智慧廣電家庭服務算力評估模型和實現路徑

傅丹妮，孫 昊，劉 越，陳 靚

（1.華數數字電視傳媒集團有限公司，浙江 杭州 310056；2.浙江傳媒學院，浙江 杭州 310018；3.浙江省中波發射管理中心，浙江 杭州 310061）

0 引 言

隨著數字化和智能化的進展，智慧廣電服務迅速興起，取代傳統有線電視。廣播電視企業擴展至互聯網電視、視頻點播及智能設備等領域，提供多樣化娛樂體驗并創造商機。然而，廣電市場正經歷巨大變革，傳統有線電視用戶數量下降，與此同時，互聯網電視用戶數量持續增長。廣播電視企業必須快速轉型，提高競爭力，以抓住市場機遇。本文將分析廣電家庭用戶流失問題，重點關注智慧廣電服務場景和市場趨勢，聚焦分析算力不足等問題，并從技術層面提出解決方案。

1 研究背景

1.1 智慧廣電服務場景

數字化和智能化的廣電場景包括互聯網電視、視頻點播、智能電視盒子及移動電視等，推動了智慧廣電服務的拓展。這些服務提供了便捷多樣的娛樂體驗，為廣電企業創造了商機。智能電視盒子融合了互聯網和電視，用戶可以訪問在線視頻平臺，享受高清觀影。移動電視滿足了用戶的隨身觀看需求。智慧廣電服務還包括智能家居控制和智能廣告投放，改善用戶在家的體驗并提升廣告效果。內容推薦和個性化定制服務通過算法模型滿足用戶需求，提供更便捷的方式，使用戶更輕松地發現他們感興趣的節目和信息。

1.2 廣電市場變化趨勢

隨著互聯網的崛起，廣電市場正在發生巨大變革。有線電視用戶逐漸減少，與此相反，互聯網電視用戶持續增加。究其原因，主要是傳統電視無法滿足多元化、高質量的內容需求?；ヂ摼W電視與各類內容提供商合作，提供大量電影、劇集及綜藝等內容，鼓勵原創內容制作，增強了互動性，用戶能夠評論、分享、制作內容，增加了參與感。此外，互聯網電視的便捷性提高了觀影自由度，吸引用戶通過各種設備隨時隨地觀看內容。

互聯網電視的崛起，對傳統有線電視構成了挑戰。對此，廣電企業應升級網絡，改善用戶體驗，解決算力不足問題。傳統有線電視雖仍主導市場，但需廣泛推廣新興產品，而提升算力是保持競爭力和留存用戶的關鍵所在。

1.3 國內算力研究現狀

2021 年，工業和信息化部和國家互聯網信息辦公室發布新基建政策，涵蓋信息基礎建設、融合基礎設施和創新基礎設施。在信息基礎設施中，算力基礎設施如數據中心和智能計算中心備受矚目。國內學者正在積極研究算力概念和技術，側重于算力系統的構建。史庭祥[1]等人通過搭建基礎設施即服務（Infrastructure as a Service，IaaS）和平臺即服務（Platform as a Service，PaaS）統一資源池實現算力供給新模式。賈慶民[2]等提出了分布式網絡構建、節點狀態感知和計算任務調度機制來實現算力網絡的框架構建。唐雄燕[3]等人提出了算力服務原生技術體系，通過算力服務原生體系原型部署以及業務驗證，實現“代碼即服務”“算力即服務”的目標。張慷[4]等人初步研究了感知用戶需求和全網的算力網絡資源、編排和路由策略。這些研究表明，構建可靠、健壯的算力系統，將是提升算力的關鍵所在。

2 算力評估基本方法

本章主要介紹當前主要的算力分類以及未來算力種類的發展趨勢、算力的評估方法以及廣電家庭服務算力需求統計分析方案。

2.1 算力分類及發展趨勢

算力的分類主要包括通用算力、智能算力、超級計算（以下簡稱超算）算力以及邊緣算力4 部分。通用算力由中央處理器（Central Processing Unit，CPU）提供，智能算力則包括圖形處理器（Graphics Processing Unit，GPU）、現場可編程邏輯門陣列（Field Programmable Gate Array，FPGA）以及人工智能（Artificial Intelligence，AI）芯片等，超算算力專注于超級計算任務，邊緣算力為用戶提供即時計算能力，是其他3 種計算形態的綜合。下面分別簡要介紹每一種算力種類的概念。

2.1.1 通用算力

通用算力以CPU 為主。CPU 內嵌指令集用于指導和優化計算。CPU 分為x86 和非x86 架構，包括x86、ARM、MIPS、Power、RISC-V、Alpha 等不同類型。通用算力的發展靠硬件技術、芯片體系結構及集群服務器來提高計算性能。

2.1.2 智能算力

智能算力主要以GPU、FPGA 及AI 芯片等為代表，主要芯片類型如表1 所示。

智能算力領域的發展呈現多方面趨勢，如邊緣計算、深度學習及量子計算等。這將引領技術創新，提高設備自主決策能力，拓展智能應用領域。與此同時，一些前沿概念如聯邦學習、隱私保護及強化學習等也將推動智能算力的創新?？珙I域交叉創新有望解決重大挑戰，推動技術和社會共同進步。

2.1.3 超算算力

超級計算是一種利用多臺計算機系統的集中式計算資源，通過專用操作系統來解決極端復雜或數據密集問題的計算科學。超級計算通常采用大型、高速、昂貴的計算機，被廣泛用于尖端科研、國防軍工等大規模科學和工程項目，不僅是國家科研實力的代表，也是綜合國力的象征。

超級計算機的重要發展趨勢包括提高計算性能，增加核心數量和異構計算來增速，以及探索量子和混合計算模型。此外，還將重點關注能效和散熱管理，嘗試云超算和分布式模式，以靈活利用資源。數據驅動和領域特定應用與超算相結合，將會推動科學和工程創新。

2.1.4 邊緣算力

作為一種新型服務模型，邊緣計算在網絡邊緣執行數據或任務，適用于實時應用。它結合了邊緣智能和人工智能，促進智能數據處理和實時分析。將其與云計算融合，可支持多領域應用，但需重視安全和隱私，并管理維護邊緣設備?？梢姡吘売嬎阏苿又嬎隳Ｐ偷倪M一步演進，支持實時性、智能化和多領域應用。

綜上，通用算力與硬件和體系結構密切相關，智能算力（包括GPU、FPGA、AI 芯片）主導多個領域的發展，超算算力（即超級計算機）專注于數據應用和高性能要求的計算，邊緣算力（包括邊緣計算、5G、智能化、云計算）支持實時性和創新。這些分類展示了算力領域多樣化的趨勢，驅動著科技領域的不斷進步。

2.2 算力評估方法

對于不同的算力類型，應選擇適當的評估方法。如通用算力，可用每秒浮點運算次數（Floating-point Operations Per Second，FLOPS）、每秒進行讀寫操作的次數（Input/Output operations Per Second，IOPS）及內存帶寬等指標評估，實際運用中通常以數據中心或地區為單位比較?！吨袊懔Πl展指數白皮書（2022 年）》拓展了數據中心算力的內涵，結合綜合概念和統計學方法構建了包括通用算力、智能算力、數據中心算效、網絡算力及存儲系統算力的五力模型。本文借鑒算力五力模型，提出了基于哈夫曼樹的算力評估方法。本節先介紹相關定義，再闡述基于哈夫曼樹的算力評估方法，最后給出評估方法的應用過程和結果。

2.2.1 相關定義

2.2.1.1 哈夫曼樹

在“樹”這種數據結構中，樹中結點被賦予一個有意義的數值，稱為該結點的權。從樹的根到任意結點的長度（經過的邊數）與該結點上權值的乘積，稱為該結點的帶權路徑長度。樹中所有葉子結點的帶權路徑長度之和稱為該樹的帶權路徑長度（Weighted Path Length，WPL），記為

式中：wi是第i個葉結點所帶的權值，li是該葉結點到根結點的路徑長度。

在含有n個帶權葉結點的二叉樹中，帶權路徑長度（WPL）最小的二叉樹稱為哈夫曼樹，也稱最優二叉樹。

2.2.1.2 數據中心算力衡量指標

數據中心算力由數據處理能力、數據存儲能力以及數據流通能力3 項指標決定。其中，數據處理能力，在應對以大數據、人工智能為代表的新一代數字化技術產業趨勢過程中，又可以區分為以CPU為代表的通用計算能力和以GPU、AI 芯片為代表的智能計算能力。前者主要用于執行一般任務，后者主要承擔圖形顯示、大數據分析、信號處理、人工智能以及物理模擬等計算密集型任務。綜上，本文選取通用算力、智能算力、數據中心算效、網絡算力及存儲系統算力這5 個指標進行算力評估，對應的具體衡量指標如表2 所示。

2.2.2 基于哈夫曼樹的算力評估方法

基于哈夫曼樹的算力評估方法的思路是：首先將每個指標經過映射分級函數得到指標分級等級，其次根據指標分級等級構造哈夫曼樹，最后求得哈夫曼樹的帶權路徑長度。哈夫曼樹的帶權路徑長度作為一個數據中心算力的最終評估指標。

每個指標經過映射分級函數得到對應的指標分級等級，其定義為

式中：PG、PAI、BC、BN、BS分別表示通用算力、智能算力、數據中心算效、網絡算力、存儲系統算力；Γ、H、Θ、Φ、Ψ分別表示5 個指標對應的映射分級函數；IG、IAI、IC、IN、IS分別表示5 個指標對應的分級等級。映射分級函數的作用是根據分級表將不同單位的衡量數值轉換成無量綱的等級。

然后，根據5 個指標的分級等級構造哈夫曼樹。給定n個權值分別為w1,w2,…,wn的結點，構造哈夫曼樹的算法如下。

（1）將這n個結點分別作為n棵僅含一個結點的二叉樹，構成森林F。

（2）構造一個新結點，從F中選取兩棵根結點權值最小的樹作為新結點的左、右子樹，并且將新結點的權值置為左、右子樹上根結點的權值之和。

（3）從F中刪除剛才選出的兩棵樹，同時將新得到的樹加入F中。

（4）重復步驟（2）和步驟（3），直到F中只剩下一棵樹為止。

最后，計算出的哈夫曼樹帶權路徑就是數據中心的算力值。

2.2.3 基于哈夫曼樹算力評估模型的案例分析

現給出3 個數據中心對應的5 個指標（通用算力、智能算力、算效能力、網絡能力、存儲能力）數據，如表3 所示。

根據專家的經驗和數據分布的情況，評估步驟如下。

（1）根據數據將所選的5 個指標進行分級，結果如表4 所示。

表4 數據中心五力指標分級

（2）將表3 的數據根據表4 數據中心算力指標分級表進行定級，結果如表5 所示。

表5 數據中心算力指標定級結果

（3）根據定級構造哈夫曼樹，如圖1～圖3所示。求得哈夫曼樹的帶權路徑長度，可得每個數據中心的算力，結果如表6 所示。

圖1 數據中心DC1 的哈夫曼樹

圖2 數據中心DC2 的哈夫曼樹

圖3 數據中心DC3 的哈夫曼樹

表6 3 個數據中心的算力評估結果 單位：TELOPS

最終得出3個數據中心的算力大小關系為DC2＞DC1 ＞DC3。

2.3 廣電家庭服務算力需求

分析廣電家庭服務的算力需求，不僅需要綜合考慮業務范圍、受眾及服務類型等因素，還需考慮未來業務擴展和用戶增加時的算力可擴展性。下面給出統計當前算力需求的初步分析方案。

（1）業務需求分析。分析公司的業務類型和目標，確定需要提供的服務類型。

（2）應用場景。確定每種應用場景所需要的算力，考慮算法復雜度、計算量以及并發用戶數量等因素。

（3）用戶量估計。估計每種服務的預期用戶數量，根據公司的市場調研、用戶需求等來預測潛在用戶量。

（4）數據處理量?？紤]每種服務需要處理的數據量，包括輸入數據和輸出結果，從而確定數據處理的計算需求。

（5）計算負載預測。基于應用場景和用戶量，預測不同時間段（如高峰期和低谷期）內的計算負載。

（6）性能指標和需求。確定服務的性能指標，如響應時間、處理速度等，以滿足用戶期望。

（7）硬件和軟件要求。考慮所需硬件（如服務器、GPU、FPGA）和軟件（如框架、算法）來支持服務的運行。

（8）實際測試和監控。在實際部署之前，進行一些實驗和模擬負載測試，以評估系統在不同負載情況下的性能表現。

（9）容量規劃。根據以上信息，制定容量規劃，包括所需服務器數量、配置及網絡帶寬等。

（10）監控和自動化。設置監控系統，跟蹤算力使用情況、性能指標等，以便根據實際情況做出調整。

（11）彈性擴展方案。設計彈性擴展方案，以應對突發的高負載情況，如使用云計算的自動擴展功能。

多方面考慮算力需求，需根據實際數據進行詳細建模和分析，包括共享、綠色、智能以及可信算力服務。趙倩穎[5]等總結了算力服務為滿足業務需求應具備的算力服務特性。

3 廣電家庭服務算力實現方式

廣電家庭服務算力實現方式有云端、終端以及云終端結合3 種方式。為了給出3 種方式的實現方案，需要先對比3 種方式的區別。三者的主要區別如表7 所示。

表7 3 種算力實現方式的區別

廣電服務終端算力系統側重于終端用戶體驗，廣電服務云端算力系統專注于后臺內容處理和分發，而廣電服務云終端算力系統試圖在終端和云之間找到平衡，以實現更好的性能和用戶體驗。

3.1 云端為主

廣電家庭服務主要使用云端計算，將資源集中在云端并通過網絡提供給用戶服務。本文參考文獻[6]的分層思想，設計了云端算力系統架構。廣電家庭服務云端算力系統架構如圖4 所示。

圖4 廣電家庭服務算力系統架構

廣電家庭服務的云端算力系統分為服務層、網絡管理層、計算資源管理層、數據存儲資源管理層以及基礎設施層。

（1）服務層，提供多項服務，包括云視頻、虛擬現實以及實時直播，利用推薦系統提供用戶感興趣的內容。

（2）網絡管理層，負責內容傳輸、流媒體傳輸以及網絡安全。使用內容分發網絡（Content Delivery Network，CDN）技術提高內容傳輸速度，關注網絡安全以減少攻擊。

（3）計算資源管理層，有效管理計算資源，支持頂層服務執行，包括資源調度、分配、監控及優化等功能，使用分布式計算技術提升算力。

（4）數據存儲資源管理層，組織和管理數據存儲，保障數據安全和效率，包括選擇存儲技術、備份策略、數據安全及監控等功能。

（5）基礎設施層，提供基礎資源，確保系統穩定性、性能及安全性，適應不同業務需求和變化。

值得注意的是，以上架構設計為廣電家庭服務云端算力系統提供基本方向，實際技術應根據業務需求和可用資源選擇。

3.2 終端為主

廣電家庭服務終端算力系統的核心是建立端側算力網絡系統，可以從網絡和算力有效利用兩個角度進行構建，主要目標是提高用戶的智能化、個性化應用服務體驗，設計的架構如圖5 所示。

基于端側算力網絡的特性，該架構有以下4 種主要形態。

（1）時空高度動態組網，適用于移動設備，網絡拓撲隨設備移動而高度變化。

（2）室內泛在大連接組網，智能設備通過互聯協同工作，如家庭中各種智能設備的聯動。

（3）多協議動態自治組網，各種設備使用不同的通信技術，根據資源和需求進行聯網和任務分配。

（4）多層次算力智能調度，不同設備層次的算力智能共享，以優化資源利用。

這些形態在端側算力網絡中實現不同用途，如提高效率、電量管理以及資源共享。

3.3 云終端融合

云終端算力系統協同工作包括云端和終端兩部分的協作。云端負責內容管理、轉碼等，終端負責展示和請求服務。終端設備向云端發送請求，云端通過實時轉碼和個性化推薦提供適用的內容，終端展示內容以提供用戶體驗。

云終端算力系統構建需要考慮多個方面，主要分為云端部分、終端部分及用戶體驗3 個部分。每個部分還需要考慮細粒度的功能實現。圖6 和圖7分別展示了云終端系統的架構和實現結構。為了簡化云終端算力系統架構圖，此處云端算力系統的架構以服務器代替。

在云終端協同工作中，終端設備要求性能較低，云計算平臺提供卓越的計算和資源存儲功能。用戶可在終端瀏覽內容，復雜計算則由云端執行，以獲得高質量內容和個性化推薦，同時保持終端設備輕量和用戶友好。

4 結 語

本文首先分析出廣電家庭用戶極速流失的根本原因是產品算力不足，其次討論了目前的算力分類，包括通用、智能、超算及邊緣算力，最后提出了構建云端算力系統、終端算力系統及云終端算力系統3 種方案來解決算力不足的問題。云端算力系統的核心在于結合當前流行的容器編排、云計算及分布式計算技術將計算資源抽象化、云化、分布式集中化，來達到便于管理計算資源和提升算力的目的。終端算力系統的關鍵在于提升與終端設備互聯的硬件設備的性能和可靠性，比如，提升機頂盒性能的同時增加其可靠性。云終端算力系統的精髓在于如何使終端和云端協同工作，實現無縫切換。這需要高性能、高可靠、容錯性高的硬件和軟件系統來支持。

盡管本文提出的方案是雛形方案，具體可落實的方案需要根據業務需求、技術復雜度等進一步討論，但本文為產品算力不足問題的解決提供了思考的方向，即廣電家庭服務算力關注的方向應該是邊緣算力和智能算力。邊緣算力可通過計算機集群、容器編排技術以及分布式計算來提高，而智能算力則需要應用當前流行的AI 技術如AI 推薦系統、AI 語言模型來提升用戶體驗。