算網(wǎng)一體技術(shù)研究及發(fā)展探討2023年7月目錄目錄1算網(wǎng)一體提出的背景 2算網(wǎng)一體新技術(shù)探索 3總結(jié)與展望 2中國移動(dòng)提出“算力網(wǎng)絡(luò)”新理念中國移動(dòng)提出“算力網(wǎng)絡(luò)”新理念一年多來持續(xù)開拓創(chuàng)新，全力推進(jìn)算力網(wǎng)絡(luò)發(fā)展，形成一系列創(chuàng)新成果，在業(yè)界取得了廣泛共識(shí)算力網(wǎng)絡(luò)是以算為中心、網(wǎng)為根基，網(wǎng)、云、數(shù)、智、安、邊、端、鏈（ABCDNETS）等深度融合、提供一

發(fā)布新理念 融入新戰(zhàn)略成為“5G+算力網(wǎng)

開創(chuàng)新方向發(fā)布《算力網(wǎng)絡(luò)技術(shù)白皮書》，

開啟新征程發(fā)布《算力網(wǎng)絡(luò)創(chuàng)新成果》；CFITI試驗(yàn)網(wǎng)與中

邁向新階段完成CFITI試驗(yàn)網(wǎng)一期總結(jié)驗(yàn)收，形成案例集；發(fā)布世界最長距離400G光傳輸試驗(yàn)網(wǎng)絡(luò)；體化服務(wù)的新型信息基礎(chǔ)設(shè)施?！袊苿?dòng)《算力網(wǎng)絡(luò)

楊杰董事長提出“算力網(wǎng)絡(luò)”概念與愿景

發(fā)布中國移動(dòng)《算力網(wǎng)絡(luò)白皮書》和發(fā)展倡議

絡(luò)+能力中臺(tái)”新型信息基礎(chǔ)設(shè)施的關(guān)鍵一環(huán)

提出十大技術(shù)方向

國算力網(wǎng)、信息高鐵三2022.12

成立算力網(wǎng)絡(luò)子鏈專家委員會(huì)，成立14支攻關(guān)戰(zhàn)隊(duì)2023.3白皮書》

2021.8

2021.11 2022.1 2022.6“算網(wǎng)一體”是中國移動(dòng)算力網(wǎng)絡(luò)發(fā)展的深化“算網(wǎng)一體”是中國移動(dòng)算力網(wǎng)絡(luò)發(fā)展的深化算力網(wǎng)絡(luò)的發(fā)展經(jīng)過三個(gè)階段的發(fā)展，逐漸深化起步階段：泛在協(xié)同 發(fā)展階段：融合統(tǒng)一 跨越階段：一體內(nèi)生編排管理

一站服務(wù)：一站開通算網(wǎng)服務(wù)協(xié)同協(xié)同編排網(wǎng)隨算動(dòng)

融合服務(wù)：產(chǎn)品融合、確定性服務(wù)統(tǒng)一運(yùn)營：統(tǒng)一入口、統(tǒng)一平臺(tái)智能編排算網(wǎng)融合

一體服務(wù)：多層次智簡無感服務(wù)模式創(chuàng)新：多方算力可信交易2025~十五五階段及更長期2025~十五五階段及更長期2021-2023

十四五階段

2024-20254算網(wǎng)一體架構(gòu)及總體設(shè)計(jì)算網(wǎng)一體架構(gòu)及總體設(shè)計(jì)算網(wǎng)一體通過“聯(lián)合感知”“混合控制”“極致互聯(lián)”構(gòu)建面向智能化時(shí)代的數(shù)字基礎(chǔ)設(shè)施聯(lián)合感知混合控制網(wǎng)絡(luò)信息聯(lián)合感知混合控制網(wǎng)絡(luò)信息拓?fù)湫畔砣麪顟B(tài)算力信息CPU利用率異構(gòu)算力 前提集中式控制分布式控制SLA指標(biāo)算力規(guī)模 消費(fèi)側(cè)節(jié)點(diǎn)1節(jié)點(diǎn)2 節(jié)點(diǎn)4支撐作用任務(wù)分解與調(diào)配節(jié)點(diǎn)3突破RDMA長距傳輸瓶頸，廣域吞吐敏感網(wǎng)絡(luò)

實(shí)現(xiàn)廣域高性能互聯(lián) CSP4CSP3CSP2CSP4CSP3CSP2CSP1ISP2極致互聯(lián) ISP1

算力路由在網(wǎng)計(jì)算

創(chuàng)新互聯(lián)網(wǎng)架構(gòu)協(xié)議，基于算網(wǎng)資源聯(lián)合感知實(shí)現(xiàn)動(dòng)態(tài)融合決策選路網(wǎng)絡(luò)內(nèi)生算力，基于集中式控制，實(shí)現(xiàn)計(jì)算任務(wù)跨云、網(wǎng)、邊、端分布式協(xié)同5目錄目錄1算網(wǎng)一體提出的背景 2算網(wǎng)一體新技術(shù)探索 3總結(jié)與展望 61、算力路由:概念和技術(shù)1、算力路由:概念和技術(shù)2018年開研究算融合術(shù)，向云協(xié)同邊邊同的性能轉(zhuǎn)”問題提出路由引入算信進(jìn)行合調(diào)度 發(fā)現(xiàn)問題云邊以及邊邊調(diào)度之間出現(xiàn)“性能反轉(zhuǎn)”

問題本質(zhì)計(jì)算和網(wǎng)絡(luò)是獨(dú)立系統(tǒng)，算的負(fù)載和網(wǎng)的擁塞信息沒有產(chǎn)生關(guān)聯(lián)中心云邊緣節(jié)點(diǎn)算：中心云邊緣節(jié)點(diǎn)

解決思路在路由中引入計(jì)算信息，進(jìn)行聯(lián)合調(diào)度,感知：路由：-計(jì)算負(fù)載高及網(wǎng)絡(luò)隊(duì)列

形成算力感知網(wǎng)絡(luò)CAN邊緣節(jié)點(diǎn)

深的條件下，邊緣響應(yīng)平均時(shí)延及尾時(shí)延遠(yuǎn)大于中心云-算的負(fù)載狀態(tài)以及網(wǎng)的擁塞情況均是問題來源

造成大量計(jì)算資源的閑置網(wǎng)：增加帶寬、配置專線...增加網(wǎng)絡(luò)建設(shè)、運(yùn)維成本通過仿真發(fā)現(xiàn)在路由中引入算力信息在低、中、重載情況下均有一定的優(yōu)化效果批量100個(gè)客戶端通過http連續(xù)訪問服務(wù)端程序1、算力路由：得到國際同行高度認(rèn)可1、算力路由：得到國際同行高度認(rèn)可歷經(jīng)4年，中國移動(dòng)在IETF發(fā)起成立算力路由工作組(CATS,Computing-AwareTrafficSteering)牽頭在IETF召開首次算力路由研討會(huì)sidemeeting召開第二次、第三次算力牽頭在IETF召開首次算力路由研討會(huì)sidemeeting召開第二次、第三次算力路由研討會(huì)sidemeetingIETF113次會(huì)議，牽頭召開第一次BOFIETF116次會(huì)議，牽頭召開第二次BOFIETFWG中國移動(dòng)擔(dān)任主席2019.112020.11~2021.032022.03場景和需求達(dá)成共識(shí)2022.112023.03獲取關(guān)注，凝聚初步共識(shí)討論技術(shù)路線，工作組章程里程碑 面向AR/VR、車聯(lián)等新多節(jié)部署務(wù)的景，定算路由場景需求架構(gòu)準(zhǔn) 當(dāng)前，許多服務(wù)會(huì)創(chuàng)建多個(gè)服務(wù)實(shí)例，這些實(shí)例通常在地理上分布在多個(gè)站點(diǎn)。工作組主要考慮網(wǎng)絡(luò)邊緣節(jié)點(diǎn)如何引導(dǎo)服務(wù)的客戶端和提供服務(wù)的站點(diǎn)之間的流量的問題。WGCharter/wg/cats/about/

范圍基礎(chǔ)工作：問題聲明、場景、需求、技術(shù)分析等總體架構(gòu)：定義、組網(wǎng)、功能模塊等定義、基于現(xiàn)有協(xié)議的實(shí)現(xiàn)、潛在新協(xié)議需求的分析

里程碑/計(jì)劃2023年7分析等基礎(chǔ)文稿2024年7月，采納架構(gòu)文稿2025年11月，提交架構(gòu)文稿至RFC發(fā)布序列81、算力路由：IETF1、算力路由：IETF工作進(jìn)展 篇文稿，即在IETF117召第二會(huì)議，聚焦架構(gòu)需求計(jì)算標(biāo)定等 CATS架構(gòu)核心組件IngressCATS-Router：Classifier(C-TC流量，決定服務(wù)節(jié)點(diǎn)Selector (C-PS)：選擇網(wǎng)絡(luò)轉(zhuǎn)發(fā)路徑EgressCATS-Router：NetworkMetricAgent(C-NMA):收集和分發(fā)網(wǎng)絡(luò)指標(biāo)ServiceMetricAgent(C-SMA):收集和分發(fā)服務(wù)和計(jì)算指標(biāo)CATS-controlcenter：ComputinginformationBase(C-CIB)：維護(hù)細(xì)粒度的計(jì)算信息NetworkMetricinformationBase(C-NIBCalculationUnit(C-PCE):計(jì)算最合適的網(wǎng)絡(luò)路徑和選擇服務(wù)節(jié)點(diǎn)interface:center與的接口/doc/draft-ldbc-cats-framework//doc/draft-yao-cats-awareness-architecture/

CATSWG目前的個(gè)人文稿場景：draft-yao-cats-ps-usecases-00，即將立項(xiàng)draft-an-cats-usecase-ai-00，CATS+AI大模型場景需求：draft-yao-cats-ps-usecases-00，draft-yuan-cats-end-to-end-problem-requirement-00draft-huang-cats-ps-and-requirements-of-l2-cats-01架構(gòu)：draft-ldbc-cats-framework-01draft-yao-cats-awareness-architecture-00計(jì)算Metric:draft-du-cats-computing-modeling-description-00draft-dunbar-cats-edge-service-metrics-00其他：draft-ddcb-cats-sfc-bgp-applicability-00(sfc-bgp方案)draft-jaehwoon-cats-mobility-00(cats支持移動(dòng)性方案)draft-wang-cats-green-challenges-00（cats綠色低碳考慮）draft-shi-cats-ipv6-based-con-00（cats與IPv6的應(yīng)用） 91、算力路由:實(shí)踐進(jìn)展1、算力路由:實(shí)踐進(jìn)展算力路由系統(tǒng)的實(shí)現(xiàn)根據(jù)網(wǎng)絡(luò)部署情況，支持集中式、分布式、混合式等多種組網(wǎng)方案。從集中式方案開始，分階段逐步推進(jìn)算力路由實(shí)驗(yàn)驗(yàn)證4總體測試方案4

階段I集中式方案11223344551分布式：1

完成算網(wǎng)控制器和原型樣機(jī)開發(fā)，構(gòu)建業(yè)內(nèi)首個(gè)集中式算力路由驗(yàn)證系統(tǒng)推進(jìn)廣東珠?，F(xiàn)網(wǎng)試點(diǎn)驗(yàn)證，驗(yàn)證業(yè)務(wù)承載量提升30%以上，算網(wǎng)綜合資源利用率提升32%以上

算網(wǎng)控制器算力路由網(wǎng)關(guān)3集中式：3用戶

階段II端到端算力路由系統(tǒng)驗(yàn)證技術(shù)方案驗(yàn)證開展CA-BGP等新型協(xié)議的驗(yàn)證測試分布式算力感知算網(wǎng)控制器 Restful 分布式算力感知算網(wǎng)控制器 Restful 分布式網(wǎng)絡(luò)感知集中式算網(wǎng)一體感知集中式多策略調(diào)度算網(wǎng)一體感知協(xié)3算力路由轉(zhuǎn)發(fā)BGP-LSTelemetryBGPSRv6PolicyBGP-FSNetconf2455CA-BGPCA-BGP算力路由網(wǎng)關(guān)應(yīng)用APP2算力路由網(wǎng)關(guān)1云資源池5CA-BGP 算力路由網(wǎng)關(guān)CA-BGP應(yīng)用APP云資源池算力路由網(wǎng)關(guān)算力路由網(wǎng)關(guān)云管理平臺(tái)

分布式算力路由樣機(jī)《算網(wǎng)一體技術(shù)體系關(guān)鍵技術(shù)創(chuàng)新案例》榮獲CCSA年度“最佳實(shí)踐案例”

《算力感知和算力路由構(gòu)建算網(wǎng)一體化調(diào)度》榮獲工信部2022年ICT優(yōu)秀案例“卓越科技創(chuàng)新獎(jiǎng)”

《算力感知和路由方案》通信世界全媒體“2023年度算力應(yīng)用案例十大標(biāo)桿”102、廣域吞吐敏感網(wǎng)絡(luò)：數(shù)據(jù)異地遷移的需求越來越多2、廣域吞吐敏感網(wǎng)絡(luò)：數(shù)據(jù)異地遷移的需求越來越多海量數(shù)據(jù)跨廣域網(wǎng)傳輸?shù)膱鼍霸絹碓蕉?，?shù)據(jù)異地上云、云遷移等場景的數(shù)據(jù)規(guī)模越來越大東數(shù)西存東數(shù)西算需求東數(shù)西算需求東數(shù)西渲2025年中國數(shù)據(jù)量將達(dá)到48.6ZB，其中適合東數(shù)西算的溫、冷數(shù)據(jù)占比95%2025年中國數(shù)據(jù)量將達(dá)到48.6ZB，其中適合東數(shù)西算的溫、冷數(shù)據(jù)占比95%數(shù)據(jù)上云需求自動(dòng)駕駛訓(xùn)練數(shù)據(jù)上云數(shù)據(jù)上云需求自動(dòng)駕駛訓(xùn)練數(shù)據(jù)上云單車日產(chǎn)數(shù)據(jù)幾TB至十幾TB，完成L3訓(xùn)練預(yù)計(jì)產(chǎn)生8EB數(shù)據(jù)，L4訓(xùn)練預(yù)計(jì)產(chǎn)生20EB數(shù)據(jù)綜藝原始素材上云綜藝原始素材總量一年達(dá)500PB，10TB~100TB量級(jí)/日/節(jié)目基因測序數(shù)據(jù)上云國內(nèi)某基因企業(yè)基因測序數(shù)據(jù)年數(shù)據(jù)100PB，TB~100TB量級(jí)/次FAST觀測數(shù)據(jù)上云FAST每年200+以上觀測項(xiàng)目，產(chǎn)生數(shù)據(jù)15PB左右，TB~PB量級(jí)/次影視制作科學(xué)計(jì)算云遷移為保證數(shù)據(jù)的安全存儲(chǔ)以及有效管理，云災(zāi)備市場規(guī)模不斷擴(kuò)大，2019年達(dá)到了32為保證數(shù)據(jù)的安全存儲(chǔ)以及有效管理，云災(zāi)備市場規(guī)模不斷擴(kuò)大，2019年達(dá)到了32億元，2023年達(dá)到了51億元，年復(fù)合增長率約為12.4%云遷移需求多云協(xié)同計(jì)算...112、廣域吞吐敏感網(wǎng)絡(luò)：以“兩高兩低”為目標(biāo)2、廣域吞吐敏感網(wǎng)絡(luò)：以“兩高兩低”為目標(biāo)實(shí)現(xiàn)高吞吐、高可靠、低時(shí)延、低算力損耗“兩高兩低”特性的算網(wǎng)高性能互聯(lián)網(wǎng)絡(luò)廣域網(wǎng)TCP傳輸吞吐受限時(shí)延由1ms增加到10ms時(shí)，吞吐下降10倍原生RDMA丟包敏感，難以直接用于廣域網(wǎng)丟包率達(dá)到0.5%，有效吞吐接近為

廣域吞吐敏感網(wǎng)絡(luò)4個(gè)關(guān)鍵技術(shù)，實(shí)現(xiàn)長距高吞吐傳輸4個(gè)關(guān)鍵技術(shù)，實(shí)現(xiàn)長距高吞吐傳輸① 新型擁塞控制算法，提升吞吐，降低丟包② ③ 丟包精確重傳機(jī)制，實(shí)現(xiàn)RDMA有損部署④ 數(shù)據(jù)安全加密協(xié)議，實(shí)現(xiàn)數(shù)據(jù)高安全傳輸① 人工硬盤快遞：操作復(fù)雜、流程繁瑣、占用人工多，且快遞過程中存在硬盤損壞、丟失等風(fēng)險(xiǎn)② 在線網(wǎng)絡(luò)傳輸：“低帶寬等不起，高帶寬用不起”，公網(wǎng)傳輸速率太慢，專網(wǎng)按月付費(fèi)模式性價(jià)比低122、廣域吞吐敏感網(wǎng)絡(luò)技術(shù)：組網(wǎng)架構(gòu)2、廣域吞吐敏感網(wǎng)絡(luò)技術(shù)：組網(wǎng)架構(gòu)運(yùn)營平臺(tái)算網(wǎng)大腦實(shí)現(xiàn)海量數(shù)據(jù)長距傳輸即送即達(dá)，滿足數(shù)據(jù)高效低成本搬運(yùn)和安全遷移的需求運(yùn)營平臺(tái)算網(wǎng)大腦

多數(shù)據(jù)量大多資源自動(dòng)分配數(shù)據(jù)源（私有云/公有云資源自動(dòng)分配數(shù)據(jù)源（私有云/公有云智算/超算中心廣域互聯(lián)云PE云PE數(shù)據(jù)快遞站彈性帶寬負(fù)載均衡安全加密普算中心（機(jī)房/營業(yè)廳）

TB~PB/次快快小時(shí)達(dá)好好省省差異化差異化服務(wù)小時(shí)達(dá)數(shù)十TB/小時(shí)當(dāng)日達(dá)次日達(dá)夜間空閑帶寬錯(cuò)峰傳輸數(shù)十TB/小時(shí)3、數(shù)字孿生網(wǎng)絡(luò)：典型應(yīng)用場景3、數(shù)字孿生網(wǎng)絡(luò)：典型應(yīng)用場景數(shù)字孿生網(wǎng)絡(luò)（DTN）通過網(wǎng)絡(luò)本體與虛擬孿生體間的實(shí)時(shí)交互映射數(shù)字孿生網(wǎng)絡(luò)（DTN）通過網(wǎng)絡(luò)本體與虛擬孿生體間的實(shí)時(shí)交互映射，助力實(shí)現(xiàn)網(wǎng)絡(luò)的全生命周期管理以及創(chuàng)新優(yōu)化策略的低風(fēng)險(xiǎn)、高效率部署，是面向算網(wǎng)一體的關(guān)鍵技術(shù)之一數(shù)字孿生網(wǎng)絡(luò)感知真實(shí)網(wǎng)絡(luò)流量狀態(tài)為模型訓(xùn)練提供充分空間，可提升路由決策的有效性策略下發(fā)前的孿生預(yù)驗(yàn)證，可降低對(duì)物理網(wǎng)絡(luò)的影響

數(shù)據(jù)中心網(wǎng)絡(luò)運(yùn)維網(wǎng)絡(luò)的高保真呈現(xiàn)、狀態(tài)的實(shí)時(shí)監(jiān)控網(wǎng)絡(luò)流量均衡調(diào)度，異常流量識(shí)別和處理等場景網(wǎng)絡(luò)配置預(yù)驗(yàn)證，網(wǎng)絡(luò)策略的雙閉環(huán)驗(yàn)證 中國移動(dòng)某省公司數(shù)據(jù)中心網(wǎng)絡(luò)中國移動(dòng)某省公司數(shù)據(jù)中心網(wǎng)絡(luò)3、數(shù)字孿生網(wǎng)絡(luò)：國際標(biāo)準(zhǔn)3、數(shù)字孿生網(wǎng)絡(luò)：國際標(biāo)準(zhǔn) 化準(zhǔn)體系，在際標(biāo)化組織ITU-T、IETF中同步推進(jìn)個(gè)標(biāo)項(xiàng)目 需求、架構(gòu)、能力評(píng)估等 需求、架構(gòu)、能力評(píng)估等 2020年，在牽頭開啟中國移動(dòng)2019在ITU-TSG13完成首個(gè)標(biāo)準(zhǔn)立項(xiàng)2022年3月，標(biāo)準(zhǔn)為四個(gè)優(yōu)秀標(biāo)準(zhǔn)之一方向成為SG13基于個(gè)DTN數(shù)據(jù)域技術(shù)要求，DTN管理和編排

2022年3月在NMRG組RFC已成為NMRG當(dāng)前目前5共同推進(jìn) 153、數(shù)字孿生網(wǎng)絡(luò)：國內(nèi)標(biāo)準(zhǔn)3、數(shù)字孿生網(wǎng)絡(luò)：國內(nèi)標(biāo)準(zhǔn)面向信息通信網(wǎng)絡(luò)的業(yè)務(wù)和管理需求，面向信息通信網(wǎng)絡(luò)的業(yè)務(wù)和管理需求，CCSATC3成立“數(shù)字孿生網(wǎng)絡(luò)”工作子組，已凝聚國內(nèi)DTN研究核心力量，推進(jìn)DTN標(biāo)準(zhǔn)體系構(gòu)建 工作子組研究進(jìn)展 2021年10，中興，信通院、中信科等多家單位參與已召開5次子組會(huì)議：6011個(gè)項(xiàng)目同步推進(jìn)：4項(xiàng)），參與5項(xiàng)。2，9個(gè)項(xiàng)目在研拓?fù)浣＝涌谝?guī)范可視化呈現(xiàn)數(shù)字線程孿生體管理…場景建模虛實(shí)映射網(wǎng)元建模數(shù)據(jù)服務(wù)數(shù)據(jù)存儲(chǔ)數(shù)據(jù)采集系統(tǒng)架構(gòu)隱私保護(hù)功能安全信息安全服務(wù)規(guī)范服務(wù)管理應(yīng)用場景測試規(guī)范分級(jí)體系評(píng)價(jià)方法評(píng)價(jià)指標(biāo)技術(shù)需求構(gòu)建準(zhǔn)則定義術(shù)語安全與合規(guī)應(yīng)用與服務(wù)評(píng)價(jià)與評(píng)測架構(gòu)與技術(shù)概念與需求數(shù)字孿生網(wǎng)絡(luò)標(biāo)準(zhǔn)體系163、數(shù)字孿生網(wǎng)絡(luò)：數(shù)據(jù)生成和優(yōu)化關(guān)鍵技術(shù)（PAGE3、數(shù)字孿生網(wǎng)絡(luò)：數(shù)據(jù)生成和優(yōu)化關(guān)鍵技術(shù)（PAGE1/3） AI模型可助力構(gòu)建實(shí)性高輕量、高度的但臨數(shù)挑戰(zhàn) DTNAI建模的數(shù)據(jù)挑戰(zhàn)真實(shí)數(shù)據(jù)缺失：且數(shù)量、類型和精度有限多源數(shù)據(jù)：AI模型

問題抽象問題設(shè)置：基于某AI模型（如模型），大規(guī)模網(wǎng)絡(luò)評(píng)價(jià)指標(biāo)：路徑平均時(shí)延的預(yù)測平均絕對(duì)百分誤差 面向AI模型構(gòu)建，提出AutoOPT方案，過數(shù)生成優(yōu)化得到質(zhì)量據(jù) 數(shù)據(jù)生成（階段1）基于歷史流量數(shù)據(jù)及多樣化配置，生成模擬數(shù)據(jù)生成網(wǎng)絡(luò)配置：算法）（）量矩陣（）（OMNeT++，NS-3等）或AIGC技術(shù)（GPT，LLaMA等）生成模擬數(shù)據(jù)數(shù)據(jù)優(yōu)化（階段2）數(shù)據(jù)實(shí)際情形的高質(zhì)量數(shù)據(jù)種子樣本選擇：（態(tài)/隊(duì)列狀態(tài)/流狀態(tài)）->聚類->選擇類中心&最近鄰->領(lǐng)域知識(shí)驗(yàn)證增量優(yōu)化：簡單樣OOD識(shí)驗(yàn)證），

階段1 階段2 實(shí)驗(yàn)結(jié)果表明通過AutoOPT可到高量數(shù)，能夠提升AI模型精度和泛化能力 效果測試可擴(kuò)展性（表1）數(shù)據(jù)優(yōu)化的有效性（表2）

與已有方法相比結(jié)果接