算力网络详解 卷1：算网大脑

　　本书从算力网络的顶层系统设计出发，首先介绍了算力网络的核心功能，然后围绕算网大脑功能对涉及的关键技术实现进行了详细描述。第 1、2 章介绍算力网络技术发展背景与趋势，并深入讲解算力网络与云网的关系；第 3 章系统性地介绍算力网络的体系结构；第 4 章介绍与算网大脑有关联的算网运营交易技术；第 5~9 章详细讲解算网大脑的核心功能：算网一体编排、算网管理调度、算网智能运维、算网智能引擎和算网数字孪生；第 10 章介绍算力网络应用场景；第11 章对算力网络的发展趋势做了展望。

　　马雷明，现任亚信科技研发中心技术与规划专家。拥有 10 余年通信领域工作经验，负责算力网络、5G 专网等产品研究与规划，对端到端网络系统有深刻理解。孙杰，现任亚信科技研发中心云网技术与产品规划总监。拥有多年通信行业云网技术与产品规划经验，负责云网产品的整体技术架构设计与产品创新规划，并为大型企业客户提供数智化转型解决方案及架构设计等咨询服务。欧阳晔 博士，IEEE Fellow，Verizon Fellow亚信科技首席技术官、高级副总裁欧阳晔博士目前在我国领先的电信软件公司亚信科技（1675.HK）担任首席技术官、高级副总裁，全面负责公司的研发与创新工作。加入亚信科技之前，曾任美国第一大移动通信运营商威瑞森（Verizon）电信集团通信人工智能系统部经理及Verizon Fellow。欧阳晔博士在ICT领域拥有丰富的研发与大型团队管理经验，研究领域专注于移动通信、数据科学与人工智能跨学科领域的研发创新与商业化。欧阳晔博士在工业界与学术界获得多项荣誉与奖励，近期奖项包括2022中国计算机学会CCF科技进步一等奖、2017美国杰出亚裔工程师奖、2019 TM Forum电信业未来数字领袖大奖、2021吴文俊科技进步奖、2020中国人工智能商业领袖奖、2017 IEEE国际大数据会议最佳论文奖、2021美国国家多元化科技领袖奖、2017美国电信业创新大奖和最佳OSS/BSS产品奖、2017北美最佳运营商大数据系统奖、2016美国电信业创新大奖、2015 IEEE无线通信年会“无线通信跨领域贡献奖”、美国总统科学技术与政策办公室电信大数据研究基金等。欧阳晔博士在多个国际标准组织与学术组织任职，包括IEEE、ETSI等多个工作组与会议主席、北京软协人工智能专委会会长、美国斯蒂文斯理工学院职业发展导师、清华大学—亚信科技5G智能联合实验室主任等，并在多个学术会议、期刊担任编委和审稿人。欧阳晔博士著有40余篇学术论文、13本学术书籍，拥有60余项专利，参与50余项国际标准的制定。欧阳晔博士拥有中国东南大学学士学位、美国哥伦比亚大学硕士学位、塔夫斯大学硕士学位和斯蒂文斯理工学院博士学位。

第1章 算力网络概述 1
1.1　算力网络概念2
1.1.1　算力网络的定义 2
1.1.2　算力网络与电力网络 3
1.2　新型数字化经济需求4
1.2.1　人工智能产业化需求 4
1.2.2　分布式多级算力需求 5
1.3　算力网络发展的基础8
1.3.1　算力网络的技术底座 8
1.3.2　“双碳”社会的国际共识 10
1.3.3　算力网络发展的国家政策 11
1.4　算力网络的新应用形态介绍 12
1.4.1　新型算力组合 12
1.4.2　新型算力模式 12
1.5　算力网络产业规划13
1.5.1　算力网络的标准规划 13
1.5.2　中国运营商的算力网络规划 15
第2章 算力网络与云网融合的关系 20
2.1　主流运营商与云商的云网融合发展战略 20
2.2　云网融合技术特点24
2.2.1　云基础设施技术 24
2.2.2　网基础设施技术 28
2.2.3　云网融合管理编排技术 29
2.3　云网融合典型场景33
2.4　从云网融合到算力网络35
2.5　算力网络目标37
第3章算力网络技术体系 40
3.1　算力网络标准体系进展40
3.1.1　ITU标准中的算力网络体系框架 40
3.1.2　CCSA标准中算力网络体系架构 43
3.2　亚信科技算力网络系统参考体系44
3.2.1　系统功能架构 45
3.2.2　系统接口设计 46
3.3　算网运营交易中心50
3.3.1　中心简介 50
3.3.2　功能介绍 50
3.3.3　集成关系 54
3.4　算力网络编排中心54
3.4.1　中心简介 54
3.4.2　功能介绍 55
3.4.3　集成关系 57
3.5　网络管理调度中心57
3.5.1　中心简介 57
3.5.2　功能介绍 57
3.5.3　集成关系 59
3.6　算力管理调度中心59
3.6.1　中心简介 59
3.6.2　功能介绍 60
3.6.3　集成关系 61
3.7　算力网络智能引擎 62
3.7.1　简介 62
3.7.2　功能介绍 62
3.7.3　集成关系 63
3.8　算力网络数字孪生中心64
3.8.1　中心简介 64
3.8.2　功能介绍 64
3.8.3　集成关系 66
3.9　算力网络基础设施66
3.9.1　网络基础设施 66
3.9.2　算力基础设施 68
3.10　业务流程介绍 70
3.10.1　算力网络业务开通 70
3.10.2　算力网络业务变更 72
3.10.3　算力网络业务撤销 74
3.10.4　算力注册并网 75
3.10.5　应用服务部署 76
3.10.6　应用服务自智保证 77
第4章 算力网络运营交易关键技术 79
4.1　多量纲的模型体系催生多形态的算力网络商品 79
4.1.1　三要素体系定义 79
4.1.2　多量纲模型体系 81
4.1.3　多形态算力网络商品 81
4.2　多样化的商业模式促成双驱动的算力网络受理 82
4.2.1　商业模式定义 82
4.2.2　双驱动算力网络受理 84
4.3　区块链的技术底座实现可信任的算力网络交易 85
4.3.1　算力网络存证 86
4.3.2　算力网络通证 87
4.3.3　智能合约 88
4.3.4　交易溯源 89
4.4　沉浸式的用户体验发掘算力网络的新价值 90
第5章算力网络一体编排关键技术91
5.1　算力网络节点评估91
5.1.1　算力网络节点定义 91
5.1.2　算力网络节点性能指标 93
5.1.3　算力网络节点资源指标 98
5.1.4　性能与资源关系模型 103
5.2　算力网络融合资源视图107
5.2.1　算力网络链路 107
5.2.2　算力节点感知 110
5.2.3　算力网络拓扑 113
5.3　算网融合感知114
5.3.1　数据统一采集 115
5.3.2　数据统一存储 117
5.3.3　数据时间粒度 120
5.3.4　跨域数据关联 121
5.3.5　数据开放使用 123
5.4　算力网络一体化编排流程126
5.4.1　业务SLA 127
5.4.2　节点编排决策 129
5.4.3　路径编排决策 133
5.4.4　算网编排方案 135
第6章算力网络管理调度关键技术 138
6.1　SRv6网络管理调度 138
6.1.1　技术架构 138
6.1.2　调度机制 140
6.1.3　能力开放 148
6.2　SD-OTN网络管理调度150
6.2.1　技术架构 150
6.2.2　能力开放 154
6.3　中心云管理调度156
6.3.1　多算力云管理 157
6.3.2　异构算力资源纳管 158
6.3.3　算力资源管理 160
6.3.4　算力资源调度 161
6.4　MEC管理调度 162
6.4.1　MEC组成架构 163
6.4.2　MEC服务 168
6.4.3　MEC能力开放 169
6.5　5G切片管理调度 171
6.5.1　技术简介 171
6.5.2　切片架构 173
6.5.3　关键能力 175
6.6　O-RAN管理调度 180
6.6.1　O-RAN 架构 181
6.6.2　O-RAN 资源控制调度机制 182
6.6.3　O-RAN 能力开放 183
6.7　5GC网络管理调度 185
6.7.1　5GC系统架构 185
6.7.2　5GC 管理调度机制 186
6.7.3　5GC能力开放 189
6.8　算力资源弹性调度191
6.8.1　资源适配 191
6.8.2　资源管理 193
6.8.3　应用管理 195
第7章 算力网络智能运维关键技术 198
7.1　算力网络自智运维管理198
7.1.1　算力网络资源监控 198
7.1.2　算力网络运行智能预警 203
7.1.3　算力网络业务故障自处理 205
7.2　算力网络业务质量保障210
7.2.1　端到端保障体系 210
7.2.2　用户体验模型 211
7.2.3　服务质量模型 212
第8章算力网络智能引擎关键技术 214
8.1　算力网络智能引擎的基本概念214
8.2　算力网络智能引擎的系统组件215
8.3　算力网络引擎的研究现状216
8.4　算力网络智能引擎关键技术217
8.4.1　算力网络节点评估算法 217
8.4.2　算力网络链路评估技术 224
8.4.3　算力网络综合代价函数评估 226
8.5　算力网络智能引擎应用场景示例228
第9章算力网络数字孪生关键技术 231
9.1　应用价值231
9.2　问题现状233
9.3　业务目标234
9.4　核心算法236
9.4.1　分级多层布局 236
9.4.2　混合空间布局 236
9.4.3　纵向多级穿透 237
9.5　关键技术238
9.5.1　3D地理可视化技术 238
9.5.2　网络拓扑可视化技术 239
9.5.3　游戏引擎技术 239
9.6　应用场景240
第10章 应用案例分析与设计 241
10.1　云—边—端算力协同 242
10.1.1　AR/VR业务算网方案 242
10.1.2　公安机关嫌疑犯识别 245
10.2　多云算力协同 248
10.2.1　基于联邦学习的医疗推荐业务场景 248
10.2.2　“东数西算”数据迁移场景 252
10.3　云边算力协同 255
第11章 未来展望 259