內(nèi)容來源：2022年11月12日，在全球邊緣計算大會·上海站上，我們非常榮幸邀請到了特斯聯(lián)集團(tuán)首席科學(xué)家楊旸博士來分享，楊旸博士曾任上海科技大學(xué)教授、科道書院院長、上海霧計算實驗室主任；科技部“第五代移動通信系統(tǒng)（5G）前期研究開發(fā)”重大項目總體專家組專家；國家科技重大專項“新一代寬帶無線移動通信網(wǎng)”總體組專家；研究領(lǐng)域包括5G/6G移動通信系統(tǒng)、智能物聯(lián)網(wǎng)、多層次算力網(wǎng)絡(luò)，開放無線測試驗證平臺等。已申請了120多項科技發(fā)明專利，發(fā)表了300多篇學(xué)術(shù)論文，出版了六部中英文專著。

楊旸：大家好，我今天和大家探討的話題是，邊緣計算的未來是什么？根據(jù)我們目前進(jìn)行的研究和產(chǎn)業(yè)化實踐經(jīng)驗，計算資源變得越來越重要。今天我們著重討論以下三個話題。

1、

為什么我們需要泛在智能：萬物互聯(lián)的必然趨勢

泛在智能概念的提出是建立在邊緣智能技術(shù)和應(yīng)用蓬勃發(fā)展的基礎(chǔ)之上?；谌f物互聯(lián)的快速發(fā)展態(tài)勢，今年8月末，中國物聯(lián)網(wǎng)的終端用戶數(shù)量已經(jīng)超過移動電話用戶數(shù)量，使得我國成為全球主要經(jīng)濟(jì)體中率先實現(xiàn)“物超人”國家。隨著新基建和智慧城市建設(shè)的不斷深化，物聯(lián)網(wǎng)的器件數(shù)量將會大幅度地超越當(dāng)前情況。 在IMT2030推進(jìn)組的報告里也提到[1]，未來6G移動通信系統(tǒng)會有八大不同的應(yīng)用場景，如圖1所示，其中的普惠智能和數(shù)字孿生場景是我們今天討論的重點。

為了實現(xiàn)這樣的應(yīng)用愿景，6G系統(tǒng)需要部署大量的、泛在的計算資源來承載普惠智能。所以，我們必須要思考在邊緣計算之后，普惠智能的需求會遇到什么樣的挑戰(zhàn)和困難？由于人類社會是大自然創(chuàng)造的最優(yōu)秀最聰明的智能網(wǎng)絡(luò)，所以我認(rèn)為未來的普惠智能服務(wù)將會構(gòu)建在一種分層次、分布式的算力網(wǎng)絡(luò)之上。 這樣，大量高冗余度、低質(zhì)量、低價值的本地物聯(lián)網(wǎng)數(shù)據(jù)就可以利用邊緣和網(wǎng)絡(luò)中的分布式計算資源來及時處理，從而顯著提升用戶服務(wù)質(zhì)量、數(shù)據(jù)安全性和響應(yīng)時效性，降低了必須要傳輸?shù)皆贫说臄?shù)據(jù)量，同事減少了能量消耗。目前，在網(wǎng)絡(luò)里有很多計算資源還沒有被完全地利用起來，通過GECC社區(qū)所有人的共同努力，我們可以逐步實現(xiàn)云網(wǎng)邊端所有計算資源的協(xié)作與管理，支撐無處不在的普惠智能應(yīng)用愿景。 在21年10月的開發(fā)者創(chuàng)新大會上，英特爾公司在邊緣計算和算網(wǎng)架構(gòu)方面提出了四大戰(zhàn)略方向[2]，

圖2 英特爾公司提出的四大戰(zhàn)略方向[2] 分別是Ubiquitous Compute（泛在的計算）、PervasiveConnectivity（遍布的鏈接）、Cloud-to-Edge Infrastructure（云到邊的算力架構(gòu)）、以及Artificial Intelligence （人工智能）。它們合在一起，就構(gòu)成了泛在、普惠的智能服務(wù)架構(gòu)，能夠把邊緣、網(wǎng)絡(luò)、以及云端的海量計算資源都有效管理和調(diào)度服務(wù)，實現(xiàn)為用戶、為需求所用。這與我們做泛在智能的想法不謀而合。

2、

怎樣支持泛在智能：Network AI Architecture

當(dāng)前的云管邊端架構(gòu)將算力資源和智能算法主要集中在云端，不太適合及時處理海量的物聯(lián)網(wǎng)數(shù)據(jù)。為了支持泛在智能服務(wù)，我們需要創(chuàng)建一個新型網(wǎng)絡(luò)架構(gòu)，能夠靈活利用云、網(wǎng)、邊、端等多層次、分布式的泛在計算資源。我們在2018年的論文[3,4]中提出了這個類似八爪魚的網(wǎng)絡(luò)架構(gòu)，其中白色的圓圈表示網(wǎng)絡(luò)中的空閑計算資源，它們是與應(yīng)用軟件解耦合的。八爪魚的觸角越往下顏色越深，這意味著這些共享的泛在計算資源已按需被軟件定義成不同的功能和作用，從而更有效地去服務(wù)千差萬別的應(yīng)用場景，比如：智能機(jī)場、智能制造、車聯(lián)網(wǎng)、智能交通等等。 當(dāng)某個應(yīng)用場景的特定服務(wù)結(jié)束后，相應(yīng)的計算硬件和智能軟件的耦合與協(xié)作狀態(tài)解除，就可以釋放這部分被占用的計算資源，讓它們重新恢復(fù)白色空閑狀態(tài)。這樣就能夠充分發(fā)揮本地和區(qū)域內(nèi)多層次、分布式計算資源的共享優(yōu)勢和協(xié)作能力，更加靈活、彈性、智能地服務(wù)未來不確定的應(yīng)用場景和用戶需求，服務(wù)未知的環(huán)境狀態(tài)和變化的用戶需求體現(xiàn)了網(wǎng)絡(luò)架構(gòu)智能化的水平。

圖3 多層次泛在計算的智能網(wǎng)絡(luò)架構(gòu)[3]

在2019年9月，芬蘭科學(xué)家提出了6G移動通訊網(wǎng)絡(luò)的泛在無線智能架構(gòu)[5]，將邊緣計算節(jié)點、霧計算節(jié)點和移動通信網(wǎng)絡(luò)結(jié)合在一起，目標(biāo)是把物理世界和數(shù)字世界完全融合，能夠用無處不在的計算資源來滿足用戶千差萬別的個性化服務(wù)需求。

圖4 聯(lián)通CUBE-Net 3.0架構(gòu)[6] 在去年3月，中國聯(lián)通發(fā)布了CUBE-Net3.0網(wǎng)絡(luò)架構(gòu)[6]，包含了邊緣DC，區(qū)域DC和基地DC，這些計算資源是分層級、分布式部署的，要根據(jù)數(shù)據(jù)量、服務(wù)覆蓋范圍和任務(wù)復(fù)雜性等做出合理分配和調(diào)度管理。這樣做的本質(zhì)上是將計算資源下沉，實現(xiàn)智能服務(wù)的本地化和低時延，提升用戶滿意度。 中國移動在去年11月發(fā)布了算力網(wǎng)絡(luò)白皮書[7]，提出了算力網(wǎng)絡(luò)架構(gòu)發(fā)展的三個階段，即泛在協(xié)同階段、融合統(tǒng)一階段、以及一體內(nèi)生階段。最終，通信和計算在未來的智能網(wǎng)絡(luò)架構(gòu)中是不可分割的，這是我們努力的方向和目標(biāo)。 在學(xué)術(shù)界和工業(yè)界許多資深專家的指導(dǎo)下，我們在今年7月份提出了一個網(wǎng)絡(luò)智能架構(gòu)（Network AIArchitecture）[8]。圖5展示了云智能、邊緣智能和網(wǎng)絡(luò)智能服務(wù)的差別。紅色虛線標(biāo)出的云智能服務(wù)高高在上，要等所有的用戶數(shù)據(jù)和任務(wù)通過移動通信網(wǎng)絡(luò)傳送到云端進(jìn)行分析和處理。綠色虛線標(biāo)出的邊緣智能服務(wù)利用了外掛式的本地計算資源，通常與通信網(wǎng)絡(luò)是割裂的，用戶數(shù)據(jù)和任務(wù)要經(jīng)過移動通信網(wǎng)絡(luò)的傳輸才能到達(dá)邊緣計算節(jié)點。就算這個邊緣計算節(jié)點就在你身邊，對不起，數(shù)據(jù)還是要通過移動通信網(wǎng)絡(luò)兜一圈才能為你提供邊緣智能服務(wù)。

圖5 以每個用戶為中心的網(wǎng)絡(luò)智能架構(gòu)[8] 在藍(lán)色虛線標(biāo)出的網(wǎng)絡(luò)智能架構(gòu)中，為了實現(xiàn)真正的AI內(nèi)生，需要將泛在計算資源與移動通信網(wǎng)絡(luò)深度融合在一起。我們提出的方案是采用多功能節(jié)點（mNode: multi-function Node）來替代所有網(wǎng)元，每一個mNode都集成了感知、存儲、通信、計算、控制和AI算法等多種能力（如圖3中的白色圓圈），通過軟硬件解耦合和網(wǎng)絡(luò)功能虛擬化技術(shù)來實現(xiàn)傳統(tǒng)基站、路由器、交換機(jī)和服務(wù)器的不同功能，真正達(dá)到了感存通算控智等綜合能力的深度融合和靈活運用。就好像社會中的每個人，既要能夠干活（計算能力），也要善于溝通（通信能力），又要了解工作環(huán)境（感知能力），還要始終不忘初心（存儲能力）。 為了更好地管理和利用多層分布的mNode，我們設(shè)計了兩個控制單元。其中，NALC（Network AI Logic and Control）單元負(fù)責(zé)本地和區(qū)域資源的調(diào)度和管理，保障用戶的實時和準(zhǔn)實時服務(wù)需求；NAMO（Network AI management and Orchestration）單元負(fù)責(zé)跨領(lǐng)域和外掛式資源的調(diào)度和協(xié)作，保障用戶的高強(qiáng)度算力資源需求。這種基于多層次計算資源的網(wǎng)絡(luò)架構(gòu)可以有效支持泛在智能的服務(wù)需求，能夠突破當(dāng)前的煙囪式、碎片化物聯(lián)網(wǎng)服務(wù)模式，充分復(fù)用網(wǎng)絡(luò)中的軟硬件資源和系統(tǒng)功能，只需要針對不同行業(yè)嵌入特別的領(lǐng)域知識，就可以開發(fā)出物聯(lián)網(wǎng)的新應(yīng)用和新服務(wù)，從而大大縮短了研發(fā)周期，并降低了系統(tǒng)復(fù)雜性和研發(fā)成本。

3、

如何評估網(wǎng)絡(luò)智能架構(gòu)的性能：服務(wù)用戶業(yè)務(wù)定制的能力

通信工程師傳統(tǒng)上非常注重系統(tǒng)側(cè)的性能指標(biāo)，比如：頻譜效率、能耗效率、服務(wù)覆蓋率、系統(tǒng)吞吐量、以及用戶容量等。在物理世界里，我們習(xí)慣于先將用戶或場景進(jìn)行分類（比如：移動用戶或靜止用戶，語音用戶或數(shù)據(jù)用戶，eMBB/uRLLC/mMTC應(yīng)用場景），然后為不同類型的用戶提供不同的標(biāo)準(zhǔn)化服務(wù)，這樣做的服務(wù)效率和性價比最高。這就像一款夾克會分為XL/L/M/S等號碼來適應(yīng)不同體型的用戶需求。相反，定制化服務(wù)在物理世界中會耗費更多人力、物力和時間，往往非常昂貴。 而未來的數(shù)字世界里[9]，每個用戶都有自己的數(shù)字孿生和數(shù)據(jù)倉庫，定制化服務(wù)將成為新常態(tài)和新標(biāo)準(zhǔn)，現(xiàn)在的許多移動互聯(lián)網(wǎng)應(yīng)用已經(jīng)可以根據(jù)每個用戶的瀏覽和購買記錄來推送類似的新聞或者商品。在充分保護(hù)用戶數(shù)據(jù)安全和個人隱私的前提下，每個用戶在數(shù)字世界中都會積累越來越多的行為數(shù)據(jù)和模型，從而將智能服務(wù)的顆粒度從一組同類型用戶縮小為每個用戶，這將是源自用戶側(cè)需求的根本性變化。 定制化服務(wù)是為了充分滿足每個用戶的個性化需求，具有多樣性和復(fù)雜性，往往包含了多個用戶側(cè)性能指標(biāo)的組合。比如打互動性很強(qiáng)的網(wǎng)絡(luò)游戲時，用戶會同時要求低時延（響應(yīng)快捷）、高速率（圖像清晰）、高可靠（體驗穩(wěn)定）、低功耗（服務(wù)時間長）、以及少收費（性價比高）等等，她/他不會因為是坐在高鐵里打游戲，就降低對服務(wù)質(zhì)量和用戶體驗的要求。所以，用戶側(cè)（需求側(cè)）關(guān)心的性能指標(biāo)與系統(tǒng)側(cè)（供給側(cè)）的性能指標(biāo)是很不一樣的。 每個用戶的個性化服務(wù)需求是由一系列用戶側(cè)性能指標(biāo)的上限和下限來描述的，比如，數(shù)據(jù)速率和可靠性指標(biāo)肯定是下限，越高越好；服務(wù)時延、能耗和費用肯定是上限，越低越好。每個用戶的不同業(yè)務(wù)都會有一個專屬的服務(wù)需求區(qū)間（Service Requirement Zone, SRZ），可以用雷達(dá)圖來清晰展示這個個性化、多維度的新概念。如圖6所示，除了打游戲的SRZ，每個月初我都會第一時間把工資轉(zhuǎn)給我太太，在移動銀行轉(zhuǎn)賬業(yè)務(wù)的SRZ中，我對安全性要求特別高，對服務(wù)時延要求沒那么高。轉(zhuǎn)賬時間稍微長一點沒關(guān)系，能看見這個數(shù)字在我的賬號里多停留一秒鐘，也是讓我多開心一會兒。

圖6 互動網(wǎng)絡(luò)游戲與移動銀行轉(zhuǎn)賬的服務(wù)需求區(qū)間[8] 我們認(rèn)為要客觀公正地評估云智能、邊緣智能、或網(wǎng)絡(luò)智能架構(gòu)到底好不好，最簡單、最根本的方法就是測試和驗證它是不是能同時滿足大量用戶的個性化、定制化、多維度的服務(wù)需求區(qū)間 SRZ要求，也就是能同時支持多個用戶不同的業(yè)務(wù)性能指標(biāo)組合，如圖7所示。雖然這些性能指標(biāo)單獨看起來沒有那么高，但是要做到讓每個用戶都滿意的定制化服務(wù)，就必須要同時滿足為各個用戶量身訂制的多個性能指標(biāo)，這實際上是一個很高的要求。 因此，我們把用戶滿意率（User Satisfaction Ratio, USR）作為評估網(wǎng)絡(luò)智能架構(gòu)能力的最簡單、最公平的系統(tǒng)側(cè)核心性能指標(biāo)，即在所有已服務(wù)過的用戶中，完全滿意用戶的比例。USR客觀反映了用戶的整體服務(wù)體驗，既可以用于分析多個用戶的不同任務(wù)滿意率，也可以分析同一個用戶的多個任務(wù)的滿意率。

圖7 智能系統(tǒng)的用戶滿意率[8] 為了公平比較，在圖8中，我們對云智能、邊緣智能和網(wǎng)絡(luò)智能架構(gòu)進(jìn)行了統(tǒng)一建模，同時考慮了多層次的計算資源（C1、C2、C3和CC）和通信速率（R1、R2、R3和RC），所以每個用戶不同業(yè)務(wù)的執(zhí)行要同時低于端到端的時延（通信時延+計算時延）和能耗（通信能耗+計算能耗）的上限要求。換言之，只有同時滿足了這兩個性能指標(biāo)，用戶才是滿意的，USR才能得到提升。

圖8 通信計算一體化的網(wǎng)絡(luò)智能架構(gòu)模型[8] 圖9和圖10分別展示了用戶業(yè)務(wù)密度、計算需求、業(yè)務(wù)大小和網(wǎng)絡(luò)通信速率對于用戶滿意率的影響。

圖9業(yè)務(wù)密度和計算需求對USR的影響[8]

圖10 業(yè)務(wù)大小和網(wǎng)絡(luò)通信速率對USR的影響[8] 在兩種不同的業(yè)務(wù)調(diào)度算法下（TCTB和FES），與集中式的云智能架構(gòu)相比，邊緣智能和網(wǎng)絡(luò)智能架構(gòu)分別建立在兩層次和多層次的分布式計算資源之上，可以有效支持每個用戶各種類型的業(yè)務(wù)達(dá)到更高的服務(wù)滿意率。 作為總結(jié)，今天我們在用戶側(cè)和系統(tǒng)側(cè)分別提出了“服務(wù)需求區(qū)間SRZ”和“用戶滿意率”的概念和指標(biāo)，用于評估支持泛在智能的網(wǎng)絡(luò)架構(gòu)的定制化服務(wù)能力。如同GECC這個溫暖的大家庭，我們不會把所有事情都交給會議主席一個人去處理（無法確保響應(yīng)時間），也不會把所有事情都交給會務(wù)公司去處理（無法確保技術(shù)報告質(zhì)量），而是要利用GECC核心骨干成員每個人的能力和資源，通過協(xié)作互助模式更好地為所有與會者服務(wù)，在效果、質(zhì)量、效率和費用之間取得最好的平衡。

審核編輯 ：李倩