新基建驅動算力中介和算力網絡發展

呂聰敏，熊偉，張少侃

（1.廣州杰賽科技股份有限公司，廣州 510310；2.廣州海格通信集團股份有限公司，廣州 510663）

0 引言

本文從推動算力資源中介和算力網絡出現的因素開始進行深入分析，然后給出來整個算力資源調度管理和算力資源交易的整體方案。最后，通過車聯網的典型的場景來闡述該方案的實際應用價值，后續也將持續研究算力網絡的技術實現方案。

1 驅動算力中介和算力網絡出現的因素分析

（1）算力資源供需方銜接模式有待突破

2020年疫情的出現，給社會、經濟帶來了巨大的影響，各行各業的用戶需要結合不斷變化的需求來綜合利用資源。從算力資源角度來講，其資源供需方的形態也呈現多樣化趨勢。算力提供方可以是大型的云服務商、也可以是中小型的企業、超算中心等，甚至是個人。算力資源提供方包括云服務商、OTT垂直行業廠商、電信運營商等，一些市場份額低，但已經建設了相應的算力資源提供方也急需把建設的閑置資源進行出租，一些市場份額高但資源缺乏的算力資源提供方也急需擴充資源。如何推動上游資源提供方的合作是推動算力商業模式邁向成熟、良性發展的一個急需解決問題。算力消費方主要是單位或個人，關注于成本、性能以及安全性等。盡管邊緣計算的出現使得算力消費方（指的是單位）對自身業務需求的滿足有了更高的期待，例如VR類應用、AI業務、高性能計算等，也愿意為此承擔一定的費用，但是讓一些園區、商圈服務提供商自建算力池和提供相關云服務產品并不現實。同時由于邊緣計算尚未形成規模化發展，算力提供方起初建設和運維成本也較高，投資的熱情也會受限。相應的算力消費方買單的成本也會高，這也會影響算力消費方對該類算力的購買熱情。整體來講，算力服務的提供和需求的銜接，現有的商業模式和技術體系有較大的突破空間。

（2）算力資源利用率有待提高

以云計算、超算為代表的集中式計算模式給產業界帶來了深刻的變革，IT基礎設施云化減少了企業投資建設、運營維護的成本，但也出現了諸多問題，如：資源閑置、PUE過高、安全隱私等。諸如數據中心、云計算中心、超算中心等IT基礎設施的過于集中，導致了若干問題，使得集中式的云中心建設規模和體量正在放緩[3]。邊緣計算、移動邊緣計算應運而生并迅速發展，但泛在算力呈現多級、分散、無序化特征，算力越往下分布越廣泛、碎片化、差異化、異構化屬性越強，越難以進行規模化管理，難以形成規模化效益。同時由于邊緣計算基礎設施算力異構化特征明顯，異構加速芯片生態相對封閉，編程工具、語言專用，一個應用需要基于多種異構芯片開發不同代碼，且代買無法跨芯片移植。統一的異構算力管理涉及不同芯片的加載、抽象、虛擬化、掛載、刪除等一系列生命周期管理工作，需要較長時間演進成熟。這也將制約算力資源利用率。另外當前不同區域、不同網絡、不同云池之間的開通入口、管理控制、資源調度相對獨立，算力與網絡較難實現統一協同。流動的數據源與可能同樣流動的算力源之間的動態匹配連接問題也較為復雜，算力的智能隨選、全局優化調度尚未有成熟的解決方案。這也會制約算力資源的充分有效利用。

2 算力供需實現方案

結合能源企業和電商行業的商業運作模式，我們可以類比算力資源也迫切需要算力中介或者算力交易服務平臺的建立。電力行業中，從發電到輸電再到用電，分為發電企業、電網公司與用電用戶。發電企業包括核電、水電、火電、風電等多種大中型的發電廠來生產電力資源，也存在中小型的發電企業。電網公司負責輸變配售電，將電力傳輸到千家萬戶，用戶無需知道自己用的電來自哪家電廠，不用關心電廠的生產成本變動影響電費支出，只需按照電力消費進行付費即可[4]。這種模式大大降低了電力資源的供需對接成本，也給供給產業鏈上各類角色的業務發展提供了充分的空間，利于產業鏈的均衡發展。

同樣的，電子商務行業的電商平臺也是聚合上游各大中小賣家，提供全品類商品，極大豐富上游供給鏈，同時為買家提供多維度的綜合服務、多渠道觸點直達用戶需求方。電商平臺大大方便了全社會的商務供需對接交易，降低了商務成本。

類比上述兩種模式，未來算力資源供需對接也可以借鑒這種模式，通過算力中介服務商來提供算力一體化解決方案和運營平臺，通過算力網絡提供算力資源供給的技術方案，同時基于區塊鏈的算力資源交易平臺提供可信的算力資源交易，將社會各類閑置的算力資源進行統籌管理調度和交易，構建良性的算力資源商業模式。

（三）聊天法。該方法指的就是在教學中教師通過和學生嘮家常完成作文教學。教師需要提前準備網絡熱門內容與視頻片段營造輕松的聊天氛圍，每一名學生都可以在這個環節發言，討論大家之所想。在輕松溝通、互相交流中鍛煉學生動手能力與語言組織能力。

當前電信運營商聯合設備商陸續提出算力網絡、算力感知網絡等概念，算力網絡是應對算網融合發展趨勢提出的新型網絡架構，其基于無處不在的網絡連接將動態分布的計算資源互聯，通過網絡、存儲、算力等多維度資源的統一協同調度，使海量的應用能夠按需、實時調用不同地方的計算資源，實現連接和算力在網絡的全局優化，提供一致的用戶體驗。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，算力網絡側重點為智能機器服務，將以算力作為服務提供給用戶。

算力供需的整個實現方案如圖1所示。

整個算力供需的實現邏輯分為三個步驟：

●資源尋址。主要是以網絡為平臺來分發資源信息，實現資源信息交互。網絡設備會在接收到的所有信息中選擇最優的路徑作為通往該資源池的路徑。資源尋址又分為三個層面的資源尋址，包括基礎資源尋址、算法資源尋址和應用資源尋址。其中基礎資源尋址主要通過網絡來尋找最佳的算力、存儲、傳送等基礎資源。算法資源尋址是通過網絡來尋找最佳的算法，將算法進行封裝與算力結合起來進行分發，用戶可根據自己需求選擇。應用資源尋址則是通過網絡來尋找最佳的應用提供方，把應用信息和控制信息進行一定關聯，使得用戶可以找到最優的應用資源，例如CDN、直播分發節點等。

●資源交易。以區塊鏈新型交易模式，構建算力交易平臺促進算力賣家和買家實現多方異構資源的價值交換。算力交易流程主要分為兩大方面，一是零散算力資源納管，即算力節點上報并注冊自己的算力能力信息，由算力交易平臺對其進行評估并加入區塊鏈認證。二是提供算力服務，算力使用者提出使用請求，算力交易平臺根據需求給出資源交易視圖，并返回報價，經使用者選擇后簽訂交易合約，則可由算力平臺調度算力資源為買家提供算力服務。

●資源調配。用戶與資源池完成交易后，網絡控制面完成資源調配，并更新網絡中分發的各類算力信息，同時根據業務應用需求變化或用戶位置變化而彈性調整并提供新的資源。

圖1 算力供需實現邏輯架構圖

3 典型場景分析

車聯網作為5G網絡的典型應用場景，主要依托5G 蜂窩網、路側單元（Road Site Unite，RSU），激光傳感器、雷達、攝像頭等設備，實現車與人、車、路、網立體網聯系統。從車聯網的安全需求出發，安全類業務的時延要求是20ms，自動駕駛的時延需求是5ms，利用5G網絡的用戶面下沉和MEC平臺的部署可有效解決車聯網信息超低時延交互、大數據量的短回路傳輸和處理[5]。整個車聯網的基礎架構如圖2所示。

圖2 車聯網算力供需實現邏輯架構圖

整個車聯網系統主要包括四大部分，分別是端、管、邊、云。

端：主要是車載終端（支持Uu口通信和PC5接口通信）。

管：指的是車載終端利用路側單元或者5G基站與MEC之間的通信。其上行方向，可通過Uu口與5G基站進行通信，也可以通過PC5接口將數據發送到路側的RSU設備，由RSU設備將上行數據發送給基站，進而與MEC連通。下行方向，邊緣節點MEC將數據流或決策信息發送給5G基站，由5G基站將數據發給相應的終端或廣播信息給周圍車輛，實現信息回傳。

邊：指的是MEC節點，MEC通過與5G網絡用戶面UPF的結合實現對數據進行分流，支持大數據業務如高精度地理圖、新聞娛樂等緩存在MEC單元供端側下載，同時也支持車聯網安全類業務，即通過路側各類探頭采集數據上報到MEC單元進行數據分析和決策，然后將決策結果回傳到RSU或通過5G基站廣播給周圍車輛，滿足車聯網低時延安全類業務需求。

云：是整個網絡和業務的管控中心，起到交通大腦作用，主要是統籌管理下級通信單元之間協作通信，同時也支持對交通大數據量的分析類業務。

在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。當本地的邊緣節點過載時，輔助安全駕駛通知會發生延遲，可能導致交通事故的發生。這時需要借助于算力網絡實現對車聯網全網的算力資源進行調配和任務遷移，結合第2節提到的算力供需實現方案可以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，使得低時延業務在本地優先處理，保證其用戶體驗和可用性。

4 結語

本文給出了算力網絡產生的背景、總體架構方案和典型的應用場景。隨著5G商用的深入推進，物聯網技術、社交網絡、移動互聯網、智能終端、感知及交互技術的迅速發展，新基建的大力推動，多重因素共振將推動計算能力以前所未有的程度深入到人們的生活，并改變人們的生活。算力網絡作為B5G/6G的前沿研究技術之一，也正式的拉開了云網融合2.0的序幕，未來針對于算力網絡的技術研究、標準研究、產品研發、商業模式都將持續推進，后續也將持續關注和研究算力網絡具體技術實現方案。