2023面向5G-A的移动算力网络需求及潜在关键技术.docx

《2023面向5G-A的移动算力网络需求及潜在关键技术.docx》由会员分享，可在线阅读，更多相关《2023面向5G-A的移动算力网络需求及潜在关键技术.docx（33页珍藏版）》请在优知文库上搜索。

1、IMT-2020(5G)推进组白皮书20236面向5G-A的移动算力网络需求及潜在关键技术-1.Z.,刖百近年来，5G网络商用正在全球加速推进，5G已经进入了千行百业，新的业务场景对移动网络提出了新的更高的要求，5G网络演进(5G-Advanced)网络架构与主要技术随之逐步确定。在5G-A网络进一步深入行业应用之后，整体移动通信网络架构已经呈现出云网协同的趋势。同时，算力网络作为国家、社会、产业发展重要的战略需求，算力和移动网络的结合已成为了业界共识，移动通信网络和算力的融合将赋予移动网络在传统连接之外的计算能力，以算助网，提供高品质算网协同的移动联接能力。本白皮书对移动算力网络(Mobil

2、ecomputingForceNetwork,MCFN)的产生背景、核心特征、典型场景、技术要求、架构及关键技术进行了系统性的阐释，希望联合产业各方，凝聚产业共识建设技术体系，孵化产业生态创新商业场景，坚定产业信心明确实施路径，最终推动移动算力网络的实现。，八，I.-22(5G)推进组面向5G-A的移动算力网络需求及潜在关破技术白皮书移动算力网络概念Pl典型移动算力网络场景P3场景需求总结及技术要求P12移动算力网络架构及潜在关键技术P15移动算力网络产业发展倡议P21总结和展望P22.主要贡献单位P25IMT-2020(5G)推进组于2013年2月由中国工业和信息化部、国家发展和改革委员会、

3、科学技术部联合推动成立，组织架构基于原IMT-AdVanCed推进组，成员包括中国主要的运营商、制造商、高校和研究机构。推进组是聚合中国产学研用力量、推动中国第五代移动通信技术研究和开展国际交流与合作的主要平台。移动算力网络概念1. 1算力网络算力网络是面向未来计算与网络深度协同的新型网络架构。以现有网络技术为基础，算力网络通过无所不在的网络连接分布式计算节点，实现服务的自动化部署、最优路由和负载均衡。从而构建起连接+算力+能力的全新网络基础设施，保证网络能够按需、实时调度不同位置的计算资源，提高网络和计算资源利用率，进一步提升用户体验，从而达到网络无所不达，算力无处不在，智能无所不及的愿景。

4、算力网络具备以下特征： 实时、快速业务调度：基于网络层实时感知业务需求和网络、计算状态，相比于传统的集中式云计算调度，算力网络可以结合实时信息，实现快速的业务调度： 保证用户体验一致性：网络可以感知无处不在的计算和服务，用户无需关心网络中的计算资源的位置和部署状态。网络和计算协同调度保证用户的一致体验； 多维度协同编排：网络基于用户的S1.A(SerViCe1.eVelAgreement)需求，综合考虑实时的网络资源状况和计算资源状况，动态编排分布式算力、存储、网络服务，双向匹配网络资源与业务需求，实现业务体验的优化及资源的全局优化。目前的算力网络的前沿网络技术研究主要关注IP承载网的算力业务

5、感知，算力网络分析用户的算力业务需求，通过综合考虑网络实时状况和算力节点资源状态，将用户的计算任务路由到最佳的目标计算节点，以保证业务的用户体验。 .2移动算力网络移动算力网络是以移动网络能力及基础设施为基础，并基于5G-A网络架构与算力资源共同组成的开放式算网基础设施，其目的是实现移动网络与算力的协同，以达成移动网络内算力访问的最优体验，是算力网络在移动接入场景下的具象化体现。移动算力网络和算力网络具有一致的愿景，但发展路径与节奏有所不同，体现出若干不同的特征。首先，在业务上，移动算力网络以3GPP5G-A网络为基础，为满足业务体验和用户诉求，实现了用户、算力和应用的最佳互联，提供了用户到用

6、户、用户到应用的最优接入路径与最佳访问体验，并且具备泛在移动接入、端网协同、体验可控、电信高稳等特征。3GPP标准下的移动网络天然支持终端用户的可移动性，并基于核心网与无线接入网的移动性管理、会话管理等能力对处于移动模式下的业务提供高效调度及QoS保障能力。因此移动算力网络可以在IMT-2020(5G)推进组面向5G-A的移动算力网络需求及潜在关键技术白皮书进一步纳入算力因素后，提供高品质算网协同的移动联接能力。其次，在架构上，移动算力网络基于5G基础设施，在5G网络核心能力基础上，引入网络结合算力、网络与算力统一调度等两项关键架构能力创新，涵盖终端算力、基站算力、边缘算力等算力资源，并且充分

7、继承分布式用户面及5GMEC(Multi-accessEdgeComputing)所独有的网络位置优势与成熟技术体系。其以业务为中心，借助算力调度提升5G接入业务的体验，然后逐步向广域扩大。因此移动算力网络可以做到以网助算，网随算动，优化端到端业务的算网体验，并实现移动算网资源利用率的提升。“算力化”是移动网络到移动算力网络新增的属性，由于5G移动网络自身可以闭环所有移动业务，移动网络和算力的结合将带来编排效率、能力调用等方面的强有力的优势。在符合算力网络整体布局和规划的前提下，逻辑上移动算力网络可以独立于算力网络实现具体功能。两者之间短期内优先考虑通过服务层和管理层协同实现一体化管理，充分降

8、低边缘算网费源管理复杂度并提升云边之间资源编排效率。后续通过能力开放实现移动算力网络与算力网络之间组件互通，能力调用。而未来面向长期网络演进则进一步实现云网边端高度协同下的统一解决方案，面向行业及用户提供高质高效的一体化算网服务。移动铸力网络应用服免层B力封基I0力交剧杼I咱I碗Tt+教移划算R网我算网管理湖U屎移动箕力网络基出设施层5ffiI酮称屈I-5*图1移动算力网络愿景构想典型移动算力网络场景需求当前部分5G应用场景已初步呈现出对移动算力网络的基础需求，而面向5G-A的新业务，尤其是以XR（EXterldedReality：扩展现实）为代表的消费者业务，需要智能协同的行业业务，以及部分

9、网络原生的优化业务能力均需要更为高效的移动算力网络服务。其中部分业务场景尚处在探索期，需要网络与业务的相互促进才能更快的催熟业务商用能力。本章给出了三类典型移动算力网络场景，分别为面向消费者的业务场景、面向行业的业务场景以及面向网络的业务场景。2.1 面向消费者的业务场景2.1.1 移动算力网络使能的普及沉浸化业务目前，AR（AugmentedReality：增强现实）、VR（VirtualReality：虚拟现实）、MR（MiXedReamy:混合现实）等沉浸化业务市场快速增加。沉浸化业务需要网络对音频、视频、触觉、多种传感器信息等多模态数据进行传输与处理，并对传输速率、时延、可靠性等网络性

10、能指标与处理器能力、存储能力等算力要求都具有严格的要求。目前，受限于终端算力，沉浸化应用用户体验较差，无法完全实现用户的沉浸化体验，业务卡顿、抖动情况明显。针对以上问题，移动算力网络能够提供“云-边-端”的泛在算力协作架构以提升业务体验。首先，移动算力网络能够协同感知网络泛在的云服务器、MECs移动终端等算力，并实时监控部署位置、负载、算力服务部署情况等信息。通过原生支持算网融合网络协议，移动算力网络能够根据多模态数据差异化数据处理与算力需求，实现灵活按需的算力服务调度。其次，移动算力网络具备“云-边一端”多层统一管理与协同调度机制，能够根据业务的多模态数据类型、算网资源需求、QoS（Qual

11、ityofService）等将业务分离成不同数据流或算力任务，并将数据流分流到不同算力节点上，对分解算力任务进行统一编排与最优算网资源匹配。通过移动算力网络的多级协作，能够最大程度利用分布式算力资源，解决端侧算力缺而云端响应迟的问题，满足沉浸化业务的极致性能要求。2.1.2 边缘算力协同的CloudVR业务容量提升以Cl。UdVR业务为例，其对网络时延的要求可按不同体验阶段分为不同等级：起步阶段需支持4K全景视频70ms,舒适体验阶段需支持8K全景视频50ms,理想业务体验则需进一步支持12/24K全景视频20ms。为满足理想业务体验下的时延要求，算力必然进一步下沉部署至住宅小区、场馆附近。但

12、边缘算力的下沉部署会带来算力的潮汐效应等额外问题，即业务量在不同时间段将在不同区域间起伏IMT-2020(5G)推进组面向5G-A的移动算力网络需求及潜在关键技术白皮书迁移。按传统部署模式，各MEC边缘计算节点均需配置最大用户数容量以保障各时间段的峰值用户接入能力，但这种模式下在业务闲时会产生较大算力资源浪费。型网胡同层ia任苏流初图21CloudVR场景中的算力潮汐效应基于移动算力网络所提供的边缘算力协同模式，则可支持CloudVR计算任务在多个MEC节点间流动，实现灵活动态的算力分流和调度，在同等资源配置的情况下使区域业务总接入容量提升30%以上。为此需要在网络中设置算网一体协同用户面，用

13、于UPF网元之间的计算任务分发和计算结果回传，并为按需实时创建的计算任务，提供灵活的路由转发和确定性时延保障。2.1.3 端边协同的UAV竞技等MR类新业务近年来无人机竞赛等第一人称视角的UAV(UnmannedAerialVehicle)遥控竞技较受欢迎。在特定场地提前布置游戏关卡后，UAV上的摄像头实时将运动画面通过Wi-Fi传送到游戏者的头显设备，游戏者则通过遥控器或平板电脑远程操控UAV穿梭或对战。但目前游戏场地搭建费时费力成本高，而且Wi-Fi路由器受限于有线宽带覆盖位置，不能随时随地开启游戏。而通过沉浸化MR技术，游戏者可自行下载喜爱的竞技场景，快速完成游戏场景布置并开启游戏。以5

14、G大带宽低延时网络取代Wi-Fi更可为游戏者在广域范围提供泛在的无线通信，随时随地开启游戏，获得更佳操控体验。首先，此场景中游戏头显、UAV,遥控设备的算力与电池有限，移动算力网络可为终端提供必须的边缘外置算力。其次，UAV将摄像头影像/姿态/位置等上传至边缘计算节点进行物理和虚拟影像的RT2。2。叠加和渲染，然后传输至头显呈现虚实融合的游戏画面。游戏者基于MR通过遥控器操控UAV的控制信令也可以经由MEC转发，并实现控制和视频的同步。移动算力网络中多个边缘算力节点通过协同可以为该类游戏提供更广的竞技空间，可以容纳更多竞技者的参与，甚至实现异地多人竞技。移动箕刀网络检理H界机救物理花虚姒世界S

15、合ERM螭节点1憎格朗归力Ia锵节点)控指令图2-2端边协同的UAV竞技等MR类新业务技术上，移动算力网络需要保障用户头显、UAV、遥控器等多设备的连接会话关联及同步传输。确保同一用户的多设备接入到移动算力网络中相同的算力节点，以便实现物理世界和虚拟世界的混合渲染和游戏逻辑同步。其次，移动算力网络一方面基于各终端移动性及时迁移计算任务实例，实现算力感知的路由，保障端到端QoS不变；另一方面通过对无线波动性的感知，及时调整计算任务。此外，面向游戏运营方，需要进行算网一体化调度和编排，平衡全局最优体验，实现系统资源利用率最大化。2.1.4 移动终端算力上移，降低终端Al硬件要求近年来，以Al美颜、人脸识别为例的Al应用在移动终端的应用场景逐渐增多。当前终端通过训练完成的Al模型进行预测和推理。但受限于手机终端电池、存储及Al算力，端侧Al模型需要进行剪枝、压缩、优化、算子替换等特殊处理。且当前手机终端的Al处理器运算能力普遍低于服务器侧2个数量级，限制了手机终端普遍使用基于强算力的高端Al应用。但采用云服务器辅助协同模型运行则需要向云端上传终端原始数据，带来用户数据隐私安全隐患的问题。因此，3GPPSA1在R18中定义了将Al推理模型分割为二的场景。终端侧模型计算量小，主要用于数据的预处理；网络侧模型计算量大，可部署在MEC边缘计算节点运行。两者之间，终端侧模型向网络侧模型上传中