新基建驱动算力中介和算力网络发展

吕聪敏，熊伟，张少侃

（1.广州杰赛科技股份有限公司，广州 510310；2.广州海格通信集团股份有限公司，广州 510663）

0 引言

本文从推动算力资源中介和算力网络出现的因素开始进行深入分析，然后给出来整个算力资源调度管理和算力资源交易的整体方案。最后，通过车联网的典型的场景来阐述该方案的实际应用价值，后续也将持续研究算力网络的技术实现方案。

1 驱动算力中介和算力网络出现的因素分析

（1）算力资源供需方衔接模式有待突破

2020年疫情的出现，给社会、经济带来了巨大的影响，各行各业的用户需要结合不断变化的需求来综合利用资源。从算力资源角度来讲，其资源供需方的形态也呈现多样化趋势。算力提供方可以是大型的云服务商、也可以是中小型的企业、超算中心等，甚至是个人。算力资源提供方包括云服务商、OTT垂直行业厂商、电信运营商等，一些市场份额低，但已经建设了相应的算力资源提供方也急需把建设的闲置资源进行出租，一些市场份额高但资源缺乏的算力资源提供方也急需扩充资源。如何推动上游资源提供方的合作是推动算力商业模式迈向成熟、良性发展的一个急需解决问题。算力消费方主要是单位或个人，关注于成本、性能以及安全性等。尽管边缘计算的出现使得算力消费方（指的是单位）对自身业务需求的满足有了更高的期待，例如VR类应用、AI业务、高性能计算等，也愿意为此承担一定的费用，但是让一些园区、商圈服务提供商自建算力池和提供相关云服务产品并不现实。同时由于边缘计算尚未形成规模化发展，算力提供方起初建设和运维成本也较高，投资的热情也会受限。相应的算力消费方买单的成本也会高，这也会影响算力消费方对该类算力的购买热情。整体来讲，算力服务的提供和需求的衔接，现有的商业模式和技术体系有较大的突破空间。

（2）算力资源利用率有待提高

以云计算、超算为代表的集中式计算模式给产业界带来了深刻的变革，IT基础设施云化减少了企业投资建设、运营维护的成本，但也出现了诸多问题，如：资源闲置、PUE过高、安全隐私等。诸如数据中心、云计算中心、超算中心等IT基础设施的过于集中，导致了若干问题，使得集中式的云中心建设规模和体量正在放缓[3]。边缘计算、移动边缘计算应运而生并迅速发展，但泛在算力呈现多级、分散、无序化特征，算力越往下分布越广泛、碎片化、差异化、异构化属性越强，越难以进行规模化管理，难以形成规模化效益。同时由于边缘计算基础设施算力异构化特征明显，异构加速芯片生态相对封闭，编程工具、语言专用，一个应用需要基于多种异构芯片开发不同代码，且代买无法跨芯片移植。统一的异构算力管理涉及不同芯片的加载、抽象、虚拟化、挂载、删除等一系列生命周期管理工作，需要较长时间演进成熟。这也将制约算力资源利用率。另外当前不同区域、不同网络、不同云池之间的开通入口、管理控制、资源调度相对独立，算力与网络较难实现统一协同。流动的数据源与可能同样流动的算力源之间的动态匹配连接问题也较为复杂，算力的智能随选、全局优化调度尚未有成熟的解决方案。这也会制约算力资源的充分有效利用。

2 算力供需实现方案

结合能源企业和电商行业的商业运作模式，我们可以类比算力资源也迫切需要算力中介或者算力交易服务平台的建立。电力行业中，从发电到输电再到用电，分为发电企业、电网公司与用电用户。发电企业包括核电、水电、火电、风电等多种大中型的发电厂来生产电力资源，也存在中小型的发电企业。电网公司负责输变配售电，将电力传输到千家万户，用户无需知道自己用的电来自哪家电厂，不用关心电厂的生产成本变动影响电费支出，只需按照电力消费进行付费即可[4]。这种模式大大降低了电力资源的供需对接成本，也给供给产业链上各类角色的业务发展提供了充分的空间，利于产业链的均衡发展。

同样的，电子商务行业的电商平台也是聚合上游各大中小卖家，提供全品类商品，极大丰富上游供给链，同时为买家提供多维度的综合服务、多渠道触点直达用户需求方。电商平台大大方便了全社会的商务供需对接交易，降低了商务成本。

类比上述两种模式，未来算力资源供需对接也可以借鉴这种模式，通过算力中介服务商来提供算力一体化解决方案和运营平台，通过算力网络提供算力资源供给的技术方案，同时基于区块链的算力资源交易平台提供可信的算力资源交易，将社会各类闲置的算力资源进行统筹管理调度和交易，构建良性的算力资源商业模式。

（三）聊天法。该方法指的就是在教学中教师通过和学生唠家常完成作文教学。教师需要提前准备网络热门内容与视频片段营造轻松的聊天氛围，每一名学生都可以在这个环节发言，讨论大家之所想。在轻松沟通、互相交流中锻炼学生动手能力与语言组织能力。

当前电信运营商联合设备商陆续提出算力网络、算力感知网络等概念，算力网络是应对算网融合发展趋势提出的新型网络架构，其基于无处不在的网络连接将动态分布的计算资源互联，通过网络、存储、算力等多维度资源的统一协同调度，使海量的应用能够按需、实时调用不同地方的计算资源，实现连接和算力在网络的全局优化，提供一致的用户体验。算力网络的出现是为了提高端、边、云三级计算的协同工作效率，算力网络侧重点为智能机器服务，将以算力作为服务提供给用户。

算力供需的整个实现方案如图1所示。

整个算力供需的实现逻辑分为三个步骤：

●资源寻址。主要是以网络为平台来分发资源信息，实现资源信息交互。网络设备会在接收到的所有信息中选择最优的路径作为通往该资源池的路径。资源寻址又分为三个层面的资源寻址，包括基础资源寻址、算法资源寻址和应用资源寻址。其中基础资源寻址主要通过网络来寻找最佳的算力、存储、传送等基础资源。算法资源寻址是通过网络来寻找最佳的算法，将算法进行封装与算力结合起来进行分发，用户可根据自己需求选择。应用资源寻址则是通过网络来寻找最佳的应用提供方，把应用信息和控制信息进行一定关联，使得用户可以找到最优的应用资源，例如CDN、直播分发节点等。

●资源交易。以区块链新型交易模式，构建算力交易平台促进算力卖家和买家实现多方异构资源的价值交换。算力交易流程主要分为两大方面，一是零散算力资源纳管，即算力节点上报并注册自己的算力能力信息，由算力交易平台对其进行评估并加入区块链认证。二是提供算力服务，算力使用者提出使用请求，算力交易平台根据需求给出资源交易视图，并返回报价，经使用者选择后签订交易合约，则可由算力平台调度算力资源为买家提供算力服务。

●资源调配。用户与资源池完成交易后，网络控制面完成资源调配，并更新网络中分发的各类算力信息，同时根据业务应用需求变化或用户位置变化而弹性调整并提供新的资源。

图1 算力供需实现逻辑架构图

3 典型场景分析

车联网作为5G网络的典型应用场景，主要依托5G 蜂窝网、路侧单元（Road Site Unite，RSU），激光传感器、雷达、摄像头等设备，实现车与人、车、路、网立体网联系统。从车联网的安全需求出发，安全类业务的时延要求是20ms，自动驾驶的时延需求是5ms，利用5G网络的用户面下沉和MEC平台的部署可有效解决车联网信息超低时延交互、大数据量的短回路传输和处理[5]。整个车联网的基础架构如图2所示。

图2 车联网算力供需实现逻辑架构图

整个车联网系统主要包括四大部分，分别是端、管、边、云。

端：主要是车载终端（支持Uu口通信和PC5接口通信）。

管：指的是车载终端利用路侧单元或者5G基站与MEC之间的通信。其上行方向，可通过Uu口与5G基站进行通信，也可以通过PC5接口将数据发送到路侧的RSU设备，由RSU设备将上行数据发送给基站，进而与MEC连通。下行方向，边缘节点MEC将数据流或决策信息发送给5G基站，由5G基站将数据发给相应的终端或广播信息给周围车辆，实现信息回传。

边：指的是MEC节点，MEC通过与5G网络用户面UPF的结合实现对数据进行分流，支持大数据业务如高精度地理图、新闻娱乐等缓存在MEC单元供端侧下载，同时也支持车联网安全类业务，即通过路侧各类探头采集数据上报到MEC单元进行数据分析和决策，然后将决策结果回传到RSU或通过5G基站广播给周围车辆，满足车联网低时延安全类业务需求。

云：是整个网络和业务的管控中心，起到交通大脑作用，主要是统筹管理下级通信单元之间协作通信，同时也支持对交通大数据量的分析类业务。

在车联网辅助驾驶场景中，特别是对于车辆外部由于遮挡、盲区等视距外的道路交通情况，需要通过边缘计算节点获取该车辆位置周边的全面路况交通信息，并进行数据统一处理，对于有安全隐患的车辆发出警示信号，辅助车辆安全驾驶。当本地的边缘节点过载时，辅助安全驾驶通知会发生延迟，可能导致交通事故的发生。这时需要借助于算力网络实现对车联网全网的算力资源进行调配和任务迁移，结合第2节提到的算力供需实现方案可以将时延不敏感的业务如车载娱乐从本地节点调度到其他节点进行计算，以降低本地节点的负载，使得低时延业务在本地优先处理，保证其用户体验和可用性。

4 结语

本文给出了算力网络产生的背景、总体架构方案和典型的应用场景。随着5G商用的深入推进，物联网技术、社交网络、移动互联网、智能终端、感知及交互技术的迅速发展，新基建的大力推动，多重因素共振将推动计算能力以前所未有的程度深入到人们的生活，并改变人们的生活。算力网络作为B5G/6G的前沿研究技术之一，也正式的拉开了云网融合2.0的序幕，未来针对于算力网络的技术研究、标准研究、产品研发、商业模式都将持续推进，后续也将持续关注和研究算力网络具体技术实现方案。