驱动力
其他
算力网：2022如何开局？
在场景与技术的双轮驱动下,算力与网络融合成为新发展趋势。
算力网络作为架构在IP网之上、以算力资源调度和服务为特征的新型网络形态，成为通信企业关注焦点，三大运营商纷纷发布算力网络规划。在政策层面，构建数据中心、云计算、大数据一体化的新型算力网络，被正式纳入国家新型基础设施发展建设体系。
与此同时，在场景与技术的双轮驱动下,算力与网络融合成为新发展趋势，在云网融合基础上，行业正在迈向算网一体的新阶段。可以预见，2022年算网一体将走深走实，“算力”将成为建网首要驱动力。
业务场景需求是驱动算力网络的核心因素。随着边缘计算业务的逐步展开，各类行业用户对于边缘计算性能的需求也日益明确，特别是在多个边缘计算节点可选的情况下，用户希望能够根据其位置到计算节点之间的时延以及用户自身业务需求情况，综合选择计算与网络资源，即将算力资源与网络资源融合后提供给上层业务调用，也就是算网融合服务。
“从算力网络所倡导的技术理念中可以看出，算网一体是结合5G、泛在计算与AI的发展，在云网拉通和协同基础上的下一个网络发展阶段。”中国联通研究院首席科学家唐雄燕表示。
算网一体是在云网融合的基础上，强调结合未来业务形态的变化，在云、网、芯3个层面持续推进研发，实现应用部署匹配计算、网络转发感知计算、芯片能力增强计算。
算网融合是在云网融合大的框架下。中国电信研究院副院长陈运清表示，运营商要做云网融合的整体网络架构，算力作为要素渗透到云网各方面。而且在引入5G以后，云网边端更为复杂，如何通过算力网络适配资源节点多样性就成为算力网络迫切需要解决的问题。
技术路线
为了实现算网一体，需要解决算力度量、算力感知、算力路由、算力交易，以及算力编排等系列难题，因此算力网络技术应运而生。
算力网络作为一种新型网络技术方案，在“5G+MEC”时代，边缘服务的网络结合云网融合领域算力下沉、服务异构、网络简化等新趋势，探索“云-边-端”多级计算资源和服务能力，并通过承载网智能调度和高效分配的方式。算力网络需要网络和计算高度协同，将计算单元和计算能力嵌入网络，通过计算成网的方式，利用泛在闲散算力来缓解算力的潮汐效应，提高计算资源利用率。
为了实现算网资源的融合供给，需要逐步解决度量、感知、路由、交易、编排等多方面的技术难题。
由于算力资源并不像电力那样，能够用“度/千瓦时”这样的单位简单地进行量化，尤其考虑到CPU、GPU、FPGA、ASIC等不同芯片的类型，更是难以进行统一的衡量。因此需要在标准规范的基础上，量化异构算力资源以及多样化业务需求，建立统一的描述语言，给算力资源赋予可度量、可计费的标准单位。目前业界研究机构、产业联盟、标准组织等已经认识到这个问题，纷纷从不同角度展开了研究工作。
算力感知方面，有两种技术路线，一种是由资源所有方主动提供资源信息，并通过网络或者云管、资源管理等集中系统告知用户；另外一种则是由网络或者集中系统主动去探知资源信息。目前两种技术路线都处在不断发展的过程中。针对用户需求的感知，初期可以采用用户意图驱动的方式主动提供资源需求信息，后期随着人工智能算法的成熟，可以使用流量预测模型结合AI深度神经算法，从资源需求、资源消耗等方面进行预测，实现资源预配，加快资源部署速度，提升资源整体利用率。
算力路由将网络资源信息与算力资源信息有机地整合，以用户为中心来提供算力资源视图，让用户能够清楚地了解各类算力资源的分布情况与报价情况，从而确定最优的资源组合，成为算网融合服务的关键技术发展方向。
挑战
算力网络发展面临技术、商业模式等多方面的挑战。陈运清表示，目前算力感知、算力路由都处在初级发展阶段。“找到既满足云网融合，又满足需求的典型算力网络方式是行业面临的一大挑战。”
其一，单芯片、单设备的计算能力遇到了制造工艺、多核集成数量等方面的瓶颈，这就要求多芯片、多算力设施的联合服务。其二，5G核心网的云化部署使得边缘计算成为了可能，边缘计算要求计算的单元贴近用户，网络的服务质量成为评价边缘计算基础能力的重要标准。其三，随着AI识别、大视频、科学计算等新业务的发展，算力类型在CPU通用计算的基础上，不断向GPU、ASIC等专用类型扩展，需结合用户快速接入计算服务的要求，计算节点在网络中的布局也需要结合网络情况和业务需求综合考虑。
针对上述挑战，业界专家表示，建议加强顶层设计，通过“以算联网，以网促算”的方式进行计算和网络的联合布局优化，并通过计算成网弥补我国计算芯片单体的自主可控短板。
在商业模式方面，业内专家提出了通过基础资源附加更多业务的强管道模式，“联接+计算”的一体化服务场景的强平台模式和结合IPv6+等数据通信新技术的强网络模式。
算力网络的产业发展、生态建设及商业落地，需要产业各方共同努力。通过制定网络架构和接口标准形成业界统一的算力网络技术体系，指引产业链各方进行产品开发、商用落地和运营维护，促成产业伙伴间高效合作与协同，促进算力网络的可持续健康发展。
延伸阅读：