《中國移動:2022算力網絡視頻應用白皮書(15頁).pdf》由會員分享,可在線閱讀,更多相關《中國移動:2022算力網絡視頻應用白皮書(15頁).pdf(15頁珍藏版)》請在三個皮匠報告上搜索。
1、1 算力網絡視頻應用算力網絡視頻應用白皮書白皮書 (20222022 年)年) 中國移動中國移動研究院研究院 前前 言言 本白皮書研究基于算力網絡的視頻應用, 重點介紹了國內外研究現狀,應用架構,關鍵技術和典型應用場景。本白皮書通過對基于算力網絡的視頻應用研究、 提出中國移動算力網絡在視頻業務側的思考和智能服務。希望能夠為產業在算力網絡相關技術、產品和解決方案等方面提供參考和指引。 本白皮書的版權歸中國移動所有,未經授權,任何單位或個人不得復制或拷貝本建議之部分或全部內容。 編寫單位:中國移動研究院 編寫組成員:吳亦川、郭勐、高靜、鄭健平、楊蕾、喻煒 中國移動研究院 算力網絡視頻應用白皮書(2
2、022) 1 目目 錄錄 1. 研究背景 . 2 2. 國內外研究現狀 . 2 2.1 算力網絡 . 2 2.2 算力網絡視頻應用 . 4 3. 算力網絡視頻應用架構 . 5 4. 算力網絡視頻應用關鍵技術 . 7 5. 算力網絡視頻應用場景 . 9 5.1 智能安防 . 9 5.2 超高清視頻 . 10 5.3 云 VR/AR . 11 5.4 云游戲 . 12 6. 總結與展望 . 12 縮略語列表. 13 參考文獻. 14 中國移動研究院 算力網絡視頻應用白皮書(2022) 2 1. 1. 研究背景研究背景 算力是網絡中具有計算能力的節點通過對數據的處理, 實現特定結果輸出的能力, 具體
3、包括不限于計算、 內存和存儲能力1。 算力可以分布在云數據中心(云端算力)、網絡邊緣(邊緣算力) 、連網終端、轉發節點(端算力)等各種形態的設備上。 算力網絡是以算為中心、 網為根基,“網、 云、 數、 智、 安、 邊、 端、 鏈 (ABCDNETS) ”深度融合、提供一體服務的新型信息基礎設施。逐步推動算力成為與水電一樣,可“一點接入、即取即用”的社會級服務,最終達成“網絡無所不達、算力無所不在、智能無所不及”的愿景2。 算力網絡主要適用于對算力需求大的業務, 最有可能先成熟的應用主要集中在對數據需要做大規??焖偬幚淼膱鼍?,主要包括:超算和大型渲染、人工智能(訓練類和推算類) 、泛視頻、智能
4、駕駛和區塊鏈應用等。泛視頻業務主要包括智能安防、云 VR/AR、超高清視頻、云游戲、元宇宙等。 算力網絡視頻應用研究,目前主要有兩種思路:思路一是在算力網絡尚不具備對外提供服務能力情況下,針對泛視頻業務需求,設計和實現端到端完整的算力網絡視頻應用解決方案,在滿足用戶視頻業務體驗的前提下,通過采用高效的算網調度算法在云、邊、端側選擇合適的業務服務節點或節點群,完成最優的視頻業務處理、傳輸和存儲。思路二是在算力網絡可以對外提供服務能力情況下,針對泛視頻業務需求,研究視頻業務調用算力網絡能力完成業務邏輯的技術方案,在滿足用戶視頻業務體驗的前提下確保全網資源利用率最優。 2. 2. 國內外研究現狀國內
5、外研究現狀 2.12.1 算力網絡算力網絡 目前業界都在積極推動算力網絡的研究和發展,國內三大運營商中國移動、中國電信、中國聯通以及華為、中興等公司都在積極參與算力網絡的標準制定和技術推廣。 中國移動研究院 算力網絡視頻應用白皮書(2022) 3 在產業方面,三大運營商都在積極布局算力網絡。2019 年 11 月,中國移動聯合華為公司發布了算力感知網絡技術白皮書 ,提出一種基于分布式系統的計算網絡融合新架構算力感知網絡(CAN,computing-aware networking) ,旨在實現用戶體驗、資源利用率,以及網絡效率的最優化。2021 年 11 月,中國移動發布了中國移動算力網絡白皮
6、書 ,提出算力網絡概念、發展愿景以及分階段演進策略。與此同時,中國移動提出構建以 5G、算力網絡、智慧中臺為重點的新型信息基礎設施,形成“連接算力能力”的新型信息服務體系,推進算力網絡在國家治理、社會民生、傳統產業升級改造、國內國際市場拓展等更多領域落地應用,使算力成為像水、電一樣,可“一點接入、即取即用”的社會級服務。2019 年 11 月,中國聯通發布了中國聯通算力網絡白皮書3,介紹了算力網絡發展的產業背景,對算力網絡的概念、架構、標準和生態等方面進行了分析討論,并指出算力網絡是云化網絡發展演進的下一個階段。2020 年年底,中國聯通成立“中國聯通算力網絡產業技術聯盟” ,作為首個運營商牽
7、頭的算力網絡研究組織, 結合自身業務發展, 對相關先進網絡協議的制定提出了明確需求。2021 年 3 月,中國聯通正式發布 CUBE-Net3.0 網絡創新體系,積極探索云網融合邁向“算網一體” ,將著力通過 AI 賦能,網聚生態,基于“1N X”打造算網一體服務。中國電信以“云改數轉”為發展主旋律,確立了“網是基礎、云為核心、網隨云動、云網一體”的戰略方向,希望通過整合雄厚的云網資源,構建云網融合的新型信息基礎設施,并通過數字平臺建設,助力千行百業數字化轉型。 在標準方面,算力網絡的國際和國內標準也在積極制定中。在國際上,2021年 6 月,IMT-2030(6G)推進組發布6G 總體愿景與
8、潛在關鍵技術白皮書中,將算力網絡被列為 6G 十大潛在關鍵技術之一。2021 年 7 月, 國際電信聯盟電信標準分局(ITU-T)通過由中國電信牽頭的算力網絡框架與架構標準 Y.2501,該標準是首項獲得國際標準化組織通過的算力網絡標準。2021 年 7 月,寬帶網絡的行業機構 Broadband Forum(BBF)發布 SD-466,描述了城域算網的用例與需求,并同步啟動了 WT-492 項目來細化城域算網的體系結構、功能模塊和接口定義。在國內,2020 年 6 月,網絡 5.0 技術標準委員會 CCSA TC614 成立了算力網絡特別工作組,匯集多方力量集中探討算力網絡技術方案與應用場景
9、。2021中國移動研究院 算力網絡視頻應用白皮書(2022) 4 年 4 月,CCSA TC3 統一以“算力網絡”為名開展了 9 項系列行業標準、2 項研究報告的編制工作,涉及算力網絡的技術要求、控制器、交易平臺、標識解析、編排管理、度量與建模等多方面。2021 年 10 月,中國通信標準化協會(CCSA)批準成立了算網融合技術推進委員會, 并專設了算力網絡工作組來討論算力網絡技術及其應用。 2.22.2 算力網絡視頻應用算力網絡視頻應用 目前業界有關算力網絡視頻應用的研究還剛剛起步, 但類似的研究視頻專網的工作和實踐有不少。 中國電信發布了繼移動網、寬帶網、物聯網、衛星網之外的第五張基礎網天
10、翼視聯網,致力于打造全球最大的運營商級別的視頻回傳和處理網絡。與常規的視頻回傳相比,天翼視聯網一是擁有海量放裝,多模接入的特征,支持 10億+以上能力的規模接入,多種終端模式均可接入;二是秒級開通,精準定位,每個攝像頭都有精準的位置信息;三是一跳入云,安全可靠,可以通過公私混端的云架構和中國電信的安全保障能力,為用戶的視頻內容加密;四是云邊協同,彈性擴容, 按需及時動態; 五是一網統管, 標準運維。 天翼視聯的產品體系包括,面向 2C/2H 的天翼看家,提供涵蓋家庭安防、愛老護幼、看家護院、看塘守地等標準化產品;面向 2B/2G 的天翼云眼,提供平安慧眼、明廚亮灶、天翼應急、智慧商企、智慧工地
11、、平安校園等標準化和定制解決方案和產品。 中國移動發布以視頻融合理念及其應用價值為中心的“視頻+”戰略,并構筑 PSVN(Public Service Video Network)視頻大網,為合作伙伴提供可信、可達、全程、全網的視頻基礎網絡。通過協議適配、統一會話控制、云化部署,實現視頻應用平臺互聯互通;視頻業務融合與網絡能力開放,使能視頻應用升級及增值業務拓展。打破地域、業務類型、終端形態的壁壘,聯接所有視頻孤島;將視頻能力以 API/SDK 的方式,被第三方應用快速集成;拉通產業鏈的合作伙伴,構筑實時視頻產業生態,真正實現“融合、開放、共贏” ,共同打造網絡互聯、平臺互通、業務互融的視頻網
12、絡生態。 除了運營商,很多互聯網公司也在嘗試構建視頻網絡提供服務。其中比較成功的包括騰訊會議、聲網、Zoom、Classin 等。 中國移動研究院 算力網絡視頻應用白皮書(2022) 5 3. 3. 算力網絡視頻應用架構算力網絡視頻應用架構 中國移動在發布的算力網絡白皮書中明確提出構想的算力網絡的體系架構以及發展的三個階段,即泛在協同、融合統一到一體內生。其中泛在協同是算力網絡的起步階段,也是最有可能快速落地和實現現網部署的階段。該階段的重點難點是打通云網融合斷點, 實現算力和網絡的協同, 其系統結構如下圖 1 所示。 圖 1 泛在協同階段系統架構 基于此通用架構,針對泛視頻業務,我們設計了以
13、下的算力網絡視頻應用架構,如下圖 2 所示。 中國移動研究院 算力網絡視頻應用白皮書(2022) 6 圖 2 算力網絡視頻應用架構 算力網絡視頻應用架構主要包含以下五個部分: (1)視頻業務能力和算網服務調用層 視頻業務能力和算網服務調用層主要包括算網需求解析、算法選擇、算網服務調用等模塊。算網需求解析模塊主要分析用戶業務需求,根據不同場景將用戶業務需求轉化為算力資源需求,根據算力需求劃分業務等級,以確定業務的部署位置、 資源等信息。算法選擇模塊主要根據用戶的視頻業務類型和需求解析模塊的結果,在視頻+AI 賦能算法庫為用戶選擇合適的部署算法。算網服務調用主要實現視頻業務調用算網服務的 API
14、接口。 (2)算網平臺層 算網平臺層主要負責視頻業務里算力網絡的資源管理和調度管理, 根據視頻業務需求對算力資源進行彈性調度,在滿足業務需求的同時提高算力利用率。具體又包含算力建模、算力注冊、算力通告、算力 OAM、算力運營、算力調度、網絡調度和應用部署模塊。 中國移動研究院 算力網絡視頻應用白皮書(2022) 7 算力建模模塊主要負責構建統一的視頻算力度量衡體系, 并支持不同類型的視頻算力資源的抽象表示, 形成算力能力模板。 算力注冊主要是算力節點上線后,向算力管理平臺發送注冊請求,在請求中攜帶指示信息,用于指示該節點為算力節點。 算力通告主要是實現節點算力能力和狀態的全網通告。算力 OAM
15、 主要實現對算力節點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。算力運營主要是建立算力的服務合約以及生成相應的計費管理策略, 由統一的算力計費管理中心進行管理。算力調度模塊主要負責管理由云、邊、端側業務節點構成的算力資源池,并根據視頻業務需求為用戶分配相應的計算和存儲資源, 并根據調度策略對業務部署位置、業務算力進行彈性調整。網絡調度模塊則負責管理用戶、邊緣云、核心云的網絡,在確定用戶視頻業務部署位置后,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。 應用部署模塊主要根據算法選擇模塊的結果,將用戶的視頻業務部署到
16、指定的算力服務節點中。 (3)算力路由層 算力路由層主要實現視頻業務里算力路由的控制和轉發, 包括算力狀態網絡通告、算力路由標識、算力路由生成、算力路由尋址和算力路由轉發等。 (4)云、邊、端業務節點層 視頻業務部署節點,主要完成將用戶應用部署在算力資源池上。 (5)網絡基礎設施層 邊緣云、核心云的網絡基礎設施,主要包括網絡控制設備和網絡轉發設備。 4. 4. 算力網絡視頻應用關鍵技術算力網絡視頻應用關鍵技術 算力網絡視頻應用研究的關鍵技術包括: (1)視頻算力的度量 視頻業務中的算力目前主要包括 CPU 和 GPU。 CPU 代表的是邏輯運算能力。由于芯片里放置大量存儲單元和控制單元,但計算
17、單元較少,因此可用于邏輯控制,但在大規模并行計算能力上受限。典型的硬件芯片代表是 Intel 和 ARM。大部分云化數據中心都是由服務器中的 CPU “池”中國移動研究院 算力網絡視頻應用白皮書(2022) 8 化而成,CPU 的算力是可以度量的,目前 CPU 有兩種度量方式:1)運算次數/秒,MIPS 是 CPU 算力的度量單位,即算力為百萬次運算/秒;2)交易次數/秒, MTOS是 CPU 算力的另一種度量單位,即算力為百萬筆交易/秒。CPU 的算力也有用TOPS(Tera Operations Per Second)為度量單位的, 1TOPS 代表處理器每秒鐘可進行一萬億次操作。還有用能
18、效比 TOPS/W 來作為評價處理器運算能力的一個性能指標,TOPS/W 用于度量功耗在 1W 的情況。 GPU 代表的并行計算能力,一次可執行多個指令以提高計算速度。特別適合處理大量類型統一的數據,常用在圖形圖像處理、3D 渲染,AI 模型訓練和推理、科學計算、密碼破解、數值分析、金融分析等領域。GPU 的構成相對簡單,有數量眾多的計算單元和超長的流水線,其度量單位常用浮點運算能力來衡量。TFLOPS/s 可以簡單寫為 T/s, 意思是 “萬億次浮點指令/每秒” 。 同時還有 MFLOPS (megaFLOPS)、GFLOPS (gigaFLOPS)、PFLOPS (petaFLOPS)。
19、針對這兩種算力,算力網絡需要構建統一的視頻算力度量衡體系,并支持不同類型的視頻算力資源的抽象表示。 (2)視頻業務需求解析 視頻業務需求解析主要分析用戶視頻業務需求, 根據不同場景將用戶視頻業務需求轉化為算力資源需求,根據算力需求劃分業務等級,以確定業務的部署位置、資源等信息。視頻業務需求主要包括算力需求、存儲需求、網絡需求等多個維度。 (3)視頻算力資源的狀態感知 算力網絡中計算資源具有異構泛在的部署特性,以及動態時變的資源特性。例如,計算資源廣泛部署在智能終端側(端側) 、邊緣計算側(邊側) 、云計算側(云側)等,并且計算資源都在實時變化之中,計算負載各不相同。高效利用這些計算資源的前提是
20、實時精準地感知這些異構泛在的計算資源狀態。 算力網絡需要支持對全網異構泛在計算資源狀態的實時感知。 目前有兩種實現方案,一種是集中式方案,即算力節點定期向視頻算網管理中心發送更新可提供資源的信息。另一種是分布式方案,即算力節點通過彼此間信息擴散的方式,形成算力路由表。 (4)視頻算力資源的管理和全局調度 中國移動研究院 算力網絡視頻應用白皮書(2022) 9 視頻算網管理中心接收用戶發起的視頻業務服務請求,并對該業務進行調度。 視頻算網管理中心根據節點的算力和網絡等信息生成業務調度策略,并根據調度策略選擇最優的算力服務節點/節點集發送給用戶。 算力網絡中,邊緣節點和端節點的計算資源往往是有限的
21、,而且計算能力通常各不相同;同時,計算節點的計算負載狀況是動態變化的。因此,一方面,當多個計算節點可以完成某項計算任務時, 涉及選擇哪一個計算節點來處理該計算任務的問題;另一方面,計算量較大的計算任務可能需要分派給多個計算節點或者計算資源充足的計算節點來進行處理, 如何將計算任務分派并調度至最匹配的計算節點以提升計算任務處理效率是算力網絡的關鍵技術之一。 5. 5. 算力網絡視頻應用場景算力網絡視頻應用場景 5.15.1 智能安防智能安防 智能安防是人工智能(AI)技術落地最早的應用場景之一,目前在機器視覺領域占據 67.9%的市場份額。 智能安防系統的發展趨勢是: (1) 前端設備智能化:A
22、I 芯片和模組能力的提升,越來越多的攝像頭具備了智能處理能力,可以對數據進行包括人臉識別、視頻結構化、圖譜分析等在內的處理; (2)系統逐步形成“云、邊、端”三級結構。 智能安防系統中為了提供業務所需的 AI 能力,通常部署 AI 訓練模塊和 AI推理模塊。其中,AI 賦能模塊提供模型訓練和數據治理的功能,通過對大量業務數據進行訓練和處理, 周期性地提供優化后的業務模型。 由于涉及大數據處理,因此 AI 賦能模塊的資源消耗大,且響應時延要求相對較低。AI 推理模塊的功能則是部署 AI 賦能模塊調優后的業務模型,并根據輸入的業務數據給出結果進行實時響應,其處理邏輯相對簡單,因此資源消耗相對較少,
23、且響應時延要求相對較高。 下面以智能安防中的人臉識別業務為例闡述算力網絡的應用示意。 人臉識別系統如下圖所示,其典型的業務流程是:用戶利用系統提供的 AI 能力,通過攝像頭采集人臉圖像并識別、獲取人員的身份信息。整個流程的時間越短對用戶的業務體驗就越好。 中國移動研究院 算力網絡視頻應用白皮書(2022) 10 圖 3 人臉識別系統 人臉識別業務中用到了AI推理模塊中的兩種AI能力: 數據標注和圖像識別,它們由算網管理模塊通知 AI 賦能模塊進行部署,可部署在云中心、邊緣云節點或者端節點。在滿足業務需求的前提下,當業務閑時,AI 推理模塊可以部署在云中心。當算網管理模塊檢測到用戶流量激增,預測
24、業務已切換到忙時狀態時,為保障業務 SLA,將執行業務節點下沉操作,通知 AI 賦能模塊,將 AI 推理模塊部署到邊緣云節點,甚至是端節點。 5.25.2 超高清視頻超高清視頻 超高清視頻業務包括 4K、8K 點播和直播,在線直播等。下面以在線直播業務為例闡述算力網絡的應用示意圖。系統如下圖所示。 中國移動研究院 算力網絡視頻應用白皮書(2022) 11 圖 4 在線直播 在線直播業務在直播過程中,需要提供極具真實感的美顏功能及特效。算網管理模塊通過在云中心、邊緣云節點部署形象渲染模塊可實現以上功能。另外,當用戶移動時,算網管理模塊可調度離用戶最近的邊緣云節點為用戶提供服務。 5.35.3 云
25、云 VRVR/AR/AR 云 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。 云 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:8K H.265 實時硬解碼,2K H.264實時硬編碼,多路并行計算能力等。 基于上述要求,算力網絡通過對分布式計算資源和網絡資源進行協同優化
26、,如下圖所示,將計算任務分配如下:將 Cloud VR 中計算負載重的多路并行計算、內容產生等任務部署在中心云上。將計算要求較低的視頻編解碼、內容渲染等任務動態卸載至邊緣節點處完成。通過計算任務分級卸載,提高云、邊、網資源利用率,提高業務體驗,對于云 VR 由試點走向規模部署具有積極的意義。 圖 5 云 VR 系統 中國移動研究院 算力網絡視頻應用白皮書(2022) 12 5.45.4 云游戲云游戲 下圖為在算力網絡在云游戲業務上的應用示意圖。 圖 6 云游戲 云游戲業務中,算網管理模塊可將抓屏編碼和渲染計算模塊部署在云中心和邊緣云節點。另外,當用戶移動時,算網管理模塊可調度離用戶最近的邊緣云
27、節點為用戶提供服務。 6. 6. 總結與展望總結與展望 目前,算力網絡在視頻領域的應用研究尚處于起步階段,很多關鍵問題亟需解決。本白皮書通過介紹算力網絡視頻應用的國內外研究現狀,應用架構,關鍵技術和典型應用場景,提出中國移動算力網絡在視頻領域應用的一些思路和建議,希望能夠為算力網絡產業在業務落地提供參考和指引。 縮略語列表縮略語列表 縮略語 英文全名 中文解釋 AI Artificial Intelligence 人工智能 CPU Central Processing Unit 中央處理器 GPU Graphics Processing Unit 圖形處理器 VR Virtual Reality 虛擬現實 AR Augmented Reality 增強現實