer”，相對應 的承載網也需要從“DCN

28、 Fabric是一臺無阻塞路由器”到未來“整個城域網Metro Fabric 是一臺無阻塞路由器”演進。 圖圖 2-3 無阻塞城域網無阻塞城域網 Metro Fabric 架構架構 為支持 Metro Fabric， 首先需要改變城域網多級匯聚收斂的架構， 構建用戶 接入到云（中心或邊緣）一跳直達的扁平化網絡，通過減少跳數，實現網絡擁 塞點的減少。在 Fabric 架構下，網絡擁塞主要矛盾出現在存在多方向流量的業 務邊緣節點，這個位置可以采用支持無阻塞交換算法的超大容量路由器實現。 城域網向 Metro-Fabric 架構演進，實現小于 1ms 的確定性網絡延時的能力。 確定性網絡：確定性網絡

29、：DetNet（確定性網絡）指在一個網絡域內給承載的業務提供 確定性業務保證的能力，這些確定性業務保證能力包括時延，時延抖動，丟包 中國聯通算力網絡白皮書 10 率等指標。DetNet 可以通過多個路徑發送序列數據流的多個副本，并消除目的 地處或附近的副本。通過調整數據包的傳送并為臨界流（Critical Flow）分配足 夠的緩沖區空間，可以消除擁塞。不存在故障檢測和恢復周期，每個數據包都 被復制并被帶到或接近其目的地，因此單個隨機事件或單個設備故障不會導致 丟失任何一個數據包。 2.2.2 云網元素：智能網絡與網絡云化的持續推進云網元素：智能網絡與網絡云化的持續推進 控制面智能控制面智能：

30、隨著轉控分離、控制功能云化和三級分布式部署帶來網絡靈 活性的同時，也帶來了集成和運維復雜度的快速攀升，傳統人工運維的方式已 經難于支撐，未來將逐漸引入大數據分析和人工智能來替代人工（AI for Network） ， 但是過度復雜的網絡協議也會增加 AI 算法實現的難度， 除了控制面 智能化外， 還需要對轉發面的協議和網絡拓撲進行簡化， 智簡是“網絡自動駕駛” 的基礎。 圖圖 2-4 人工智能技術在網絡中的應用人工智能技術在網絡中的應用 網絡云化：網絡云化：網絡控制面包含實時功能（如可靠性，算法，協議處理相關） 和弱實時功能（如管理、配置相關） ，弱實時功能最先云化，可以靈活的部署在 云端，而

31、實時功能云化后，需要集中控制的功能可以靠近被控制設備，部署在 網絡中心或者邊緣云，而一些實時分布式控制功能，還將進一步以微服務形式 嵌入在設備內部。層次化的云化控制功能既保留了云化帶來的敏捷和開放性， 也可以按需滿足實時性的系統要求。 2.2.3 算網元素：為計算服務的可信、高效、隨需網絡算網元素：為計算服務的可信、高效、隨需網絡 業務層網絡由業務處理節點和節點之間的連接組成，未來網絡要從信息傳 中國聯通算力網絡白皮書 11 輸為核心的信息基礎設施，向融合感知、傳輸、存儲、計算、處理為一體的智 能化信息基礎設施發生轉變(來源：中國人工智能 2030 戰略規劃)，這對業務處 理節點的功能、節點之

32、間的連接技術都提出了新的要求：業務節點從只處理電 信業務的封閉模式向可對外開放，提供開放算力服務能力的新形態節點發展， 典型的如邊緣計算 MEC（Multi-access Edge Computing） ，連接從“對業務無感 知，私有網絡”向 “感知用戶業務需求，為數據和算力服務之間建立按需連接” 的開放型網絡發展，典型的如計算優先網絡 CFN（Computing First Network） ； 用戶的管理認證、網絡資源開放與服務化需要從傳統中心化、靜態方式向去中 心化、動態、安全、可信新方式發展，典型的如電信可信區塊鏈 TBC（Trusted Block Chain） 。 隨需的邊緣計算：

33、隨需的邊緣計算：MEC(Multi-access Edge Computing)即多接入邊緣計算， 其中的“M”- Multi-access 包含 MBB、WLAN 等多種接入方式，可以看作是一個 運行在電信網絡邊緣的、運行特定任務的云服務器。MEC 為應用開發者和內容 提供商提供了超低時延、 高帶寬， 以及可以實時獲取無線網絡信息的業務環境， 從而為終端用戶提供差異化的業務和服務。 MEC 部署在靠近基站的接入環、 接入匯聚環等邊緣位置， 使得內容源最大 程度的靠近終端用戶，甚至可以使終端能夠在本地直接訪問到內容源，從數據 傳輸路徑上降低了端到端業務響應時延。例如，AR/VR 業務要求端到端

34、時延需 小于 20ms，以消除用戶的眩暈感，5G 更是提出了 1ms 端到端時延來支撐自動 駕駛等時延敏感業務。 MEC 通過將對應的網絡功能部署在最靠近用戶的邊緣位 置，使業務達到極致的體驗。據研究，未來有 70%的互聯網內容可以在靠近用 戶的城域范圍內終結；基于 MEC，可以將這些內容存儲在本地，MEC 與終端 用戶之間的傳輸距離縮短， 流量在本地被卸載， 節省了 MEC 到核心網和 Internet 的傳輸資源，進而為運營商節省 70%的網絡建設投資；目前，越來越多的細分 領域希望基于電信網絡實現行業定制，通過 MEC 提供開放的平臺可實現電信 行業和垂直行業的合作業務創新。ETSI 定

35、義的 MEC 是具備無線網絡能力開放 和運營能力開放的平臺，MEC 可通過公開 API 的方式為運行在其平臺主機上 的第三方應用提供無線網絡信息、位置信息、業務使能控制等多種服務。 中國聯通算力網絡白皮書 12 圖圖 2-5 邊緣計算典型應用場景說明邊緣計算典型應用場景說明 高效的計算優先網絡：高效的計算優先網絡：流量是互聯網行業的核心競爭力。傳統的互聯網流 量獲取方式包括搜索引擎、聚合網站、移動分發、門戶網站等等，比如日常接 觸到的百度、Google、新浪、安卓市場、蘋果商店。同時流量也是運營商當前 的主要收入來源。當前，在成本驅動下，如何低成本高效率地獲取流量始終是 互聯網企業的一大難題，

36、同時由于傳統運營商網絡無法感知互聯網業務，無法 匹配互聯網業務需求多樣性，因而無法提供差異化服務，大量可以按照業務屬 性進行優化，只需要本地處理和終結的流量，卻配置為穿越整個骨干網到異地 處理?；ヂ摼W上 50%的流量屬于這種低效率的無序流量，大幅增加了運營商骨 干網絡擴容壓力， 提高流量效率對運營商和互聯網企業都具有重要價值。 另一方面，計算技術正在向著輕量化、動態化、應用解構成服務計算技術正在向著輕量化、動態化、應用解構成服務/功能的方功能的方 向變化和發展向變化和發展。 計算載體從虛擬機， 發展到容器以及 Unikernel， 鏡像大小由 VM 的 GB 級別，到容器的 MB 級別逐步降低

37、到 Unikernel 的 KB 級別，實例化時間 由分鐘級到秒級再到 100ms 級，變得更加輕量，啟動更快，運行代價更小。此 外隨著微服務的發展，傳統的 Client-server 模式被解構，Server 側的應用解構 成功能組件布放在云平臺上，由 API Gateway 統一調度，可以做到按需動態實 例化， 服務器中的業務邏輯轉移到 Client 側， Client 只需要關心計算功能本身， 而無需關心 Server、 虛擬機、 容器等計算資源， 從而實現 Function As a Service。 未來應用無需感知 Server，計算生命周期縮短、地點動態變化的趨勢使得互聯 網架構

38、的業務假設發生變化。 其次，計算資源融入網絡使得架構的拓撲假設也要發生變化計算資源融入網絡使得架構的拓撲假設也要發生變化。傳統互聯網 架構的基本拓撲抽象是端到端模型：網絡在中間、計算在外圍，主機通過網絡 實現邏輯虛擬的全連接。而邊緣計算或者泛在計算的場景中，拓撲變成了計算 嵌在網絡中間，從完成用戶的計算任務的角度，嵌入的資源不再是對等的 Peering 關系，而是需要考慮距離的不同，以及網絡狀況的好壞。 中國聯通算力網絡白皮書 13 邊緣計算、乃至泛在計算場景中，由于單個站點的算力資源有限，需要多 站點協作，現有架構一般通過集中式編排層來管理和調度，存在可擴展和調度 性能差的問題?，F有業務應用

39、層和網絡解耦，應用層無法精準、實時掌握網絡 性能，以應用層為主的尋址結果的綜合性能可能不是最優，甚至比較差，導致 業務體驗差。此外，當前互聯網的假設是靜態的 Server 加上移動的 Client，傳 統基于 DNS 解析的 IP 尋址，以及建立 TCP/TLS 會話的網絡模式，也難以發揮 動態、微服務、泛在計算的優勢，不能保證計算效率最大化。 未來網絡架構，需要能夠支持不同的計算功能，根據不同的業務需求，網 絡狀況，可以在離 Client 的不同距離實時地實例化?；诜植际骄W絡的計算網 絡融合新架構CFN 試圖解決以上問題。 計算優先網絡(CFN)位于網絡層之上的 CFN 薄層，將當前的計算

40、能力狀況 和網絡狀況作為路由信息發布到網絡，網絡將計算任務報文路由到相應的計算 節點，實現用戶體驗最優、計算資源利用率最優、網絡效率最優。 圖圖 2-6 計算優先網絡承載算力路由計算優先網絡承載算力路由 CFN 具有以下關鍵技術特征： 構建計算與網絡融合的新架構：云網融合、網隨云動、云在網中，將用戶盡 快獲得計算結果作為第一設計原則的全新網絡架構。 計算路由器(CFN Router)連接分布式的計算集群聯邦，其基本功能是基于請 求中 Service ID 和 Data ID 的路由，高級功能還包括數據預取等能夠提高效 率和用戶體驗的功能。 定義 CFN 與服務間的通用計算接口，與應用無關，語義

41、不感知，使得 CFN 與千變萬化的應用創新解耦，保持自己的穩定。 開放路由協議：基于抽象后的計算資源發現，計算資源層面的拓撲和路由生 成和愈合， 拓撲和路由不僅僅是 IP 可達性， 還包含計算資源的動態變化和可 服務性， 愈合不僅僅是路由的愈合， 而是對一個計算任務的重新路由和調度， 中國聯通算力網絡白皮書 14 使之能夠在一個新的計算服務節點上完成計算。 CFN 能夠為應用提供的核心價值是基于當前網絡可用的算力和算法， 結合 網絡實時狀況，通過 CFN 靈活匹配、動態調度計算資源，將終端的計算卸載到 合適計算節點、 邊緣或者中心云， 支撐業務的計算需求， 保證業務的用戶體驗。 典型應用如 A

42、R 場景，終端通過攝像頭采集圖像，在家庭網關和邊緣節點進行 物體識別中等復雜度的計算、以及需要盡快給出結果的計算，將 AR 場景中計 算負載最重的 Object Recognition，次重的 Feature Extraction、Object Detection、 Template Matching 等計算任務動態卸載到邊緣或者中心節點，終端只需負責目 標跟蹤和畫面顯示，降低終端的計算開銷。物聯網（IoT）場景中物聯網終端設 備因資源受限，具有計算能力較弱、存儲空間較小的特點，將終端側采集的數 據，在邊緣節點進行數據預處理，減少上行傳輸的數據量，在中心云實現數據 存儲和數據同步等任務。利用邊

43、緣和中心節點的計算能力最大程度降低 IoT 受 限終端設備的計算負載。 可信的電信區塊鏈：可信的電信區塊鏈：區塊鏈作為一項顛覆性技術，正在引領全球新一輪技 術變革和產業變革，推動“信息互聯網”向“價值互聯網”變遷。區塊鏈概念最早 出現在中本聰的比特幣白皮書中，但并非以“區塊鏈”的提法出現，而是以“工作 量證明鏈”的形式陳述。 2008 年 11 月 1 日，中本聰發表比特幣：一種點 對點的電子現金系統一文，闡述了基于 P2P 網絡技術、加密技術、時間戳技 術、區塊鏈技術等的電子現金系統的構架理念。為了在通信領域應用該技術， ITU 相關標準中引入了“通證 Token”的概念， 用于數據或資源的共享和交易。 對對 于算力網絡而言，為了方便算力的量化、共享和交易，將使用于算力網絡而言，為了方便算力的量化、共享和交易，將使用“算力通證算力通證”的概的概 念。念。 區塊鏈已經不僅僅是一項技術、一種工具，更是一種思維方式，區塊鏈作 為一種新型的技術組合，其去中心化、難以篡改、不可抵賴等特點不僅為電信 行業帶來了一種全新的信用模式，也使其數字服務更具競爭力，進而幫助電信 行業降低成本，為該領域帶來了全新的視角。 隨著通信網絡技術的發展，很多業務對寬帶、時延等都提出了新的要求。 為了提升用戶體驗，未來很多海量的數據都需進行本地化或網絡邊緣處理，這 樣可以降低網絡負荷