服务生成算力网络白皮书

服务生成算力网络白皮书总结

一、发展背景

算力网络面临新的机遇及挑战

• 机遇：5G、云计算、大数据、人工智能等新技术推动下，工业互联网、车联网、AR/VR等新型业务落地，算力网络作为一体化服务载体，在VR互动、新媒体直播、智慧医疗、车联网、跨域算力共享等场景中发挥重要作用。
• 挑战：场景需求多样化、系统规模和复杂度增加、用户体验要求提升，传统“人在回路”方式难以满足。

人工智能开启算网应用新范式

• AI技术具备跨域特征挖掘、深度数据分析、策略动态生成、能力自动学习等优势，将AI与算力网络结合，实现算网智能化，为算力网络建设者、运营者、使用者及算网本身带来变革。

算网服务生成成为应对挑战的必经之路

• 服务生成算力网络通过算网服务生成，实现算网全流程自动化运行、高效资源利用率、自适应优化调整、持续智能演进、智简服务体验、全场景业务承载，赋能数字经济。
• 服务生成算力网络是算力网络与服务生成网络的深度融合，通过AI技术赋予算力网络基础设施智能化、业务流程一体化、服务能力自优化、算网运维自动化等能力。

二、愿景、特征与参考架构

服务生成算力网络目标愿景

• 通过自动化和智能化手段，实现基础设施智能化、业务流程一体化、服务场景定制化、算网系统自动化，为多元应用提供泛在、高效、实时、灵活、安全的服务化算力供给，并使能网络自身的自治运行与持续演进。

服务生成算力网络关键特征

• 意图驱动的算网融合：根据用户业务需求生成最优算力服务策略，并通过自动配置基础设施实现功能。
• 算网全流程闭环自治：算网能够自动化、智能化地完成规划设计、建设实施、维护优化、运营管理等全生命周期任务，实现流程自动化、服务自优化和能力自主化。
• 网-算-智协同自适演进：算网和智能相互融合和协同工作，实现系统的自适应演进，形成可演化式智能。

服务生成算力网络参考架构

• 基础设施层：统一感知管理算力、网络、存储及数据资源，并通过数字孪生进行虚拟化表示，内嵌实时智能拓展感知深度与维度。
• 算网管理层：负责系统功能实现，通过状态感知、资源调度、算力管理、服务编排、故障分析与自修复等实现感知、分析、决策、控制的全流程闭环管理，采用单域自治与跨域协同的分层渐进策略。
• 业务应用层：实现面向用户的服务能力开放，承载抽象的业务功能，支持用户智能交互和服务应用调度。
• 内生智能模块：跨越所有层级，为各个流程环节提供智能服务，构建数据采集、模型训练、智能分发、知识迭代的完整闭环，实现AI与算网的深度融合。

三、使能技术

算力网络

• 资源感知：实时感知异构泛在资源的部署位置、实时状态、负载信息等，以及网络的传输时延、抖动、带宽资源利用率等信息。
• 资源编排：结合用户多样化需求，对算网资源进行一体化调度与组织，采用服务网格提供扁平化编排，整合Serverless、微服务、容器化等技术。
• 任务调度：基于任务的时间特性、SLA需求和应用场景进行差异化调度，实现资源的高效利用与公平分配。

自智网络

• 单域自治与跨域协同：将复杂网络分解为多个自治域，通过单域自治和跨域协同的策略实现复杂和超大网络的闭环服务生成。
• 意图网络：将意图转换为针对基础设施配置的网络技术，包括意图表达/解析、转译和验证、自动化部署/实施、网络状态感知、保障和自动调优。
• 智能运维：通过机器学习等人工智能算法，自动地从海量运维数据中学习并总结规则，实现网络在线优化和闭环管理过程中的各个环节的自动化。

人工智能

• 传统AI算法：自然语言处理、图像处理、强化学习等，提升算力网络的运行效率与可靠性。
• 大语言模型（LLM）：凭借其语义理解、逻辑推理与知识表示能力，正成为算力网络智能化升级的核心引擎，赋能用户交互、资源调度、系统运维等全方位智能化。
• 智能体（Agent）：作为具备自主感知、决策与执行能力的智能实体，是算力网络实现分布式智能控制与自主运营的核心技术支撑。

数字孪生

• 数据采集和传感：实时或离线地采集物理系统的各种参数和状态信息，构建算网统一标识，支撑孪生体的建模和算网资源调度。
• 仿真建模：将物理世界的对象数字化和模型化的过程，通过建模将物理对象表达为计算机和网络所能识别的数字模型，实现算网资源与孪生空间中的数字虚体精准映射。
• 实时更新和反馈：实时更新模型，并将模型的分析结果与真实系统进行反馈，实现故障诊断、预测性维护、性能优化等目标。

四、应用案例

算网数据按需生成

• 针对算网环境中数据生成面临的挑战，需要研究具备高度可控性的通用数据生成模型，并解决训练数据匮乏问题，通过跨域多模型协同进行算网数据按需生成。

网络拓扑智能生成

• 利用大模型学习海量网络设计案例、性能数据及用户需求，自动生成满足特定性能指标、易于扩展且符合预算约束的定制化网络拓扑方案。

算网服务智能生成

• 服务生成算力网络能够根据用户意图，整合各级资源的特点和需求，为各类用户提供一套定制化、自动化的资源分配解决方案，并以ChatGPT为例阐述服务智能生成过程。

业务流程自主管控

• 服务生成算力网络能够助力业务流程高度自动化，包括智能规建、智能运维、智能客户管理等方面，实现流程自动化和业务闭环处理。

服务自优化与持续演进

• 服务生成算力网络具备自主学习、智能决策、自适应优化、自修复和持续演进等典型特征，能够根据环境和需求的变化主动调整和优化自身。

五、技术挑战与未来方向

智能训练与部署问题

• 智能训练缺乏基础设施支撑，面临数据、知识、环境等原料匮乏问题；智能部署面临硬件性能、存储容量和计算效率等方面的挑战。

业务融合方案设计

• 服务生成算力网络的体系架构需要支持统一纳管算网资源、极简设计、分层跨域等，以满足各方面的功能需求。

智能度量与评估

• 需要建立客观、可靠的方式来衡量和比较智能系统的表现，并为改进优化和进一步发展智能系统提供指导。

自演进可控性

• 服务生成算力网络需要具备自学习、自适应、自协同、自组织的能力，实现体系架构动态演进、业务功能逐步拓展、服务能力持续增强等。

应用落地与生态建设

• 服务生成算力网络的应用需要打通技术、业务、场景和商业，并面临个人隐私、社会伦理、国家安全等挑战，需要构建以服务生成算力网络为核心的生态系统，推动技术创新和应用落地。