摘要：AI、5G時代下，下一代網絡的發展走向會如何？
在今年召開的《面向2030的新型網絡》主題論壇中，業內專家給出了它們的答案。研討會中，專家對於將來網絡展望的關鍵詞是：算力網絡、肯定性網絡、內生安全。這三個詞分別表明了產業對「將來網絡的新願景、須要解決的新問題、面臨的新挑戰」。算法
其中，算力網絡是2030網絡最關鍵的特徵（新願景）。其實從2017年開始，產業內就開始研究聯接和計算的融合，以後又對下一代「聯接+計算」的融合網絡進行了展望，並逐漸造成了2020年產業對「算力網絡」的共同願景。安全
從網絡2020到2030，「聯接+計算」成主流
網絡2020主要是「彩蝶架構」，其特徵是無線RAN，光纖FAN兩個超寬接入網，面向公衆Internet骨幹網和麪向產業互聯的DCI雲骨幹網，中間是融合的城域智能邊緣。網絡
現在，RAN接入從4G到5G，FAN從F4G到F5G，構建了面向我的和家庭的雙千兆接入網，以及超寬的DCI雲骨幹網。架構
得益於「網絡2020」的架構轉型，在新冠肺炎疫情期間，Zoom和釘釘等成功支撐了數億用戶居家視頻辦公，實現了網絡從消費娛樂到遠程視頻辦公能力的顯著提高。機器學習
圍繞AI和行業數字化需求，業內但願下一代網絡可以具有從目前提供「帶寬+機房」的服務提高到「聯接+計算」服務的新能力。分佈式
在ITU FG-2030工做組中，對網絡2030的定位是「從聯接人，到聯接組織，到聯接社會」，下一代網絡的定位是成爲聯接將來社會、新通訊業務和新基礎設施的紐帶。工具
智能社會須要算力網絡
隨着AI的出現和CPU處理器處理能力的大幅提高，機器算力已經逐漸逼近、甚至超越人類腦力。從引入機器大腦開始，人類就已經進入了「智能社會」。性能
但智能社會也存在三個階段，從當前人腦指揮機腦的初級階段，到人機協同階段，再到將來人腦制定規則機腦自主執行的全息化「智能社會」。學習
在智能社會的演進中，對下一代網絡的基礎設施、通訊能力也提出了新的要求。測試
將來社會將產生海量數據：全息智能社會和傳統社會最大的區別在於各類感知終端將產生海量的原始數據，須要進行處理。
據有關預測，在人機協同階段，來自大量IoT和視頻採集信號的數據，將須要至少千兆的網絡接入能力。在全息化階段，若是須要將人的外觀、觸感、嗅覺、味覺等信息進行全息傳送，未壓縮數據就須要4Tbps，即便壓縮後也須要至少百G的接入帶寬。
數據處理須要網絡化算力新基礎設施：智能社會產生的海量數據都須要大量的算力進行處理，根據羅蘭貝格的預測，各行各業對於算力的需求將出現高速的增加，從2018年到2030年，自動駕駛對算力的需求將增長390倍，智慧工廠需求將增加110倍，主要國家人均算力需求將從今天不足500GFLOPS，到2035年增長到10000 GFLOPS。
終端算力在超過128核以後，經濟性將面臨瓶頸，雲數據中心受到傳輸帶寬成本和時延的影響，邊緣算力將成爲支撐智能社會海量數據處理的關鍵一環。
5G/WiFi6/F5G打開了數據的水龍頭，處理數據的三級載體雲數據中心、邊緣計算、智能終端將組成網絡化算力新型基礎設施。
新通訊將爲全社會提供智能服務：網絡帶給社會的價值就是其承載的業務，之前網絡幫助人們創建了溝通渠道，承載了通信服務；今天網絡聯接了端和雲，帶給人們豐富的內容，承載了內容服務；將來面向智能社會，網絡將聯接雲、邊、端，將海量數據傳輸到網絡化算力基礎設施，爲萬物帶來智能。
其中，智能服務與內容服務對網絡的要求不一樣，智能服務的流量流向將以上行爲主，邊緣處理爲主，須要網絡具有更大的上行帶寬能力，對實時性要求更高，網絡須要「肯定性保障」。內容服務對實時性要求不高，網絡僅需「盡力而爲」。
考慮到將來社會須要給萬物帶來智能服務，因此算力網絡須要知足如下三個特性：
算力網絡要支撐海量數據的接入，將來10年須要從千兆到百G超寬帶，IP和光要支撐百倍的容量提高，雲節點經過中心+邊緣分佈式支撐百倍容量的增加，邊緣計算將分擔數據中心和終端的算力增加不足。
算力網絡要聯接雲、邊、端網絡化算力基礎設施，構建專業化、彈性的算力資源池，支撐百倍增加的高效數據處理能力。
算力網絡要支持算網協同，可以感知業務算力需求，爲數據到算力提供最優路由和可信服務，並經過IPV6協議擴展，實現一個物理網絡與多個虛擬網絡統一管理，向上感知智能業務，向下感知網絡資源，實現算力效率的進一步提高，並可以在網絡資源不足狀況下，爲業務提供差別化SLA服務。
算力網絡研究加速，業內發佈最新成果
2020年產業對算力網絡的研究進入了一個新的階段，目前算力網絡相關標準已經立項，包括ITU-T 5項、MEF 1項、ETSI 1項、CCSA 2項，並在網絡5.0聯盟（TC614）成立了算力網絡特別工做組。
今年年末，產業也相繼發佈了最新的研究成果。
聯通在《算力網絡架構與技術體系白皮書》中提到，目前SDN已經實現了雲和網的拉通特別是專線等級的鏈接，NFV實現了核心網功能的全面雲化。可是目前SDN與NFV的部署通常相互獨立，各自自成體系。結合5G、 泛在計算與AI的發展趨勢，以算力網絡爲表明的雲網融合2.0時代正在快速到來。
雲網融合2.0是在雲網融合1.0基礎上，強調結合將來業務形態的變化，在雲、網、芯三個層面持續推動研發，結合「應用部署匹配計算，網絡轉發感知計算，芯片能力加強計算」要求，實現 SDN 和 NFV 的深度協同。
聯通定義的「算力網絡體系架構」是指在計算能力不斷泛在化發展的基礎上，經過網絡手段將計算、存儲等基礎資源在雲-邊-端之間進行有效調配的方式，以此提高業務服務質量 和用戶的服務體驗的計算與網絡融合思路架構。
移動在《泛在計算服務白皮書》中將「泛在計算」定義爲「經過自動化、智能化調度，人們可在任什麼時候間任何地點無感知的將計算(算力、存儲、網絡等)需求與雲-邊-端多級計算服務能力鏈接適配，經過多方算力貢獻者和消費者共同參與，實現算力從產生、調度、交易到消費的閉環，實現算網一體、算隨人選、算隨人動的可信共享計算服務模式」。其具有四個主要特徵：算網融合，算隨人選，算隨人動，可信共享。
電信提出「網絡是邊緣計算的核心能力之一」，建議以邊緣計算爲中心，從新審視和劃分對應的網絡基礎設施，並將網絡劃分爲ECA（邊緣計算接入網絡），ECN（邊緣計算內部網絡），ECI（邊緣計算互聯網絡）。其中，算力網絡是聯接與計算深度融合的產物，經過成熟可靠、超大規模的網絡控制面（分佈式路由協議、集中式控制器等）實現計算、存儲、傳送資源的分發、關聯、交易與調配。並將網絡架構劃分爲「應用資源尋址」，「算法資源尋址」和「基礎資源尋址」三層，實現多維度資源的關聯、尋址、交易和調配等。
實現「聯接+計算」的服務化，首先是要構建SLA量化分級體系，聯通與華爲完成了《面向業務體驗的算力需求量化與建模研究報告》，信通院發佈了《5G切片端到端SLA需求研究報告》，分別對計算和聯接的服務量化分級給出了建議。
5G+AI是行業發展業務的關注點，也是算力網路的最佳試驗田，在第三屆「綻開杯」參賽的4289個項目中，有55%的項目與AI相關，邊緣計算的使用率也達到了49%。
算力網絡還需構建兩個關鍵能力
計算和聯接分級量化只是算力網絡落地的起點，面向社會提供泛在算力服務還須要實現AI設計自動化，減小面向企業提供服務過程當中須要高級專家的參與的問題，這須要解決兩個技術挑戰：從數據到算法的AI應用算法的自動化設計工具、從AI應用到聯接+計算資源的「AI應用環境（聯接+計算）自動規劃工具」。
若是把AI應用場景劃分爲設計態和運行態，這兩個關鍵技術都屬於設計態的工做，目前的算力網絡技術架構中對運行態考慮比較充分，但對設計態則比較欠缺。
AI應用的自動化設計工具：相似電商平臺的「千人千面」引擎，能夠基於企業提供的數據和需求，自動完成算法推薦和超參數調優，核心是讓非AI領域專家也能夠自動構建AI應用程序。
近年來，深度學習在各個領域獲得了應用，在圖像分類、物體檢測、語言建模等領域，都獲得了應用。因爲AlexNet在2012年ImageNet大型視覺識別挑戰賽(ILSVRC)中超越了全部其餘傳統的手動方法，所以愈來愈複雜和深度的神經網絡被提出來。例如，VGG-16有1.3億多個參數，佔用近500 MB的內存空間，處理一張224×224大小的圖像須要153億次浮點運算。
然而，值得注意的是，這些模型都是由專家經過試錯和手工設計的，這意味着即便是AI專家也須要大量的資源和時間來建立性能良好的模型。爲了下降這些繁重的開發成本，近年來出現了將機器學習（ML）流水線自動化的新思路，即自動機器學習(Automatic Machine Learning)。
AutoML設計的目的是減小對數據科學家的需求，使非AI領域專家也可以自動構建ML應用程序，而不須要過多的統計和ML知識。自動機器學習（Automated Machine Learning, AutoML）成爲無需人工干預的DL系統的一種有但願的解決方案，如今愈來愈多的研究者開始關注AutoML。
AI應用環境（聯接+計算）自動規劃工具：根據算法和客戶數據處理的實時性需求，自動分解出須要的算力（TOPS），存儲，網絡帶寬和時延的要求。這個軟件相似網絡規劃工具，區別是要把「計算和聯接」資源一體化考慮，客戶能夠在設計前增長一些約束條件，好比帶寬，時延約束等。
商業上爲了進一步簡化，能夠參考信通院《5G切片端到端SLA行業需求研究報告》的分級思路，將聯接需求映射到帶寬、時延等幾個等級，計算能夠參考CCSA TC1《面向業務體驗的算力需求量化與建模研究報告》將算力需求映射到算力、存儲等幾個等級：
企業在內部測試驗證時，也能夠參考計算和聯接服務等級定義，並考慮到必定的冗餘，從而能夠快速將AI應用與計算+聯接的資源服務之間造成映射關係，容易實現算力標準化、和應用的跨平臺遷移，從而加速算力網絡的商業化進程。
理想照進現實，算力網絡將起航
算力網絡自2019年被業界提出以來，在聯接和計算的SLA分級、泛在計算架構、算力網絡技術架構等研究方面已經取得了顯著的進展，面向行業數字化轉型的萬億市場，結合「5G+AI」需求，以算力網絡爲表明的下一代網絡轉型即將起航。
本文分享自華爲雲社區《解讀下一代網絡：算力網絡正從理想照進現實》，原文做者：技術火炬手 。