面向5G-A的移動(dòng)算力網(wǎng)絡(luò)需求及潛在關(guān)鍵技術(shù)白皮書(shū)2023

近年來(lái)，5G網(wǎng)絡(luò)商用正在全球加速推進(jìn)，5G已經(jīng)進(jìn)入了千行百業(yè)，新的業(yè)務(wù)場(chǎng)景對(duì)移動(dòng)網(wǎng)絡(luò)提出了新的更高的要求，5G網(wǎng)絡(luò)演進(jìn)（5G-Advanced）網(wǎng)絡(luò)架構(gòu)與主要技術(shù)隨之逐步確定。在5G-A網(wǎng)絡(luò)進(jìn)一步深入行業(yè)應(yīng)用之后，整體移動(dòng)通信網(wǎng)絡(luò)架構(gòu)已經(jīng)呈現(xiàn)出云網(wǎng)協(xié)同的趨勢(shì)。同時(shí)，算力網(wǎng)絡(luò)作為國(guó)家、社會(huì)、產(chǎn)業(yè)發(fā)展重要的戰(zhàn)略需求，算力和移動(dòng)網(wǎng)絡(luò)的結(jié)合已成為了業(yè)界共識(shí)，移動(dòng)通信網(wǎng)絡(luò)和算力的融合將賦予移動(dòng)網(wǎng)絡(luò)在傳統(tǒng)連接之外的計(jì)算能力，以算本白皮書(shū)對(duì)移動(dòng)算力網(wǎng)絡(luò)（MobileComputingForceNetwork，MCFN）的產(chǎn)生背景、凝聚產(chǎn)業(yè)共識(shí)建設(shè)技術(shù)體系，孵化產(chǎn)業(yè)生態(tài)創(chuàng)新商業(yè)場(chǎng)景，堅(jiān)定產(chǎn)業(yè)信心明確實(shí)施路徑，最終MT-2V2MT-2V2IMT-2020(5G)推進(jìn)組于2013年2月由中國(guó)工業(yè)和信息化部、國(guó)家發(fā)展和改革委員會(huì)、科學(xué)技術(shù)部聯(lián)合構(gòu)基于原IMT-Advanced推進(jìn)組，成員包括中國(guó)主要的運(yùn)營(yíng)商、制造商、高校和研究機(jī)構(gòu)。推進(jìn)組是聚合中國(guó)產(chǎn)學(xué)研用力MT-2V2MT-2V2算力網(wǎng)絡(luò)是面向未來(lái)計(jì)算與網(wǎng)絡(luò)深度協(xié)同的新型網(wǎng)絡(luò)架構(gòu)。以現(xiàn)有網(wǎng)絡(luò)技術(shù)為基礎(chǔ)，算力網(wǎng)絡(luò)通過(guò)無(wú)所不在的網(wǎng)絡(luò)連接分布式計(jì)算節(jié)點(diǎn)，實(shí)現(xiàn)服務(wù)的自動(dòng)化部署、最優(yōu)路由和負(fù)載均衡。從而構(gòu)建起連接+算力+能力的全新網(wǎng)絡(luò)基礎(chǔ)設(shè)施，保證網(wǎng)絡(luò)能夠按需、實(shí)時(shí)調(diào)度不同位置的計(jì)算資源，提高網(wǎng)絡(luò)和計(jì)算資源利用率，進(jìn)一步提升用戶體驗(yàn)，從而達(dá)到網(wǎng)絡(luò)無(wú)所不達(dá)，算力無(wú)處不在，智能無(wú)所不及的●實(shí)時(shí)、快速業(yè)務(wù)調(diào)度：基于網(wǎng)絡(luò)層實(shí)時(shí)感知業(yè)務(wù)需求和網(wǎng)絡(luò)、計(jì)算狀態(tài)，相比于傳統(tǒng)的集中式●保證用戶體驗(yàn)一致性：網(wǎng)絡(luò)可以感知無(wú)處不在的計(jì)算和服務(wù)，用戶無(wú)需關(guān)心網(wǎng)絡(luò)中的計(jì)算資源●多維度協(xié)同編排：網(wǎng)絡(luò)基于用戶的SLA（ServiceLevelAgreement）需求，綜合考慮實(shí)時(shí)的網(wǎng)絡(luò)資源狀況和計(jì)算資源狀況，動(dòng)態(tài)編排分布式算力、存儲(chǔ)、網(wǎng)絡(luò)服務(wù)，雙向匹配網(wǎng)絡(luò)資源與業(yè)務(wù)需目前的算力網(wǎng)絡(luò)的前沿網(wǎng)絡(luò)技術(shù)研究主要關(guān)注IP承載網(wǎng)的算力業(yè)務(wù)感知，算力網(wǎng)絡(luò)分析用戶的算力業(yè)務(wù)需求，通過(guò)綜合考慮網(wǎng)絡(luò)實(shí)時(shí)狀況和算力節(jié)點(diǎn)資源狀態(tài)，將用戶的計(jì)算任務(wù)路由到最佳的目標(biāo)移動(dòng)算力網(wǎng)絡(luò)是以移動(dòng)網(wǎng)絡(luò)能力及基礎(chǔ)設(shè)施為基礎(chǔ)，并基于5G-A網(wǎng)絡(luò)架構(gòu)與算力資源共同組成的開(kāi)放式算網(wǎng)基礎(chǔ)設(shè)施，其目的是實(shí)現(xiàn)移動(dòng)網(wǎng)絡(luò)與算力的協(xié)同，以達(dá)成移動(dòng)網(wǎng)絡(luò)內(nèi)算力訪問(wèn)的最優(yōu)體驗(yàn)，是算力網(wǎng)絡(luò)在移動(dòng)接入場(chǎng)景下的具象化體現(xiàn)。移動(dòng)算力網(wǎng)絡(luò)和算力網(wǎng)絡(luò)具有一致的愿景，但發(fā)展路徑與節(jié)奏有所不同，體現(xiàn)出若干不同的特征。首先，在業(yè)務(wù)上，移動(dòng)算力網(wǎng)絡(luò)以3GPP5G-A網(wǎng)絡(luò)為基礎(chǔ)，為滿足業(yè)務(wù)體驗(yàn)和用戶訴求，實(shí)現(xiàn)了用戶、算力和應(yīng)用的最佳互聯(lián)，提供了用戶到用戶、用戶到應(yīng)用的最優(yōu)接入路徑與最佳訪問(wèn)體驗(yàn)，并且具備泛在移動(dòng)接入、端網(wǎng)協(xié)同、體驗(yàn)可控、電信高穩(wěn)等特征。3GPP標(biāo)準(zhǔn)下的移動(dòng)網(wǎng)絡(luò)天然支持終端用戶的可移動(dòng)性，并基于核心網(wǎng)與無(wú)線接入網(wǎng)的移動(dòng)性管理、會(huì)話管理等能力對(duì)處于移動(dòng)模式下的業(yè)務(wù)提供高效調(diào)度及QoS保障能力。因此移動(dòng)算力網(wǎng)絡(luò)可以在1MT-2V2MT-2V2其次，在架構(gòu)上，移動(dòng)算力網(wǎng)絡(luò)基于5G基礎(chǔ)設(shè)施，在5G網(wǎng)絡(luò)核心能力基礎(chǔ)上，引入網(wǎng)絡(luò)結(jié)合算力、網(wǎng)絡(luò)與算力統(tǒng)一調(diào)度等兩項(xiàng)關(guān)鍵架構(gòu)能力創(chuàng)新，涵蓋終端算力、基站算力、邊緣算力等算力資源，并且充分繼承分布式用戶面及5GMEC（Multi-accessEdgeComputing）所獨(dú)有的網(wǎng)絡(luò)位置優(yōu)勢(shì)與成熟技術(shù)體系。其以業(yè)務(wù)為中心，借助算力調(diào)度提升5G接入業(yè)務(wù)的體驗(yàn)，然后逐步向廣域擴(kuò)大。因此移動(dòng)算力網(wǎng)絡(luò)可以做到以網(wǎng)助算，網(wǎng)隨算動(dòng)，優(yōu)化端到端業(yè)務(wù)的算網(wǎng)體驗(yàn)，并實(shí)現(xiàn)移動(dòng)算網(wǎng)資源“算力化”是移動(dòng)網(wǎng)絡(luò)到移動(dòng)算力網(wǎng)絡(luò)新增的屬性，由于5G移動(dòng)網(wǎng)絡(luò)自身可以閉環(huán)所有移動(dòng)業(yè)務(wù)，移動(dòng)網(wǎng)絡(luò)和算力的結(jié)合將帶來(lái)編排效率、能力調(diào)用等方面的強(qiáng)有力的優(yōu)勢(shì)。在符合算力網(wǎng)絡(luò)整體布局和規(guī)劃的前提下，邏輯上移動(dòng)算力網(wǎng)絡(luò)可以獨(dú)立于算力網(wǎng)絡(luò)實(shí)現(xiàn)具體功能。兩者之間短期內(nèi)優(yōu)先考慮通過(guò)服務(wù)層和管理層協(xié)同實(shí)現(xiàn)一體化管理，充分降低邊緣算網(wǎng)資源管理復(fù)雜度并提升云邊之間資源編排效率。后續(xù)通過(guò)能力開(kāi)放實(shí)現(xiàn)移動(dòng)算力網(wǎng)絡(luò)與算力網(wǎng)絡(luò)之間組件互通，能力調(diào)用。而未來(lái)面向長(zhǎng)期網(wǎng)絡(luò)演進(jìn)則進(jìn)一步實(shí)現(xiàn)云網(wǎng)邊端高度協(xié)同下的統(tǒng)一解決方案，面向行業(yè)及用戶提供高質(zhì)高效的一2MT-2V2MT-2V2當(dāng)前部分5G應(yīng)用場(chǎng)景已初步呈現(xiàn)出對(duì)移動(dòng)算力網(wǎng)絡(luò)的基礎(chǔ)需求，而面向5G-A的新業(yè)務(wù)，尤其是以XR（ExtendedReality：擴(kuò)展現(xiàn)實(shí)）為代表的消費(fèi)者業(yè)務(wù)，需要智能協(xié)同的行業(yè)業(yè)務(wù)，以及部分網(wǎng)絡(luò)原生的優(yōu)化業(yè)務(wù)能力均需要更為高效的移動(dòng)算力網(wǎng)絡(luò)服務(wù)。其中部分業(yè)務(wù)場(chǎng)景尚處在探索期，需要網(wǎng)絡(luò)與業(yè)務(wù)的相互促進(jìn)才能更快的催熟業(yè)務(wù)商用能力。本章給出了三類典型移動(dòng)算力網(wǎng)絡(luò)場(chǎng)景，分別目前，AR（AugmentedReality：增強(qiáng)現(xiàn)實(shí)）、VR（VirtualReality：虛擬現(xiàn)實(shí)）、MR（MixedReality：混合現(xiàn)實(shí)）等沉浸化業(yè)務(wù)市場(chǎng)快速增加。沉浸化業(yè)務(wù)需要網(wǎng)絡(luò)對(duì)音頻、視頻、觸覺(jué)、多種傳感器信息等多模態(tài)數(shù)據(jù)進(jìn)行傳輸與處理，并對(duì)傳輸速率、時(shí)延、可靠性等網(wǎng)絡(luò)性能指標(biāo)與處理器能力、存儲(chǔ)能力等算力要求都具有嚴(yán)格的要求。目前，受限于終端算力，沉浸化應(yīng)用用戶體驗(yàn)針對(duì)以上問(wèn)題，移動(dòng)算力網(wǎng)絡(luò)能夠提供“云-邊-端”的泛在算力協(xié)作架構(gòu)以提升業(yè)務(wù)體驗(yàn)。首先，移動(dòng)算力網(wǎng)絡(luò)能夠協(xié)同感知網(wǎng)絡(luò)泛在的云服務(wù)器、MEC、移動(dòng)終端等算力，并實(shí)時(shí)監(jiān)控部署位置、負(fù)載、算力服務(wù)部署情況等信息。通過(guò)原生支持算網(wǎng)融合網(wǎng)絡(luò)協(xié)議，移動(dòng)算力網(wǎng)絡(luò)能夠根據(jù)多模態(tài)數(shù)據(jù)差異化數(shù)據(jù)處理與算力需求，實(shí)現(xiàn)靈活按需的算力服務(wù)調(diào)度。其次，移動(dòng)算力網(wǎng)絡(luò)具備“云-邊-端”多層統(tǒng)一管理與協(xié)同調(diào)度機(jī)制，能夠根據(jù)業(yè)務(wù)的多模態(tài)數(shù)據(jù)類型、算網(wǎng)資源需求、QoS對(duì)分解算力任務(wù)進(jìn)行統(tǒng)一編排與最優(yōu)算網(wǎng)資源匹配。通過(guò)移動(dòng)算力網(wǎng)絡(luò)的多級(jí)協(xié)作，能夠最大程度利2.1.2邊緣算力協(xié)同的CloudVR業(yè)務(wù)容量提升以CloudVR業(yè)務(wù)為例，其對(duì)網(wǎng)絡(luò)時(shí)延的要求可按不同體驗(yàn)階段分為不同等級(jí)：起步階段需支持4K全景視頻70ms，舒適體驗(yàn)階段需支持8K全景視頻50ms，理想業(yè)務(wù)體驗(yàn)則需進(jìn)一步支持12/24K全景視頻20ms。為滿足理想業(yè)務(wù)體驗(yàn)下的時(shí)延要求，算力必然進(jìn)一步下沉部署至住宅小區(qū)、場(chǎng)館附近。但邊緣算力的下沉部署會(huì)帶來(lái)算力的潮汐效應(yīng)等額外問(wèn)題，即業(yè)務(wù)量在不同時(shí)間段將在不同區(qū)域間起伏3MT-2V2MT-2V2遷移。按傳統(tǒng)部署模式，各MEC邊緣計(jì)算節(jié)點(diǎn)均需配置最大用戶數(shù)容量以保障各時(shí)間段的峰值用戶接基于移動(dòng)算力網(wǎng)絡(luò)所提供的邊緣算力協(xié)同模式，則可支持CloudVR計(jì)算任務(wù)在多個(gè)MEC節(jié)點(diǎn)間流動(dòng)，實(shí)現(xiàn)靈活動(dòng)態(tài)的算力分流和調(diào)度，在同等資源配置的情況下使區(qū)域業(yè)務(wù)總接入容量提升30%以上。為此需要在網(wǎng)絡(luò)中設(shè)置算網(wǎng)一體協(xié)同用戶面，用于UPF網(wǎng)元之間的計(jì)算任務(wù)分發(fā)和計(jì)算結(jié)果回2.1.3端邊協(xié)同的UAV競(jìng)技等MR類新業(yè)務(wù)近年來(lái)無(wú)人機(jī)競(jìng)賽等第一人稱視角的UAV（UnmannedAerialVehicle）遙控競(jìng)技較受歡迎。在特定場(chǎng)地提前布置游戲關(guān)卡后，UAV上的攝像頭實(shí)時(shí)將運(yùn)動(dòng)畫(huà)面通過(guò)Wi-Fi傳送到游戲者的頭顯設(shè)備，游戲者則通過(guò)遙控器或平板電腦遠(yuǎn)程操控UAV穿梭或?qū)?zhàn)。但目前游戲場(chǎng)地搭建費(fèi)時(shí)費(fèi)力成本高，而且Wi-Fi路由器受限于有線寬帶覆蓋位置，不能隨時(shí)隨地開(kāi)啟游戲。而通過(guò)沉浸化MR技術(shù)，游戲者可自行下載喜愛(ài)的競(jìng)技場(chǎng)景，快速完成游戲場(chǎng)景布置并開(kāi)啟游戲。以5G大帶寬低延時(shí)網(wǎng)絡(luò)取代Wi-Fi更可為游戲者在廣域范圍提供泛在的無(wú)線通信，隨時(shí)隨地開(kāi)啟游首先，此場(chǎng)景中游戲頭顯、UAV、遙控設(shè)備的算力與電池有限，移動(dòng)算力網(wǎng)絡(luò)可為終端提供必須的邊緣外置算力。其次，UAV將攝像頭影像/姿態(tài)/位置等上傳至邊緣計(jì)算節(jié)點(diǎn)進(jìn)行物理和虛擬影像的4MT-2V2MT-2V2疊加和渲染，然后傳輸至頭顯呈現(xiàn)虛實(shí)融合的游戲畫(huà)面。游戲者基于MR通過(guò)遙控器操控UAV的控制信令也可以經(jīng)由MEC轉(zhuǎn)發(fā)，并實(shí)現(xiàn)控制和視頻的同步。移動(dòng)算力網(wǎng)絡(luò)中多個(gè)邊緣算力節(jié)點(diǎn)通過(guò)協(xié)同可技術(shù)上，移動(dòng)算力網(wǎng)絡(luò)需要保障用戶頭顯、UAV、遙控器等多設(shè)備的連接會(huì)話關(guān)聯(lián)及同步傳輸。知的路由，保障端到端QoS不變；另一方面通過(guò)對(duì)無(wú)線波動(dòng)性的感知，及時(shí)調(diào)整計(jì)算任務(wù)。此外，面向2.1.4移動(dòng)終端算力上移，降低終端AI硬件要求近年來(lái)，以AI美顏、人臉識(shí)別為例的AI應(yīng)用在移動(dòng)終端的應(yīng)用場(chǎng)景逐漸增多。當(dāng)前終端通過(guò)訓(xùn)練完成的AI模型進(jìn)行預(yù)測(cè)和推理。但受限于手機(jī)終端電池、存儲(chǔ)及AI算力，端側(cè)AI模型需要進(jìn)行剪枝、壓縮、優(yōu)化、算子替換等特殊處理。且當(dāng)前手機(jī)終端的AI處理器運(yùn)算能力普遍低于服務(wù)器側(cè)2個(gè)數(shù)量級(jí)，限制了手機(jī)終端普遍使用基于強(qiáng)算力的高端AI應(yīng)用。但采用云服務(wù)器輔助協(xié)同模型運(yùn)行則需要向因此，3GPPSA1在R18中定義了將AI推理模型分割為二的場(chǎng)景。終端側(cè)模型計(jì)算量小，主要用于數(shù)據(jù)的預(yù)處理；網(wǎng)絡(luò)側(cè)模型計(jì)算量大，可部署在MEC邊緣計(jì)算節(jié)點(diǎn)運(yùn)行。兩者之間，終端側(cè)模型向網(wǎng)5MT-2V2MT-2V2絡(luò)側(cè)模型上傳中間數(shù)據(jù)，MEC將最終的AI推理結(jié)果及時(shí)返回發(fā)給終端。此方式同時(shí)解決了終端電池容量持續(xù)受限和算力持續(xù)弱于服務(wù)器側(cè)的問(wèn)題以及數(shù)據(jù)上傳隱私保護(hù)的問(wèn)題。此外，簡(jiǎn)單AI推理任務(wù)無(wú)需受限于專用芯片，提高了AI模型在終端運(yùn)行的泛化性，使更多的手機(jī)可以通過(guò)端邊協(xié)同推理擴(kuò)展AI在此方案中，移動(dòng)算力網(wǎng)絡(luò)為UE（UserEquipment）提供了網(wǎng)絡(luò)內(nèi)生的AI算力服務(wù)，增強(qiáng)終端AI推理能力。同時(shí)，網(wǎng)絡(luò)將算網(wǎng)一體化服務(wù)開(kāi)放給第三方應(yīng)用商，方便其開(kāi)發(fā)和部署高端AI應(yīng)用。其次，核心網(wǎng)需要緊密協(xié)同UE與MEC間的移動(dòng)性和會(huì)話管理，確保UE側(cè)AI模型快速發(fā)現(xiàn)和匹配對(duì)應(yīng)的網(wǎng)絡(luò)側(cè)模型，并保障移動(dòng)場(chǎng)景下UE和MEC間上行數(shù)據(jù)傳輸時(shí)延要求。此外，當(dāng)UE因移動(dòng)遠(yuǎn)離初始錨定MEC，核心網(wǎng)需要提前感知端到端推理時(shí)延的變化，并及時(shí)為UE重新選擇最佳的MEC站點(diǎn)并提供隨著產(chǎn)業(yè)數(shù)字化發(fā)展，智能機(jī)器人、UAV等智能終端協(xié)同工作場(chǎng)景逐漸增多，此類智能終端能夠6MT-2V2MT-2V2進(jìn)行分布式數(shù)據(jù)采集與本地AI模型訓(xùn)練。智能協(xié)作利用聯(lián)邦學(xué)習(xí)、完全分布式學(xué)習(xí)等方法，能夠在保護(hù)智能終端數(shù)據(jù)隱私的同時(shí)，通過(guò)多智能體AI模型聚合優(yōu)化集群整體目標(biāo)，提升智能終端決策能力。例如園區(qū)或廠房?jī)?nèi)的AGV（AutomatedGuidedVehicle）能夠通過(guò)分布式數(shù)據(jù)采集與協(xié)同路徑優(yōu)化，實(shí)現(xiàn)精準(zhǔn)且無(wú)人化的物流搬運(yùn)。分布式學(xué)習(xí)的性能指標(biāo)體現(xiàn)在AI模型、通信、本地算力、隱私保護(hù)等多個(gè)方面，包括與全局最優(yōu)模型差距、識(shí)別準(zhǔn)確度等AI模型指標(biāo)，通信時(shí)延、迭代次數(shù)等通信或?qū)W習(xí)速率指標(biāo)，本地訓(xùn)練次數(shù)、訓(xùn)練時(shí)延等算力需求指標(biāo)等。智能協(xié)作任務(wù)的整體性能受到終端算力、能耗、網(wǎng)絡(luò)環(huán)境等多維因素影響，需要基于性能優(yōu)先級(jí)與各因素限制條件，選擇合適的智能終端進(jìn)行算針對(duì)以上問(wèn)題，移動(dòng)算力網(wǎng)絡(luò)能夠?qū)崟r(shí)捕捉算網(wǎng)資源的動(dòng)態(tài)信息，并根據(jù)業(yè)務(wù)性能優(yōu)先級(jí)、算網(wǎng)資源利用率等要求，實(shí)現(xiàn)高效的端到端/端邊協(xié)同智能終端組網(wǎng)，提升智能協(xié)作任務(wù)的整體性能。首先，移動(dòng)算力網(wǎng)絡(luò)能夠?qū)崟r(shí)感知智能終端的算力負(fù)載、電池能量以及無(wú)線網(wǎng)絡(luò)信道狀態(tài)、帶寬占用情況等，并通過(guò)統(tǒng)一編排、靈活調(diào)度的方式進(jìn)行智能協(xié)作任務(wù)的動(dòng)態(tài)組網(wǎng)，從而在滿足集群整體學(xué)習(xí)目標(biāo)的同時(shí)，保證單個(gè)智能設(shè)備的能耗、算力負(fù)載、隱私保護(hù)等要求。例如，對(duì)于本地算力有限的設(shè)備，本地模型訓(xùn)練速度慢，可降低其模型傳輸聚合的頻率；對(duì)于信道環(huán)境較差的智能終端，可選擇將本地AI模型轉(zhuǎn)移到鄰近可信終端進(jìn)行聚合或中繼傳輸。其次，算網(wǎng)多要素融合編排可以提供業(yè)務(wù)性能需求與算網(wǎng)資源分配間的最優(yōu)匹配，例如對(duì)于更新的本地模型與前次差別較大的終端分配更多的帶寬資源，可以幫助全局AI模型實(shí)現(xiàn)更好的學(xué)習(xí)性能?；诖?，移動(dòng)算力網(wǎng)絡(luò)能夠支持智能協(xié)同任務(wù)實(shí)現(xiàn)2.2.25G接入算網(wǎng)協(xié)同體驗(yàn)保障的產(chǎn)業(yè)園區(qū)算力專網(wǎng)助力工業(yè)信息化、智能化轉(zhuǎn)型升級(jí)，是5G產(chǎn)業(yè)化發(fā)展的關(guān)鍵方向之一。但以制造業(yè)為例，我國(guó)的工業(yè)企業(yè)在數(shù)量分布上仍以中小規(guī)模為主，在地理分布上則呈現(xiàn)出特色產(chǎn)業(yè)區(qū)域化集中的顯著特征。這些中小型制造業(yè)企業(yè)在企業(yè)信息化領(lǐng)域普遍存在業(yè)務(wù)應(yīng)用規(guī)模偏小、IT采購(gòu)預(yù)算有限、IT團(tuán)隊(duì)技能基于5G-A，可進(jìn)一步基于移動(dòng)算力網(wǎng)絡(luò)在特定地域內(nèi)集中為多家中小型制造業(yè)企業(yè)提供可信可控的共享式產(chǎn)業(yè)園區(qū)算力專網(wǎng)。通過(guò)在產(chǎn)業(yè)園區(qū)內(nèi)部署的共享式移動(dòng)算網(wǎng)節(jié)點(diǎn)，所有園內(nèi)企業(yè)均可獲得一站式的5G網(wǎng)絡(luò)連接與算力基礎(chǔ)設(shè)施服務(wù)。各企業(yè)以多租戶自服務(wù)方式按需使用算網(wǎng)資源，自助部署運(yùn)行滿足自身業(yè)務(wù)訴求的智能應(yīng)用。同時(shí)，為最大程度保證關(guān)鍵業(yè)務(wù)應(yīng)用的端到端體驗(yàn)，需要移動(dòng)算力網(wǎng)絡(luò)通過(guò)算網(wǎng)協(xié)同對(duì)網(wǎng)絡(luò)QoS和算力資源QoS實(shí)施聯(lián)動(dòng)配置與保障。7MT-2V2MT-2V2與上述產(chǎn)業(yè)園區(qū)集中的中小企業(yè)相反，大中型企業(yè)的多地分支機(jī)構(gòu)或多地連鎖企業(yè)門店的信息化和智能化則需要為不同地域的辦公場(chǎng)所、生產(chǎn)園區(qū)、門店提供一致性的5G接入，以及便捷經(jīng)濟(jì)、易用安全的本地信息化應(yīng)用系統(tǒng)，并實(shí)現(xiàn)門店與總部/區(qū)域總部為滿足上述場(chǎng)景需求，這類企業(yè)需要一張覆蓋全國(guó)范圍的廣域移動(dòng)算力專網(wǎng)?；诮y(tǒng)一的算網(wǎng)基礎(chǔ)設(shè)施，由不同企業(yè)根據(jù)自身規(guī)模及業(yè)務(wù)需求，為其分支機(jī)構(gòu)/門店等選擇就近租賃共享式移動(dòng)算網(wǎng)節(jié)點(diǎn)資源或自建專享式移動(dòng)算網(wǎng)節(jié)點(diǎn)并接入，選擇最佳位置算力部署其業(yè)務(wù)應(yīng)用。在此基礎(chǔ)上，移動(dòng)算力網(wǎng)絡(luò)可將用戶企業(yè)員工在任意位置發(fā)起的移動(dòng)訪問(wèn)請(qǐng)求轉(zhuǎn)發(fā)至適當(dāng)?shù)囊苿?dòng)算網(wǎng)節(jié)點(diǎn)，以保障其業(yè)務(wù)使用及最佳體驗(yàn)。對(duì)于租賃共享式移動(dòng)算網(wǎng)節(jié)點(diǎn)資源的企業(yè)，可以根據(jù)其業(yè)務(wù)要求，為其開(kāi)辟算力專區(qū)，以強(qiáng)化其業(yè)務(wù)資源與其他租戶資源間的安全隔離。為滿足大型企業(yè)普遍存在的專網(wǎng)接入訪問(wèn)安全策略控制要求，可充分利用移動(dòng)網(wǎng)絡(luò)自身的接入訪問(wèn)控制機(jī)制，并借鑒業(yè)界SASE技術(shù)理念，在移動(dòng)算8MT-2V2MT-2V2隨著移動(dòng)通信技術(shù)的發(fā)展，其所催生的車聯(lián)網(wǎng)應(yīng)用也正在推動(dòng)著交通管理模式、汽車產(chǎn)業(yè)形態(tài)、人們出行方式和能源消費(fèi)結(jié)構(gòu)的深刻變化。當(dāng)前蜂窩車聯(lián)網(wǎng)涉及協(xié)同感知、輔助駕駛、信息推送等多在車車協(xié)同模式下，各車輛子網(wǎng)系統(tǒng)需要同時(shí)服務(wù)車內(nèi)節(jié)點(diǎn)及支持車輛間的通信，以支持不同汽車子網(wǎng)系統(tǒng)的干擾協(xié)調(diào)，信息交互，進(jìn)一步提高系統(tǒng)性能和車輛行駛效率和安全。在車路協(xié)同模式下，通過(guò)車載及路邊的各類攝像頭、雷達(dá)傳感設(shè)備，車聯(lián)網(wǎng)應(yīng)用可以獲取并分析學(xué)習(xí)復(fù)制交通環(huán)境中的多維數(shù)據(jù)，推理出相應(yīng)調(diào)度策略并指導(dǎo)車輛控制策略。為實(shí)現(xiàn)全場(chǎng)景的車路信息準(zhǔn)確感知和處理，需要協(xié)同多維度信息，進(jìn)行算網(wǎng)協(xié)同調(diào)度，將不同優(yōu)先級(jí)算力需求的車內(nèi)、車間、車路協(xié)同應(yīng)用分發(fā)9MT-2V2MT-2V2在此場(chǎng)景中，一方面無(wú)線通信技術(shù)為車輛提供低時(shí)延、高可靠通信，并基于此為車輛提供與周邊交通元素（車、路、人）的交互能力，實(shí)現(xiàn)協(xié)同感知、決另一方面移動(dòng)算力網(wǎng)絡(luò)需要具備廣域連續(xù)性覆蓋，提供可以隨時(shí)隨地按需獲取的移動(dòng)算力資源，實(shí)現(xiàn)各車輛及交通元素的數(shù)據(jù)及算力共享。同時(shí)移動(dòng)算力網(wǎng)絡(luò)需要實(shí)現(xiàn)車輛、路邊設(shè)備、網(wǎng)絡(luò)邊緣、以及云端算力感知及協(xié)同，保障各應(yīng)用可按優(yōu)先級(jí)調(diào)度，進(jìn)而實(shí)現(xiàn)云端超大規(guī)模模型訓(xùn)練及下發(fā)等高端智5G核心網(wǎng)的云化部署配合愈發(fā)廣泛的邊緣計(jì)算，使分布式的算力資源在移動(dòng)網(wǎng)絡(luò)中逐漸重要。移動(dòng)算力網(wǎng)絡(luò)通過(guò)統(tǒng)一的動(dòng)態(tài)分配，使海量業(yè)務(wù)能夠根據(jù)各自的需求，實(shí)時(shí)調(diào)用網(wǎng)絡(luò)內(nèi)空閑的分布式算前期算力網(wǎng)絡(luò)研究主要基于承載網(wǎng)，根據(jù)計(jì)算類業(yè)務(wù)需求，結(jié)合實(shí)時(shí)網(wǎng)絡(luò)狀況和可服務(wù)的計(jì)算資源狀況，動(dòng)態(tài)靈活的將計(jì)算任務(wù)路由到合適的目標(biāo)計(jì)算節(jié)點(diǎn)并保障業(yè)務(wù)的用戶體驗(yàn)。面向移動(dòng)通信網(wǎng)絡(luò)，將計(jì)算和移動(dòng)通信網(wǎng)絡(luò)深度融合、協(xié)同調(diào)度，結(jié)合業(yè)務(wù)對(duì)移動(dòng)通信網(wǎng)的需求，綜合考慮網(wǎng)絡(luò)的全MT-2V2MT-2V2局視圖能力和計(jì)算能力，動(dòng)態(tài)調(diào)度資源，可以進(jìn)一步提升用戶業(yè)務(wù)體驗(yàn)，包括將基礎(chǔ)設(shè)施算力納入為UE接入選擇各個(gè)網(wǎng)絡(luò)功能的過(guò)程中。在當(dāng)前的網(wǎng)絡(luò)功能選擇過(guò)程中，一般對(duì)控制面功能按預(yù)設(shè)的接入碼號(hào)規(guī)則結(jié)合網(wǎng)絡(luò)功能池中的不同負(fù)載權(quán)重進(jìn)行選擇。后續(xù)在移動(dòng)算力網(wǎng)絡(luò)中，可納入承載控制面網(wǎng)絡(luò)功能的基礎(chǔ)設(shè)施算力作為選擇權(quán)重之一。而對(duì)用戶面亦可通過(guò)移動(dòng)算力網(wǎng)絡(luò)，基于無(wú)處不在的網(wǎng)絡(luò)連接，將動(dòng)態(tài)分布的計(jì)算、存儲(chǔ)資源互聯(lián)，通過(guò)網(wǎng)絡(luò)、存儲(chǔ)、算力的多維協(xié)同調(diào)度，使應(yīng)用能按需調(diào)度到泛在分布的算力資源上，并運(yùn)營(yíng)商在N6接口之后部署很多增值業(yè)務(wù)，這些增值業(yè)務(wù)采用業(yè)務(wù)鏈SFC(ServiceFunctionChain)技術(shù)進(jìn)行控制。后續(xù)可在業(yè)務(wù)鏈編排中考慮算力資源信息，將增值業(yè)務(wù)按需部署到合適的算力節(jié)點(diǎn)上，保證業(yè)務(wù)可用性；另一方面，業(yè)務(wù)鏈路由可以統(tǒng)一考慮算力資源及業(yè)務(wù)需求信息來(lái)選擇滿足時(shí)延隨邊緣計(jì)算的發(fā)展，網(wǎng)絡(luò)算力從核心網(wǎng)向網(wǎng)絡(luò)邊緣擴(kuò)展。云原生技術(shù)能夠在異構(gòu)算力設(shè)備上建立更輕量化、更細(xì)粒度、更靈活的服務(wù)部署，進(jìn)一步降低虛擬化開(kāi)銷。5G-A則在標(biāo)準(zhǔn)上使能增強(qiáng)的服務(wù)化架構(gòu)eSBA（EnhancedServiceBasedArch移動(dòng)通信網(wǎng)絡(luò)各類服務(wù)的本質(zhì)是利用算力和算法進(jìn)行數(shù)據(jù)處理并實(shí)現(xiàn)特定輸出，包括調(diào)制解調(diào)、數(shù)據(jù)編解碼、網(wǎng)絡(luò)控制、資源調(diào)度等。因此，結(jié)合算力與虛擬化技術(shù)，能夠建立通信服務(wù)與算力服務(wù)間的映射關(guān)系，從而推動(dòng)端到端網(wǎng)絡(luò)服務(wù)化架構(gòu)進(jìn)程，降低網(wǎng)絡(luò)部署與運(yùn)營(yíng)成本。目前，各標(biāo)準(zhǔn)網(wǎng)絡(luò)功能尚不能基于泛在算力服務(wù)進(jìn)行靈活部署及靈活編排管理，且未能充分調(diào)用通信網(wǎng)絡(luò)之外的泛在異針對(duì)以上問(wèn)題，移動(dòng)算力網(wǎng)絡(luò)可引入云原生、算力原生等技術(shù)，并基于對(duì)泛在算力的感知，實(shí)現(xiàn)對(duì)移動(dòng)通信網(wǎng)內(nèi)外部異構(gòu)算力進(jìn)行統(tǒng)一全局管理。首先，通過(guò)網(wǎng)絡(luò)功能的標(biāo)準(zhǔn)化拆分及智能化算網(wǎng)編排實(shí)現(xiàn)移動(dòng)通信網(wǎng)絡(luò)功能的最優(yōu)部署、靈活組合與按需分配，加快推進(jìn)端到端服務(wù)化的網(wǎng)絡(luò)架構(gòu)愿景。其次，移動(dòng)算力網(wǎng)絡(luò)建立了算網(wǎng)協(xié)同感知體系，能夠?qū)崟r(shí)監(jiān)控負(fù)載、算力服務(wù)部署等動(dòng)態(tài)算網(wǎng)信息，并構(gòu)建了算網(wǎng)融合的新型網(wǎng)絡(luò)協(xié)議，具備對(duì)網(wǎng)絡(luò)功能的算網(wǎng)需求統(tǒng)一解析的能力。最后，移動(dòng)算力網(wǎng)絡(luò)自身能夠根據(jù)移動(dòng)通信網(wǎng)絡(luò)功能需求與算網(wǎng)狀態(tài)視圖，對(duì)分布式算網(wǎng)資源進(jìn)行統(tǒng)一編排，建立高效的網(wǎng)絡(luò)功能部署、彈性的網(wǎng)絡(luò)功能組合由與最優(yōu)供需匹配，提升移動(dòng)通信網(wǎng)絡(luò)服務(wù)能力。同時(shí)，結(jié)合AI等智能技術(shù)，能夠推動(dòng)網(wǎng)絡(luò)功能編排的自配置與自優(yōu)化，進(jìn)一步提升網(wǎng)絡(luò)功能編排效率與資源MT-2V2MT-2V2通過(guò)對(duì)上述業(yè)務(wù)場(chǎng)景的分析，可以歸納得出對(duì)移動(dòng)算力網(wǎng)絡(luò)的七個(gè)主要需求領(lǐng)域。本章針對(duì)七個(gè)主要需求領(lǐng)域，給出當(dāng)前對(duì)移動(dòng)算力網(wǎng)絡(luò)的技術(shù)能力要求。首先，需要在移動(dòng)網(wǎng)絡(luò)架構(gòu)中引入相關(guān)的算力服務(wù)能力，并實(shí)現(xiàn)算力服務(wù)的可度量、可控制。其次，基于所構(gòu)建的移動(dòng)算力網(wǎng)絡(luò)，實(shí)現(xiàn)對(duì)各類現(xiàn)有業(yè)務(wù)以及AI等新型業(yè)務(wù)的體驗(yàn)提升。最后，在全網(wǎng)全局層面實(shí)現(xiàn)算網(wǎng)一體的編排與能力開(kāi)放，以首先，移動(dòng)算力網(wǎng)絡(luò)應(yīng)該不僅通過(guò)網(wǎng)絡(luò)將業(yè)務(wù)路由至相應(yīng)的算網(wǎng)節(jié)點(diǎn)，而且應(yīng)具備提供內(nèi)生算力的能力。這一能力可以為各類應(yīng)用層業(yè)務(wù)提供泛在的計(jì)算能力，尤其在端網(wǎng)協(xié)同的場(chǎng)景下為智能應(yīng)用提供通用算力，例如端網(wǎng)協(xié)同的AI推理能力、媒體視其次，移動(dòng)網(wǎng)絡(luò)內(nèi)生的算力應(yīng)統(tǒng)一注冊(cè)到網(wǎng)絡(luò)，從而能夠被其他業(yè)務(wù)發(fā)現(xiàn)和使用。移動(dòng)終端接入網(wǎng)絡(luò)的時(shí)候，能夠向網(wǎng)絡(luò)注冊(cè)自身的計(jì)算能力需求，并且終端上的服務(wù)能夠自動(dòng)發(fā)現(xiàn)和使用網(wǎng)絡(luò)上的算力。移動(dòng)終端能夠發(fā)現(xiàn)和使用的內(nèi)生算力的類型取決于移動(dòng)終端所處的位置、網(wǎng)絡(luò)覆蓋性能、邊緣最后，內(nèi)生算力框架應(yīng)為上層應(yīng)用開(kāi)發(fā)提供開(kāi)放的API，網(wǎng)絡(luò)側(cè)為應(yīng)用服務(wù)端提供通用的算力運(yùn)行當(dāng)前移動(dòng)網(wǎng)絡(luò)僅支持基于物理硬件的粗粒度計(jì)算能力度量，如CPU的核數(shù)與主頻。移動(dòng)算力網(wǎng)絡(luò)需要為異構(gòu)硬件基礎(chǔ)設(shè)施提供更精細(xì)化的算力統(tǒng)一度量與建模，包括基于多廠商CPU、GPU、NPU、FPGA、ASIC分別針對(duì)CPU的主頻、內(nèi)核數(shù)、內(nèi)存大小，GPU的CUDAcores、顯存，F(xiàn)PGA的Peak定點(diǎn)性能、Peak浮點(diǎn)性能等統(tǒng)一建模，屏蔽底層硬件差異，其次，不同的應(yīng)用對(duì)算力的需求不同，因此也需要將應(yīng)用對(duì)算力的需求進(jìn)行統(tǒng)一度量與建模。例如，XR類沉浸化業(yè)務(wù)需要超低時(shí)延的算力服務(wù)，AI上移需要大計(jì)算量的AI模型推理等。移動(dòng)算力網(wǎng)絡(luò)應(yīng)具備實(shí)時(shí)感知業(yè)務(wù)需求和網(wǎng)絡(luò)、計(jì)算狀態(tài)的能力，通過(guò)對(duì)上層應(yīng)用需求的感知及解析，建立多樣化MT-2V2MT-2V2同時(shí)，移動(dòng)算力網(wǎng)絡(luò)還需要具備網(wǎng)絡(luò)與應(yīng)用全面的資源和態(tài)勢(shì)感知，包括對(duì)云網(wǎng)邊端各層級(jí)的資源狀態(tài)、資源位置、資源變化，各算力節(jié)點(diǎn)上的算力負(fù)載、算力服務(wù)部署情況，以及各算力節(jié)點(diǎn)之間結(jié)合上述需求能力，移動(dòng)算力網(wǎng)絡(luò)才能夠形成業(yè)務(wù)層可充分理解使用，網(wǎng)絡(luò)層可高效分配管理的移動(dòng)算力網(wǎng)絡(luò)需要具備廣域連續(xù)性算力覆蓋能力，支持對(duì)無(wú)線覆蓋、核心網(wǎng)用戶面、邊緣計(jì)算節(jié)針對(duì)靜態(tài)接入，移動(dòng)算力網(wǎng)絡(luò)不僅需要為UE隨時(shí)隨地尋址到最佳算力實(shí)例，無(wú)需UE感知算力的具體部署位置，而且為UE所選擇算力實(shí)例需要以業(yè)務(wù)端到端SLA保障為目標(biāo)，同時(shí)確保網(wǎng)絡(luò)資源和計(jì)而在用戶動(dòng)態(tài)移動(dòng)的模式下，移動(dòng)算力網(wǎng)絡(luò)需要能夠根據(jù)UE的移動(dòng)性和無(wú)線網(wǎng)絡(luò)質(zhì)量波動(dòng)，自動(dòng)調(diào)整連接QoS、計(jì)算任務(wù)實(shí)例所需算力以及部署位置，以保障算力在動(dòng)態(tài)環(huán)境下的業(yè)務(wù)連續(xù)性和用戶體此外，移動(dòng)算力網(wǎng)絡(luò)的業(yè)務(wù)場(chǎng)景中往往涉及到多終端協(xié)同工作。因此，移動(dòng)算力網(wǎng)絡(luò)需要能夠提供手機(jī)終端、XR頭顯類終端、UAV或AGV、以及各類傳感器/控制器等多設(shè)備連接會(huì)話的關(guān)聯(lián)和同步當(dāng)前移動(dòng)算力網(wǎng)絡(luò)潛在的業(yè)務(wù)場(chǎng)景中，往往需要基于邊緣計(jì)算提供算力服務(wù)。但當(dāng)前5G網(wǎng)絡(luò)架構(gòu)下，僅支持單個(gè)MEC為單一業(yè)務(wù)服務(wù)。因此移動(dòng)算力網(wǎng)絡(luò)需要改變單一邊緣計(jì)算接入分流的限制，支持按網(wǎng)絡(luò)連接狀態(tài)充分調(diào)用網(wǎng)絡(luò)邊緣的算力形成本地互聯(lián)的MEC群組。并通過(guò)計(jì)算卸載、多點(diǎn)協(xié)作等方式在MEC群組中進(jìn)行最優(yōu)計(jì)算任務(wù)分配，解決終端算力不足與云計(jì)算通信時(shí)延長(zhǎng)的問(wèn)題，提供低時(shí)同時(shí)，移動(dòng)算力網(wǎng)絡(luò)應(yīng)充分利用中心云、邊緣計(jì)算、以及終端的各級(jí)算力，通過(guò)算法靈活跨層利用多級(jí)算力。例如在部分涉及AI的業(yè)務(wù)場(chǎng)景下實(shí)現(xiàn)云端超大規(guī)模模型訓(xùn)練及下發(fā)等，邊緣計(jì)算支持較MT-2V2MT-2V2在面向行業(yè)的應(yīng)用場(chǎng)景中，移動(dòng)算力網(wǎng)絡(luò)需要支持更強(qiáng)的算網(wǎng)協(xié)同能力，將算力資源與網(wǎng)絡(luò)的便捷接入、安全管控等能力進(jìn)行融合。例如，當(dāng)企業(yè)用戶通過(guò)宏網(wǎng)接入時(shí)，需要能夠隨時(shí)隨地同時(shí)訪問(wèn)移動(dòng)互聯(lián)網(wǎng)及企業(yè)專網(wǎng)獲得特定的算力服務(wù)。當(dāng)前專網(wǎng)接入方案受限于覆蓋區(qū)域和專線部署成本等因素，一般只能提供本地區(qū)域級(jí)接入和訪問(wèn)，無(wú)法支持用戶在任意地域都同時(shí)接入到互聯(lián)網(wǎng)和專網(wǎng)。又或當(dāng)用戶在跨省漫游時(shí)，雖然可以正常訪問(wèn)互聯(lián)網(wǎng)，卻無(wú)法訪問(wèn)專網(wǎng)服務(wù)。因此，需要有行之有效的移動(dòng)算力網(wǎng)絡(luò)是計(jì)算能力與網(wǎng)絡(luò)能力的緊密結(jié)合。面向XR、移動(dòng)終端AI等低時(shí)延交互業(yè)務(wù)，一方面需要核心網(wǎng)與無(wú)線接入網(wǎng)絡(luò)間信息交互，提供高效網(wǎng)絡(luò)傳輸；另一方面需要云邊算力與移動(dòng)終端算力進(jìn)行協(xié)同，滿足渲染、AI訓(xùn)練等計(jì)算能力要求?，F(xiàn)有移動(dòng)通信網(wǎng)對(duì)泛在算力的管理機(jī)制相對(duì)單一，為滿足業(yè)務(wù)端到端QoS需求，需要綜合考慮網(wǎng)絡(luò)連接狀態(tài)、可用帶寬、端邊云異構(gòu)算力類型，算力負(fù)載等算網(wǎng)資源信息，通過(guò)算網(wǎng)資源聯(lián)合管理與算網(wǎng)服務(wù)一體化編排，按需靈活地將業(yè)務(wù)分發(fā)調(diào)度到隨著新型融合技術(shù)發(fā)展，移動(dòng)通信網(wǎng)將支持感知、定位等能力，在一張大網(wǎng)上提供多樣化網(wǎng)絡(luò)服務(wù)。同時(shí)，網(wǎng)絡(luò)端到端服務(wù)化趨勢(shì)需要將底層算力資源分離抽象為獨(dú)立的網(wǎng)絡(luò)功能，并進(jìn)一步實(shí)現(xiàn)網(wǎng)絡(luò)功能的靈活部署與調(diào)度，以提升網(wǎng)絡(luò)管理效率。目前，對(duì)網(wǎng)絡(luò)功能的編排調(diào)度局限于核心網(wǎng)控制面向未來(lái)越來(lái)越豐富的業(yè)務(wù)訴求，移動(dòng)算力網(wǎng)絡(luò)應(yīng)為運(yùn)營(yíng)商自營(yíng)服務(wù)或第三方應(yīng)用提供端網(wǎng)協(xié)同一體運(yùn)行環(huán)境。除了為在網(wǎng)業(yè)務(wù)提供通用的內(nèi)生算力外，還應(yīng)該通過(guò)屏蔽底層復(fù)雜的端網(wǎng)協(xié)同流程和算力資源調(diào)度機(jī)制，簡(jiǎn)化應(yīng)用開(kāi)發(fā)流程，使得運(yùn)營(yíng)商和第三方可以直接在移動(dòng)算力網(wǎng)絡(luò)上快速開(kāi)發(fā)和MT-2V2MT-2V2在5G-A中，移動(dòng)算力網(wǎng)絡(luò)作為統(tǒng)一的基礎(chǔ)設(shè)施層應(yīng)可以通過(guò)NEF（NetworkExposureFunction）對(duì)AF（ApplicationFunction）提供算網(wǎng)統(tǒng)一的能力開(kāi)放接口。AF根據(jù)算網(wǎng)信息動(dòng)態(tài)調(diào)整業(yè)務(wù)部署和路由策略，AF可以是應(yīng)用服務(wù)器、算力網(wǎng)絡(luò)的算網(wǎng)大腦或其他域的移動(dòng)算力網(wǎng)絡(luò)。移動(dòng)算力網(wǎng)絡(luò)從邏輯功能上分為基礎(chǔ)設(shè)施層、算網(wǎng)管理編排層、應(yīng)用使能層三部分，并且可以與MCFN基礎(chǔ)設(shè)施層：MCFN基礎(chǔ)設(shè)施層分為物理接入傳輸、算網(wǎng)用戶面、算網(wǎng)控制三個(gè)子層。物理基礎(chǔ)設(shè)施子層即5G/5G-A移動(dòng)網(wǎng)絡(luò)物理基礎(chǔ)設(shè)施，含接入網(wǎng)、承載網(wǎng)、骨干網(wǎng)等，用于實(shí)現(xiàn)MT-2V2MT-2V2算網(wǎng)用戶面子層主要以5G分布式用戶面及5GMEC融合的MCFN節(jié)點(diǎn)為主要部署形態(tài)，并在移動(dòng)承載網(wǎng)之上構(gòu)建Mesh互聯(lián)的分布式計(jì)算體系，與UE形成廣域下的端網(wǎng)邊計(jì)算連續(xù)體。MCFN作為算網(wǎng)融合的移動(dòng)算力網(wǎng)絡(luò)節(jié)點(diǎn)，包括算力資源功能、移動(dòng)網(wǎng)絡(luò)流量策略控制功能、算網(wǎng)服務(wù)功能。同時(shí)MCFN節(jié)點(diǎn)可與算力網(wǎng)絡(luò)基礎(chǔ)設(shè)施中的邊緣算力、云算力實(shí)現(xiàn)交互和協(xié)同。算網(wǎng)控制子層包括5G/5G-A控制面、邊緣算力管理器和算網(wǎng)體驗(yàn)統(tǒng)一保障功能。邊緣算力管理器主要實(shí)現(xiàn)算力資源的狀態(tài)感知和任務(wù)調(diào)度分配，5G-A控制面需要針對(duì)大量分布式計(jì)算節(jié)點(diǎn)和動(dòng)態(tài)的計(jì)算任務(wù)調(diào)度實(shí)現(xiàn)算力感知的動(dòng)態(tài)移動(dòng)會(huì)話管理。算網(wǎng)體驗(yàn)統(tǒng)一保障功能負(fù)責(zé)端到端的業(yè)務(wù)運(yùn)行態(tài)體驗(yàn)保障，實(shí)現(xiàn)算力資源、網(wǎng)絡(luò)資源、業(yè)務(wù)實(shí)例的實(shí)時(shí)監(jiān)控、調(diào)度與控制，達(dá)成端到端QoS保障。算網(wǎng)控制子層與算網(wǎng)用戶面子層共同實(shí)現(xiàn)網(wǎng)絡(luò)與算力、應(yīng)用的協(xié)同，實(shí)現(xiàn)最佳的連接和算力調(diào)度能力，及最優(yōu)MCFN算網(wǎng)管理編排層：MCFN算網(wǎng)管理編排層中的算網(wǎng)資源統(tǒng)一編排功能屬于全局管理器，維護(hù)移動(dòng)算網(wǎng)整體資源視圖，實(shí)現(xiàn)網(wǎng)絡(luò)功能、計(jì)算任務(wù)與網(wǎng)絡(luò)和計(jì)算資源間的映射和編排，實(shí)現(xiàn)整體資源的合理化使用。另外，作為系統(tǒng)必不可少的部分，該層還需要考慮統(tǒng)一運(yùn)維管控和安全管控，確保系統(tǒng)的可管可控可信。MCFN算網(wǎng)管理編排層也可以接受來(lái)自算力網(wǎng)絡(luò)編排管理層的調(diào)度，實(shí)現(xiàn)云邊MCFN應(yīng)用使能層：MCFN應(yīng)用使能層將以多租戶方式以及算網(wǎng)統(tǒng)一方式對(duì)外提供能力開(kāi)放服務(wù)。結(jié)合MCFN節(jié)點(diǎn)的算網(wǎng)融合基礎(chǔ)設(shè)施，應(yīng)用使能層通過(guò)統(tǒng)一的租戶模型，為各類用戶（個(gè)人用戶、運(yùn)營(yíng)商自營(yíng)業(yè)務(wù)、第三方垂直行業(yè)用戶等）提供安全隔離的集成端到端移動(dòng)接入的租戶運(yùn)行環(huán)境，并通過(guò)算網(wǎng)統(tǒng)一能力開(kāi)放接口，屏蔽底層異構(gòu)算力資源和復(fù)雜組網(wǎng)環(huán)境，方便培育移動(dòng)算網(wǎng)應(yīng)用開(kāi)發(fā)生態(tài)。另外，MCFN應(yīng)用使能層承擔(dān)整體的算網(wǎng)運(yùn)營(yíng)以及與其他MCFN子網(wǎng)或者算力網(wǎng)絡(luò)的并網(wǎng)移動(dòng)算力網(wǎng)絡(luò)三層邏輯架構(gòu)依賴多種關(guān)鍵技術(shù)的支撐，圖4中的10個(gè)標(biāo)號(hào)對(duì)應(yīng)了10個(gè)關(guān)鍵技術(shù)點(diǎn)，移動(dòng)算力網(wǎng)絡(luò)的應(yīng)用場(chǎng)景豐富多樣，不同場(chǎng)景和業(yè)務(wù)必將導(dǎo)致差異化的算力資源訴求。同時(shí)，移動(dòng)算網(wǎng)節(jié)點(diǎn)必定面臨海量部署、深度下沉、快捷交付的典型訴求。上述背景決定了移動(dòng)算網(wǎng)節(jié)點(diǎn)必須MT-2V2MT-2V21.超融合算力資源管理：算力資源池應(yīng)能夠在單一資源池內(nèi)、相對(duì)有限的物理計(jì)算節(jié)點(diǎn)（服務(wù)器）上，靈活按需地提供物理計(jì)算資源，如GPU、NPU、DPU、ASIC等，以及其他多形態(tài)的計(jì)算資源隔離和分配對(duì)象，如VM、裸金屬、容器、函數(shù)等。并實(shí)現(xiàn)各類資源的共池共節(jié)點(diǎn)智能混合調(diào)度，從2.輕量化資源池：與當(dāng)代云OS等算力資源管理系統(tǒng)相比，未來(lái)的算力資源管理系統(tǒng)應(yīng)更為簡(jiǎn)潔，自身組件資源占用更低，一方面讓移動(dòng)算網(wǎng)節(jié)點(diǎn)的交付工作量最小化，另一方面盡可能將移動(dòng)算網(wǎng)節(jié)綜上，針對(duì)移動(dòng)算網(wǎng)節(jié)點(diǎn)場(chǎng)景的超融合輕量化資源池化技術(shù)，屬于移動(dòng)算力網(wǎng)絡(luò)領(lǐng)域的關(guān)鍵技術(shù)4.2.2核心網(wǎng)用戶面Mesh互聯(lián)隨著越來(lái)越多的邊緣計(jì)算節(jié)點(diǎn)部署到網(wǎng)絡(luò)中，提供了便捷的邊緣接入云的能力。CDN業(yè)務(wù)的邊緣和中心互訪實(shí)現(xiàn)業(yè)務(wù)回源機(jī)制、2B園區(qū)業(yè)務(wù)互訪等，都對(duì)核心網(wǎng)用戶面提出了能夠在地市級(jí)、區(qū)縣級(jí)移動(dòng)算力網(wǎng)絡(luò)內(nèi)不同節(jié)點(diǎn)之間的應(yīng)用和算力可利用用戶面網(wǎng)元UPF的N9/N19接口已具備的廣域互聯(lián)互通能力，實(shí)現(xiàn)UPF拓?fù)潇`活調(diào)整和按需路由轉(zhuǎn)發(fā)，直接將廣域多個(gè)分布式算力節(jié)點(diǎn)組網(wǎng)成一朵云，使能行業(yè)多子網(wǎng)跟隨業(yè)務(wù)和算力流動(dòng)，相比邊緣云基于專線互通的方式節(jié)省運(yùn)營(yíng)商額外的專網(wǎng)建進(jìn)一步的，移動(dòng)網(wǎng)絡(luò)可以通過(guò)Mesh互聯(lián)的方式提供UE到邊緣算力的連接以及UE到中心云算力的連接。從而使得應(yīng)用能夠靈活將服務(wù)部署到UE算力、邊緣算力以及中心云算力，然后通過(guò)5GS提供的移動(dòng)算力網(wǎng)絡(luò)節(jié)點(diǎn)既包括承載算力的邊緣云，也包括承載移動(dòng)接入和用戶數(shù)據(jù)流轉(zhuǎn)發(fā)的5G網(wǎng)絡(luò)功能，在移動(dòng)算力網(wǎng)絡(luò)系統(tǒng)中需要云網(wǎng)兩方跨越邊界有效協(xié)同來(lái)為客戶提供高效的云網(wǎng)融合能力，實(shí)現(xiàn)應(yīng)用“一鍵入云”，5G邊緣業(yè)務(wù)部署即可用的云網(wǎng)融合愿景目標(biāo)。針對(duì)云網(wǎng)融合愿景目標(biāo)，可以考慮在5G現(xiàn)有能力基礎(chǔ)上構(gòu)筑內(nèi)生算力所需基礎(chǔ)網(wǎng)絡(luò)能力，使得5G核心網(wǎng)與內(nèi)生算力實(shí)例之間的網(wǎng)絡(luò)路由可以自動(dòng)化協(xié)商，達(dá)成算力實(shí)例網(wǎng)絡(luò)與APN之間的自動(dòng)化映射。移動(dòng)網(wǎng)路流量策略控制跨越當(dāng)前網(wǎng)絡(luò)內(nèi)生算力與核心網(wǎng)之間的網(wǎng)絡(luò)邊界，簡(jiǎn)化了站內(nèi)組網(wǎng)拓?fù)洌瑢?shí)現(xiàn)UE入網(wǎng)即得算力服務(wù)。MT-2V2MT-2V2移動(dòng)算力網(wǎng)絡(luò)是由海量的算網(wǎng)節(jié)點(diǎn)組成的超大規(guī)?？绲赜蚍植际剿憔W(wǎng)基礎(chǔ)設(shè)施。在可預(yù)見(jiàn)的未來(lái)，移動(dòng)算力網(wǎng)絡(luò)所包含的算網(wǎng)節(jié)點(diǎn)總數(shù)很可能達(dá)到數(shù)千乃至數(shù)萬(wàn)量級(jí)，從而形成一個(gè)拓?fù)錁O為復(fù)雜的分布式資源網(wǎng)絡(luò)。如何在一個(gè)如此巨大而復(fù)雜的網(wǎng)絡(luò)上實(shí)現(xiàn)精準(zhǔn)、高效的算網(wǎng)資源分配與調(diào)度，是從可商用性和用戶友好性角度出發(fā)，當(dāng)移動(dòng)算力網(wǎng)絡(luò)資源租戶在移動(dòng)算力網(wǎng)絡(luò)上部署自有業(yè)務(wù)時(shí)，可能只會(huì)提供預(yù)期的算力資源和網(wǎng)絡(luò)資源類型、數(shù)量與SLA訴求信息，甚至可能只希望提供一些業(yè)務(wù)應(yīng)用層面能夠感知到的服務(wù)體驗(yàn)要求。相應(yīng)的，算網(wǎng)租戶很可能既沒(méi)有意愿也沒(méi)有能力詳細(xì)分析在這種情況下，移動(dòng)算力網(wǎng)絡(luò)的管理編排層必須具備將租戶的高層次、大顆粒、抽象化業(yè)務(wù)訴求翻譯為具體詳細(xì)可實(shí)施的算網(wǎng)資源要求，并結(jié)合現(xiàn)網(wǎng)各算網(wǎng)節(jié)點(diǎn)的地理位置、網(wǎng)絡(luò)條件、業(yè)務(wù)負(fù)載、算力類型等信息，實(shí)現(xiàn)精確化、智能化調(diào)度，并通過(guò)這種調(diào)度讓租戶獲得的算網(wǎng)資源最大化滿足其原由此可知，對(duì)用戶業(yè)務(wù)意圖進(jìn)行分析以生成詳細(xì)算網(wǎng)資源需求，并針對(duì)算網(wǎng)資源進(jìn)行聯(lián)合調(diào)度發(fā)放的算網(wǎng)統(tǒng)一資源調(diào)度技術(shù)，是移動(dòng)算力網(wǎng)絡(luò)實(shí)現(xiàn)大規(guī)模商用的關(guān)鍵首先，移動(dòng)算力網(wǎng)絡(luò)管控層支持算網(wǎng)資源感知：移動(dòng)算力網(wǎng)絡(luò)感知移動(dòng)算力網(wǎng)絡(luò)節(jié)點(diǎn)及節(jié)點(diǎn)上算力服務(wù)的信息，如節(jié)點(diǎn)上的算力資源類型、算力服務(wù)類型等，同時(shí)夠感知移動(dòng)通信網(wǎng)絡(luò)的業(yè)務(wù)需求，如UE注冊(cè)、會(huì)話建立等；移動(dòng)通信網(wǎng)網(wǎng)絡(luò)節(jié)點(diǎn)作為提供算力方時(shí)，應(yīng)能針對(duì)自身的算力能力在移動(dòng)算力網(wǎng)絡(luò)中進(jìn)行注冊(cè)；移動(dòng)算力網(wǎng)絡(luò)應(yīng)能主動(dòng)發(fā)現(xiàn)可用的算力資源，并實(shí)現(xiàn)算力資源的納管；算力服務(wù)的能力還可包括移動(dòng)通信網(wǎng)絡(luò)特有的能力，如網(wǎng)元支持的最大同時(shí)接入用戶數(shù)，支持的最大同時(shí)在線其次，移動(dòng)算力網(wǎng)絡(luò)管控層支持節(jié)點(diǎn)資源狀態(tài)監(jiān)控：移動(dòng)算力網(wǎng)絡(luò)管理編排層對(duì)移動(dòng)算力網(wǎng)絡(luò)節(jié)MT-2V2MT-2V25GC實(shí)現(xiàn)算力感知的移動(dòng)會(huì)話管理可以考慮兩種方式：1）集中式。是指5GC控制面同時(shí)感知算力信息和網(wǎng)絡(luò)信息，根據(jù)算網(wǎng)資源優(yōu)化目標(biāo)，選擇最佳的邊緣計(jì)算節(jié)點(diǎn)以及對(duì)應(yīng)的用戶面，并通過(guò)控制面向選擇的UPF下發(fā)用戶面轉(zhuǎn)發(fā)規(guī)則，創(chuàng)建所需移動(dòng)會(huì)話。該集中式方案適用于邊緣計(jì)算節(jié)點(diǎn)稀疏分布場(chǎng)景；2）分布式。是指用戶面感知邊緣算力信息，并在用戶面直接動(dòng)態(tài)生成轉(zhuǎn)發(fā)規(guī)則，控制面只負(fù)責(zé)用戶面的鄰居關(guān)系，避免控制面頻繁更新用戶面轉(zhuǎn)發(fā)規(guī)則帶來(lái)的信令風(fēng)暴。分布式方案更適合于邊用戶在移動(dòng)網(wǎng)絡(luò)中移動(dòng)時(shí)，會(huì)存在基站切換、核心網(wǎng)用戶面切換以及業(yè)務(wù)切換等情況。由于當(dāng)前網(wǎng)絡(luò)和業(yè)務(wù)運(yùn)行在不同的業(yè)務(wù)域內(nèi)，且只有網(wǎng)絡(luò)側(cè)單方向?qū)ν馓峁┠芰﹂_(kāi)放接口，網(wǎng)絡(luò)只能被動(dòng)的被業(yè)務(wù)側(cè)調(diào)用，不能感知業(yè)務(wù)側(cè)的變化，當(dāng)業(yè)務(wù)側(cè)發(fā)生故障造成業(yè)務(wù)遷移或重部署情況為了在運(yùn)行態(tài)實(shí)現(xiàn)網(wǎng)絡(luò)、業(yè)務(wù)和算力資源間的最佳協(xié)同調(diào)度，移動(dòng)算力網(wǎng)絡(luò)架構(gòu)中應(yīng)該具備一個(gè)能夠感知到網(wǎng)業(yè)算的控制功能實(shí)體，基于網(wǎng)業(yè)算的互通情況、分布情況和資源情況，結(jié)合用戶位置、用戶訪問(wèn)業(yè)務(wù)的提供者和業(yè)務(wù)所需算力，做出綜合的判斷。在發(fā)生UE移動(dòng)、業(yè)務(wù)實(shí)例遷移、業(yè)務(wù)重部4.2.8算網(wǎng)體驗(yàn)QoS保障考慮到3GPP網(wǎng)絡(luò)架構(gòu)中定義的面向用戶和業(yè)務(wù)的QoS機(jī)制滿足不了對(duì)算力質(zhì)量的保障，為保證移動(dòng)算力網(wǎng)絡(luò)端到端業(yè)務(wù)體驗(yàn)，需要考慮引入新的針對(duì)移動(dòng)算力網(wǎng)絡(luò)的QoS機(jī)制。新引入的QoS參數(shù)，可以考慮上行QoS由終端側(cè)應(yīng)用標(biāo)記，基于指定的參數(shù)，網(wǎng)絡(luò)側(cè)翻譯成端側(cè)應(yīng)用對(duì)算力資源的需求，包括：計(jì)算資源類型、計(jì)算資源大小、網(wǎng)絡(luò)時(shí)延等級(jí)、計(jì)算時(shí)延等級(jí)，以及協(xié)助算力任務(wù)分配和算力資源調(diào)度所需的UE位置信息等。后續(xù)在5G-A的標(biāo)準(zhǔn)化過(guò)程中，可以通過(guò)直接新增QoS參數(shù)，或者新建算力QoSprofile來(lái)攜帶相關(guān)參數(shù)進(jìn)行會(huì)話建立以及算力任務(wù)分配和資源選擇。算網(wǎng)管控層基于這些算網(wǎng)QoS參數(shù)來(lái)選擇不同的轉(zhuǎn)發(fā)路徑和算力節(jié)點(diǎn)處理相關(guān)業(yè)務(wù)。計(jì)算類型和大小決定了算網(wǎng)管控層選擇具備對(duì)應(yīng)條件的算力節(jié)點(diǎn)；網(wǎng)絡(luò)時(shí)延等級(jí)決定了選擇用戶面路徑的圈層，例如是區(qū)縣級(jí)、地市級(jí)還是省中心的用戶面路徑；計(jì)算時(shí)延和計(jì)算資源與要處理的業(yè)務(wù)類型有關(guān)，算網(wǎng)管控層應(yīng)做出綜合策略。同時(shí)算網(wǎng)QoS需具備動(dòng)態(tài)調(diào)整能MT-2V2MT-2V2移動(dòng)算力網(wǎng)絡(luò)除了提供基本的網(wǎng)絡(luò)接入與轉(zhuǎn)發(fā)、不同類型的算力資源等基礎(chǔ)設(shè)施能力之外，必須通過(guò)引入適當(dāng)層次的基礎(chǔ)設(shè)施能力服務(wù)層，讓算網(wǎng)應(yīng)用開(kāi)發(fā)者可以通過(guò)近似于cloud-native的模式實(shí)現(xiàn)便捷高效的應(yīng)用開(kāi)發(fā)與適配。在充分利用移動(dòng)算力網(wǎng)絡(luò)所提供的各類接入、轉(zhuǎn)發(fā)、計(jì)算資源能力的同時(shí)，最大程度降低應(yīng)用開(kāi)發(fā)者的學(xué)習(xí)門檻，并使能開(kāi)發(fā)者以極簡(jiǎn)方式實(shí)現(xiàn)應(yīng)用的廣域協(xié)同、跨站彈在此基礎(chǔ)上，上述服務(wù)層應(yīng)當(dāng)能夠提供極易使用的端-邊通信與協(xié)同機(jī)制，幫助UE側(cè)App開(kāi)發(fā)者以IT化的開(kāi)發(fā)體驗(yàn)和軟件模式實(shí)現(xiàn)對(duì)算網(wǎng)資源和應(yīng)用的調(diào)用與協(xié)同，讓App開(kāi)發(fā)者無(wú)需理解移動(dòng)通綜上，有效抽象和封裝移動(dòng)算網(wǎng)基礎(chǔ)設(shè)施能力的服務(wù)化技術(shù)，對(duì)于吸引移動(dòng)算網(wǎng)業(yè)務(wù)應(yīng)用開(kāi)發(fā)移動(dòng)計(jì)算網(wǎng)絡(luò)作為算網(wǎng)融合的基礎(chǔ)設(shè)施，其用戶包括個(gè)人用戶、運(yùn)營(yíng)商、第三方垂直行業(yè)用戶。移動(dòng)算力網(wǎng)絡(luò)通過(guò)能力開(kāi)放接口為各類用戶提供安全隔離的端到端移動(dòng)接入的租戶環(huán)境，包括算力資源類型（CPU/GPU/NPU）及形態(tài)（VM、容器、函數(shù)）、5G網(wǎng)絡(luò)切片、終端用戶群組、VPC網(wǎng)關(guān)等。從開(kāi)發(fā)者友好性以及應(yīng)用快速開(kāi)發(fā)和部署角度看，移動(dòng)算力網(wǎng)絡(luò)需要能夠提供算網(wǎng)一體的租戶環(huán)境，提供符合云計(jì)算租戶習(xí)慣的操作，使得用戶不需要關(guān)心其租戶環(huán)境的網(wǎng)絡(luò)接入的多樣性和復(fù)雜的這里面臨的挑戰(zhàn)是，1）現(xiàn)在5G網(wǎng)絡(luò)切片機(jī)制雖然提供了5G網(wǎng)絡(luò)的定制化，但與云計(jì)算租戶機(jī)制是分離的，需要在資源模型和操作流程上打通，使得用戶在獲得租戶環(huán)境時(shí)，自動(dòng)完成5G切片和租戶網(wǎng)絡(luò)的統(tǒng)一，最大化減少5G網(wǎng)絡(luò)的學(xué)習(xí)成本；2）針對(duì)不同用戶的差異化需求，移動(dòng)算力網(wǎng)絡(luò)需要能夠提供分級(jí)的租戶自服務(wù)能力。這里的分級(jí)自服務(wù)是指用戶可以通過(guò)算網(wǎng)一體開(kāi)放接口按需定制不同規(guī)格的移動(dòng)算力網(wǎng)絡(luò)租戶環(huán)境，包括所需的計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)、終端用戶群組等資源類型和功能，并且根據(jù)用戶等級(jí)，為不同用戶開(kāi)放不同的租戶算網(wǎng)資源操作權(quán)限，包括對(duì)本地計(jì)算資源和網(wǎng)絡(luò)QoS調(diào)整、可見(jiàn)，算網(wǎng)一體能力開(kāi)放是移動(dòng)算力網(wǎng)絡(luò)作為算網(wǎng)融合基礎(chǔ)設(shè)施對(duì)外提供服務(wù)、構(gòu)建商業(yè)生態(tài)的MT-2V2MT-2V21.通過(guò)增加新的核心網(wǎng)網(wǎng)絡(luò)功能，來(lái)支持移動(dòng)算力網(wǎng)絡(luò)的新增能力。新增核心網(wǎng)元承擔(dān)算力節(jié)點(diǎn)管理、算力需求分解等任務(wù)。通過(guò)控制面信令交互完成算力節(jié)點(diǎn)注冊(cè)認(rèn)證、算力狀態(tài)信息感知等功能。新的網(wǎng)絡(luò)功能需要和算網(wǎng)大腦進(jìn)行