智能互联网白皮书

版权声明 本白皮书版权属于网络通信与安全紫金山实验室所有并受法律保护，任何个人或是组织在转载、摘编或以其他方式引用本白皮书中的文字、数据、图片或者观点时，应注明“来源：网络通信与安全紫金山实验室”。否则将违反中国有关知识产权的相关法律和法规，对此网络通信与安全紫金山实验室有权追究侵权者的相关法律责任。 编写说明 编写单位： 网络通信与安全紫金山实验室、北京邮电大学、人工智能与数字经济广东省实验室（深圳）、CarletonUniversity、中国信息通信研究院、中国联合网络通信有限公司研究院、“科创中国”未来网络专业科技服务团 主要编写人员： 谢人超、F.RichardYu、贾庆民、唐琴琴、谢高畅、邹鑫、吴双、黄韬、周晓茂、胡玉姣、郭凯、彭开来、刘辉、赖华尧、何斌、汤雅婷、张华宇、严园园、马千飘、陈平平、吴运翔、刘芷若、张岩、崔煜喆 前言 随着信息通信网络技术的快速发展，在云计算、边缘计算、终端设备中部署的智能模型和资源变得越来越多，如何高效利用这些智能资源，驱动各行各业智能化水平的提升成为当前业界面临的重要课题。在“网络需要智能、智能需要网络”的背景下，智能互联网的概念得以提出。智能互联网旨在将分布式的智能资源进行互联，充分利用和共享智能资源及智能服务，提升智能资源的利用率，同时提升设备和应用的智能化决策水平。 本白皮书详细阐述了智能互联网的发展背景、基本概念、参考架构、关键使能技术，同时介绍了智能互联网的典型应用场景，并探讨了智能互联网的生态建设和挑战机遇。目前，工业界和学术界对智能互联网的研究尚处于起步阶段，并仍处于快速发展之中，因此本白皮书还存在需要不断完善的地方，真诚地企盼读者批评指正。 目录 前言I 目录II 一、智能互联网发展背景1 1.1互联网面临的挑战1 1.2网络范式演进历程3 1.3人工智能演进历程5 1.4智能互联网的产生8 二、智能互联网参考架构及关键技术12 2.1智能互联网参考架构12 2.2智能互联网使能技术16 2.2.1物理资源层16 2.2.2资源虚拟层20 2.2.3信息层22 2.2.4智能层25 2.2.5应用层29 三、智能互联网应用场景31 3.1智慧交通31 3.2智能制造33 3.3智慧城市35 3.4智慧医疗37 3.5元宇宙38 四、智能互联网生态建设41 4.1基础设施建设41 4.2异构实体兼容42 4.3智能资源互联43 五、技术挑战与未来方向46 5.1智能度量与建模46 5.2协议设计47 5.3激励机制47 5.4智能发现48 六、总结与展望50 附录A：术语与缩略语51 参考文献53 一、智能互联网发展背景 智能互联网（IoI，InternetofIntelligence）是一种新兴的网络范式，推动未来的网络从基于信息的体系结构转向基于智能的体系结构，并使智能像物质、能量和信息一样容易获得，以进一步模糊人工智能 （AI，ArtificialIntelligence）与人类智能的边界。本白皮书阐述了智能互联网的产生背景、体系结构、使能技术、应用场景、生态建设和机遇挑战，旨在为那些有兴趣了解智能互联网概念和技术的研究人员提供介绍与指导。具体而言，本章首先从研究网络范式和人工智能的演进历史入手，然后通过论证网络需要智能，智能需要网络，进一步阐述了智能互联网产生的动因及目的。 1.1互联网面临的挑战 互联网经过几十年的研究和发展已经成为当今世界促进经济发展和社会进步的重要信息基础设施。根据思科的白皮书显示，到2023 年互联网用户总数将达到53亿，联网设备将超过293亿。通过用户与机器之间的信息联网，互联网可以将信息即时传递给千里之外的各类用户，实现全球信息化。然而，用户与信息的快速膨胀也给后互联网时代的发展带来了一些新的挑战。 信息爆炸：互联网中不断接入的终端设备、边缘计算（MEC， Multi-accessEdgeComputing）站点、以及云计算数据中心等设备产生 了爆炸式增长的信息，这会造成信息过载并导致网络决策困难和应用服务质量降低； 虚假信息：越来越多的虚假信息和劣质信息通过互联网迅速、广泛地传播，破坏了互联网的和谐环境，也危害了经济和社会的发展； 人在回路（Human-in-the-loop）：互联网爆发式的发展趋势，给当前“人在回路”的网络运营管理带来了在规模、复杂性、动态性和成本高等方面前所未有的挑战； 应用局限性：互联网在解决现有应用场景中的挑战方面表现出局限性。例如，互联网现有的运维管理能力难以支撑开发可靠且效益极高的自主系统（如智能制造系统及自动驾驶系统）。 随着具备通用性特征的AI技术获得学术界和产业界前所未有的关注，研究人员开始将AI应用于计算机/通信网络中以解决上述问题并推进各个领域应用的发展。例如：在智慧城市、智能电网、智慧教育等场景中使用了、AI技术以驱动应用系统构建及相关技术研发。另外，通过智能组网可以实现分布式智能、智能存储、智能共享，以进一步模糊人工智能与人类智能的边界，显著提升训练效率，更有效地模拟真实世界环境。因此，从应用场景和技术发展角度来看，未来的网络的演进呈现出需要从基于信息的体系结构转向基于智能的体系结构的趋势。智能互联网就是一种基于上述思想来解决网络挑战的新兴网络范式，并引起了工业界和学术界的高度关注。为了使研究人员更直观、更深入地理解IoI，并提供有洞察力的指导方案以充分发挥IoI的深远效益，本白皮书从网络范式与人工智能的演进历史入手， 从概念、架构、技术、场景、生态、挑战等多个方面对IoI进行了系统、全面的阐述。 1.2网络范式演进历程 为探索IoI产生和发展的必要性和必然性，需要在更长远的时间角度上审视人类社会的发展。回顾人类社会发展史，可以发现“合作”是信息交互的核心纽带。人类作为社会物种，需要依靠合作来实现生存和繁荣。人们往往认为，人类之所以能够主宰世界，是因为人类是唯一能够大量灵活合作的动物。在现代历史上，为了促进社会经济系统中的合作，人类发明了使物质、能源和信息联网的技术，即交通运输网、能源传输网和信息互联网。如图1-1中所示。下面将简要回顾这三种组网技术。 图1-1网络范式演进 交通运输网：在人类发展历程中，第一个成功的网络是交通运输网，它实现了物质的传输。交通技术对于促进人类合作至关重要，其 本质上是将大量的物体从一个地点运到另一个地点，以减少不同空间之间的物质资源差距。在物质联网的初始阶段，人类靠步行运输；后来，人类利用动物和木船等简易交通工具运输。在18世纪和19世纪，大量新型交通工具及相关技术被发明，比如自行车、汽车、火车和有轨电车。如今，飞机、高铁、磁悬浮列车、宇宙飞船等都是交通技术的广泛应用，极大地推动了社会经济贸易的繁荣和人类文明的进步。 能源传输网络：能源传输网络是另一种颠覆性技术，是当今人类生存的基础，也是人类繁荣的基石。能源传输网络的主要目的是将能源从一个地点转移到另一个地点，以减少能源的时空分布差距。通过电网，电能可以从发电厂传输到家庭和企业，这样人们就可以很容易地获得能源，以使用家用电器、照明建筑等各类用电物体。 能量是系统在能源传输网络中引起变化的能力的度量。根据热力学第一定律，能量是守恒的，它既不能凭空产生也不能凭空消失,它可以从一个位置转移到另一个位置，或者从一个物体转移到另一个物体，且在转移过程中能量的总和不变。能量和物质之间有着密切的关系，例如动能描述了物体由于机械运动而产生的能量。动能定理可以表示为：0.5mv2=0.5m(d/t)2，其中m表示质量，v表示速度，d表示距离，t表示时间。因此，动能可以被视为物质在一个传输过程中的速度。 信息互联网：随着计算机的发明和信息技术的发展，信息互联网应运而生，从而推动人类步入信息时代，信息互联网的发明使人类的 合作达到了一个新的水平。信息互联网的主要目的是将信息从一个地点移动到另一个地点，以减少信息的差异。当前，信息互联网已经成为我们的社会经济系统的主要基础设施之一，推动着人与人之间、人与机器之间的信息交换与信息共享。 1867年，麦克斯韦领导的“恶魔”实验首次提到了信息和能量之间的联系，该实验通过将信息（即每个粒子的位置和速度）转换为能量来减少系统的熵，这个实验激发了关于热力学和信息论之间关系的讨论。1948年，香农提出了“信息熵”的概念，解决了信息的定量度量问题，得到了与热力学中形式相同的熵公式。热力学熵是描述能量自发扩散过程的状态参量。它可以表示d�=∂𝑄/𝑇，其中d�是熵的变化，∂�是转移的能量，T是温度。类似地，信息熵衡量信息的状态，代表着信息从一个状态移动到另一个状态所需的最小能量。 在上述网络范式的每一次演进中，我们都可以移动“某物”（如物质、能量或信息）来减少“某物”之间的差异，从而进一步通过共享“某物”来促进人类的合作。在人类社会发展的时间尺度下，我们可以观察到网络范式的演化趋势：新的网络范式需要基于现有网络范式，但提供了更高层次的抽象。 1.3人工智能演进历程 人工智能作为计算机科学的一个分支研究方向，从诞生到现在已经经历了70多年的发展。图1-2给出了人工智能的发展过程示意图。在过去的几十年里，AI取得了很多进步和成就，但也经历了挫折和 坎坷。即使当前的人工智能比历史上任何时期都更接近人类智能水平，但在严格意义上其与人类智能仍有很大差距。 图1-2人工智能演进历程 阶段1：1940-1970：在这一阶段，研究工作集中在传统的人工智能问题上，例如基于逻辑和启发式算法的方法推理。具体来说，在1943年，麦卡洛克（W.McCulloch）和皮茨（W.Pitts）开发了生物神经元的数学和计算机模型；维纳（N.Wienner）在1948年开创了控制论，研究动物和机器的控制和交流；1950年初，冯·诺依曼（J.VonNeumann）和图灵（A.Turing）开发了现代计算机的体系结构；1956年，斯坦福大学的麦卡锡（J.McCarthy）、麻省理工学院的明斯基（M.Minsky）等学者在美国达特茅斯学院首次提出了“人工智能”的概念，人工智能被定义为机器以类似于人类的方式思考和学习。 接下来的二十年是AI发展的黄金时期。一个成功的案例是1966 年魏森鲍姆（J.Weizenbaum）开发的Eliza计算机程序，这是一种自 然语言处理工具，可以模拟与人类的对话。另一个例子是西蒙 （H.Simon）等人开发的通用问题解决程序，它可以自动解决某些问题，如汉诺塔（TowerofHanoi）问题。这些鼓舞人心的成功案例使得AI获得了前所未有的关注。然而，由于大量资本和劳动力的投入并没有收到预期的效果，AI在1974年至1980年迎来了第一个寒冬，特别是由于明斯基对感知器的强烈批判，联结主义（或神经网络）派消沉了近十年。 阶段2：1980-1990：随着20世纪70年代末第一批微处理器的出现，AI再次引起人们的注意，并与专家系统密切相关。专家系统是指为特定目的而构建的系统，其中智能被嵌入在工具中，并且有关其操作的知识在系统规范中是公开可用的。专家系统在工业领域有着广泛的应用。一个著名的例子是IBM的DeepBlue国际象棋程序在1997年击败了世界冠军卡斯帕罗夫（G.Kasparov）。专家系统最适合静态问题，而不适合实时动态问题。专家系统将智能狭义地定义为抽象推理，这与模拟真实世界复杂性的能力相去甚远。此外，它的开发和维护是复杂的。20世纪90年代，随着日本智能（第五代）计算机发展的失败和斯坦福大学主导的人类知识百科全书Cyc的衰落，AI的发展再次进入寒冬。 阶段3：2010年至今：由于大量应用的成功实现，AI的研究再次成为热点。例如，2016年，谷歌的AlphaGo击败了世界冠军李世石；2020年，AlphaFold成功预测了蛋白质的形状，使其能够执行生命活动。与专家系统不同，当今AI的浪潮的关键要素是系统的学习 能力。其中神经网络和深度学习这两种技术发挥着重要作用。神经网络的目的是建立一个类似于人类大脑结构和计算结构的模型