《中国移动:2022算力网络视频应用白皮书(15页).pdf》由会员分享,可在线阅读,更多相关《中国移动:2022算力网络视频应用白皮书(15页).pdf(15页珍藏版)》请在三个皮匠报告上搜索。
1、1 算力网络视频应用算力网络视频应用白皮书白皮书 (20222022 年)年) 中国移动中国移动研究院研究院 前前 言言 本白皮书研究基于算力网络的视频应用, 重点介绍了国内外研究现状,应用架构,关键技术和典型应用场景。本白皮书通过对基于算力网络的视频应用研究、 提出中国移动算力网络在视频业务侧的思考和智能服务。希望能够为产业在算力网络相关技术、产品和解决方案等方面提供参考和指引。 本白皮书的版权归中国移动所有,未经授权,任何单位或个人不得复制或拷贝本建议之部分或全部内容。 编写单位:中国移动研究院 编写组成员:吴亦川、郭勐、高静、郑健平、杨蕾、喻炜 中国移动研究院 算力网络视频应用白皮书(2
2、022) 1 目目 录录 1. 研究背景 . 2 2. 国内外研究现状 . 2 2.1 算力网络 . 2 2.2 算力网络视频应用 . 4 3. 算力网络视频应用架构 . 5 4. 算力网络视频应用关键技术 . 7 5. 算力网络视频应用场景 . 9 5.1 智能安防 . 9 5.2 超高清视频 . 10 5.3 云 VR/AR . 11 5.4 云游戏 . 12 6. 总结与展望 . 12 缩略语列表. 13 参考文献. 14 中国移动研究院 算力网络视频应用白皮书(2022) 2 1. 1. 研究背景研究背景 算力是网络中具有计算能力的节点通过对数据的处理, 实现特定结果输出的能力, 具体
3、包括不限于计算、 内存和存储能力1。 算力可以分布在云数据中心(云端算力)、网络边缘(边缘算力) 、连网终端、转发节点(端算力)等各种形态的设备上。 算力网络是以算为中心、 网为根基,“网、 云、 数、 智、 安、 边、 端、 链 (ABCDNETS) ”深度融合、提供一体服务的新型信息基础设施。逐步推动算力成为与水电一样,可“一点接入、即取即用”的社会级服务,最终达成“网络无所不达、算力无所不在、智能无所不及”的愿景2。 算力网络主要适用于对算力需求大的业务, 最有可能先成熟的应用主要集中在对数据需要做大规模快速处理的场景,主要包括:超算和大型渲染、人工智能(训练类和推算类) 、泛视频、智能
4、驾驶和区块链应用等。泛视频业务主要包括智能安防、云 VR/AR、超高清视频、云游戏、元宇宙等。 算力网络视频应用研究,目前主要有两种思路:思路一是在算力网络尚不具备对外提供服务能力情况下,针对泛视频业务需求,设计和实现端到端完整的算力网络视频应用解决方案,在满足用户视频业务体验的前提下,通过采用高效的算网调度算法在云、边、端侧选择合适的业务服务节点或节点群,完成最优的视频业务处理、传输和存储。思路二是在算力网络可以对外提供服务能力情况下,针对泛视频业务需求,研究视频业务调用算力网络能力完成业务逻辑的技术方案,在满足用户视频业务体验的前提下确保全网资源利用率最优。 2. 2. 国内外研究现状国内
5、外研究现状 2.12.1 算力网络算力网络 目前业界都在积极推动算力网络的研究和发展,国内三大运营商中国移动、中国电信、中国联通以及华为、中兴等公司都在积极参与算力网络的标准制定和技术推广。 中国移动研究院 算力网络视频应用白皮书(2022) 3 在产业方面,三大运营商都在积极布局算力网络。2019 年 11 月,中国移动联合华为公司发布了算力感知网络技术白皮书 ,提出一种基于分布式系统的计算网络融合新架构算力感知网络(CAN,computing-aware networking) ,旨在实现用户体验、资源利用率,以及网络效率的最优化。2021 年 11 月,中国移动发布了中国移动算力网络白皮
6、书 ,提出算力网络概念、发展愿景以及分阶段演进策略。与此同时,中国移动提出构建以 5G、算力网络、智慧中台为重点的新型信息基础设施,形成“连接算力能力”的新型信息服务体系,推进算力网络在国家治理、社会民生、传统产业升级改造、国内国际市场拓展等更多领域落地应用,使算力成为像水、电一样,可“一点接入、即取即用”的社会级服务。2019 年 11 月,中国联通发布了中国联通算力网络白皮书3,介绍了算力网络发展的产业背景,对算力网络的概念、架构、标准和生态等方面进行了分析讨论,并指出算力网络是云化网络发展演进的下一个阶段。2020 年年底,中国联通成立“中国联通算力网络产业技术联盟” ,作为首个运营商牵
7、头的算力网络研究组织, 结合自身业务发展, 对相关先进网络协议的制定提出了明确需求。2021 年 3 月,中国联通正式发布 CUBE-Net3.0 网络创新体系,积极探索云网融合迈向“算网一体” ,将着力通过 AI 赋能,网聚生态,基于“1N X”打造算网一体服务。中国电信以“云改数转”为发展主旋律,确立了“网是基础、云为核心、网随云动、云网一体”的战略方向,希望通过整合雄厚的云网资源,构建云网融合的新型信息基础设施,并通过数字平台建设,助力千行百业数字化转型。 在标准方面,算力网络的国际和国内标准也在积极制定中。在国际上,2021年 6 月,IMT-2030(6G)推进组发布6G 总体愿景与
8、潜在关键技术白皮书中,将算力网络被列为 6G 十大潜在关键技术之一。2021 年 7 月, 国际电信联盟电信标准分局(ITU-T)通过由中国电信牵头的算力网络框架与架构标准 Y.2501,该标准是首项获得国际标准化组织通过的算力网络标准。2021 年 7 月,宽带网络的行业机构 Broadband Forum(BBF)发布 SD-466,描述了城域算网的用例与需求,并同步启动了 WT-492 项目来细化城域算网的体系结构、功能模块和接口定义。在国内,2020 年 6 月,网络 5.0 技术标准委员会 CCSA TC614 成立了算力网络特别工作组,汇集多方力量集中探讨算力网络技术方案与应用场景
9、。2021中国移动研究院 算力网络视频应用白皮书(2022) 4 年 4 月,CCSA TC3 统一以“算力网络”为名开展了 9 项系列行业标准、2 项研究报告的编制工作,涉及算力网络的技术要求、控制器、交易平台、标识解析、编排管理、度量与建模等多方面。2021 年 10 月,中国通信标准化协会(CCSA)批准成立了算网融合技术推进委员会, 并专设了算力网络工作组来讨论算力网络技术及其应用。 2.22.2 算力网络视频应用算力网络视频应用 目前业界有关算力网络视频应用的研究还刚刚起步, 但类似的研究视频专网的工作和实践有不少。 中国电信发布了继移动网、宽带网、物联网、卫星网之外的第五张基础网天
10、翼视联网,致力于打造全球最大的运营商级别的视频回传和处理网络。与常规的视频回传相比,天翼视联网一是拥有海量放装,多模接入的特征,支持 10亿+以上能力的规模接入,多种终端模式均可接入;二是秒级开通,精准定位,每个摄像头都有精准的位置信息;三是一跳入云,安全可靠,可以通过公私混端的云架构和中国电信的安全保障能力,为用户的视频内容加密;四是云边协同,弹性扩容, 按需及时动态; 五是一网统管, 标准运维。 天翼视联的产品体系包括,面向 2C/2H 的天翼看家,提供涵盖家庭安防、爱老护幼、看家护院、看塘守地等标准化产品;面向 2B/2G 的天翼云眼,提供平安慧眼、明厨亮灶、天翼应急、智慧商企、智慧工地
11、、平安校园等标准化和定制解决方案和产品。 中国移动发布以视频融合理念及其应用价值为中心的“视频+”战略,并构筑 PSVN(Public Service Video Network)视频大网,为合作伙伴提供可信、可达、全程、全网的视频基础网络。通过协议适配、统一会话控制、云化部署,实现视频应用平台互联互通;视频业务融合与网络能力开放,使能视频应用升级及增值业务拓展。打破地域、业务类型、终端形态的壁垒,联接所有视频孤岛;将视频能力以 API/SDK 的方式,被第三方应用快速集成;拉通产业链的合作伙伴,构筑实时视频产业生态,真正实现“融合、开放、共赢” ,共同打造网络互联、平台互通、业务互融的视频网
12、络生态。 除了运营商,很多互联网公司也在尝试构建视频网络提供服务。其中比较成功的包括腾讯会议、声网、Zoom、Classin 等。 中国移动研究院 算力网络视频应用白皮书(2022) 5 3. 3. 算力网络视频应用架构算力网络视频应用架构 中国移动在发布的算力网络白皮书中明确提出构想的算力网络的体系架构以及发展的三个阶段,即泛在协同、融合统一到一体内生。其中泛在协同是算力网络的起步阶段,也是最有可能快速落地和实现现网部署的阶段。该阶段的重点难点是打通云网融合断点, 实现算力和网络的协同, 其系统结构如下图 1 所示。 图 1 泛在协同阶段系统架构 基于此通用架构,针对泛视频业务,我们设计了以
13、下的算力网络视频应用架构,如下图 2 所示。 中国移动研究院 算力网络视频应用白皮书(2022) 6 图 2 算力网络视频应用架构 算力网络视频应用架构主要包含以下五个部分: (1)视频业务能力和算网服务调用层 视频业务能力和算网服务调用层主要包括算网需求解析、算法选择、算网服务调用等模块。算网需求解析模块主要分析用户业务需求,根据不同场景将用户业务需求转化为算力资源需求,根据算力需求划分业务等级,以确定业务的部署位置、 资源等信息。算法选择模块主要根据用户的视频业务类型和需求解析模块的结果,在视频+AI 赋能算法库为用户选择合适的部署算法。算网服务调用主要实现视频业务调用算网服务的 API
14、接口。 (2)算网平台层 算网平台层主要负责视频业务里算力网络的资源管理和调度管理, 根据视频业务需求对算力资源进行弹性调度,在满足业务需求的同时提高算力利用率。具体又包含算力建模、算力注册、算力通告、算力 OAM、算力运营、算力调度、网络调度和应用部署模块。 中国移动研究院 算力网络视频应用白皮书(2022) 7 算力建模模块主要负责构建统一的视频算力度量衡体系, 并支持不同类型的视频算力资源的抽象表示, 形成算力能力模板。 算力注册主要是算力节点上线后,向算力管理平台发送注册请求,在请求中携带指示信息,用于指示该节点为算力节点。 算力通告主要是实现节点算力能力和状态的全网通告。算力 OAM
15、 主要实现对算力节点的算力性能进行监控,通过多种类型的算力信息采集和上报策略配置,支持最优算力节点的实时选择,并在故障时予以修复。算力运营主要是建立算力的服务合约以及生成相应的计费管理策略, 由统一的算力计费管理中心进行管理。算力调度模块主要负责管理由云、边、端侧业务节点构成的算力资源池,并根据视频业务需求为用户分配相应的计算和存储资源, 并根据调度策略对业务部署位置、业务算力进行弹性调整。网络调度模块则负责管理用户、边缘云、核心云的网络,在确定用户视频业务部署位置后,配置用户到业务处理节点之间的网络, 将用户流量路由到处理节点。 应用部署模块主要根据算法选择模块的结果,将用户的视频业务部署到
16、指定的算力服务节点中。 (3)算力路由层 算力路由层主要实现视频业务里算力路由的控制和转发, 包括算力状态网络通告、算力路由标识、算力路由生成、算力路由寻址和算力路由转发等。 (4)云、边、端业务节点层 视频业务部署节点,主要完成将用户应用部署在算力资源池上。 (5)网络基础设施层 边缘云、核心云的网络基础设施,主要包括网络控制设备和网络转发设备。 4. 4. 算力网络视频应用关键技术算力网络视频应用关键技术 算力网络视频应用研究的关键技术包括: (1)视频算力的度量 视频业务中的算力目前主要包括 CPU 和 GPU。 CPU 代表的是逻辑运算能力。由于芯片里放置大量存储单元和控制单元,但计算
17、单元较少,因此可用于逻辑控制,但在大规模并行计算能力上受限。典型的硬件芯片代表是 Intel 和 ARM。大部分云化数据中心都是由服务器中的 CPU “池”中国移动研究院 算力网络视频应用白皮书(2022) 8 化而成,CPU 的算力是可以度量的,目前 CPU 有两种度量方式:1)运算次数/秒,MIPS 是 CPU 算力的度量单位,即算力为百万次运算/秒;2)交易次数/秒, MTOS是 CPU 算力的另一种度量单位,即算力为百万笔交易/秒。CPU 的算力也有用TOPS(Tera Operations Per Second)为度量单位的, 1TOPS 代表处理器每秒钟可进行一万亿次操作。还有用能
18、效比 TOPS/W 来作为评价处理器运算能力的一个性能指标,TOPS/W 用于度量功耗在 1W 的情况。 GPU 代表的并行计算能力,一次可执行多个指令以提高计算速度。特别适合处理大量类型统一的数据,常用在图形图像处理、3D 渲染,AI 模型训练和推理、科学计算、密码破解、数值分析、金融分析等领域。GPU 的构成相对简单,有数量众多的计算单元和超长的流水线,其度量单位常用浮点运算能力来衡量。TFLOPS/s 可以简单写为 T/s, 意思是 “万亿次浮点指令/每秒” 。 同时还有 MFLOPS (megaFLOPS)、GFLOPS (gigaFLOPS)、PFLOPS (petaFLOPS)。
19、针对这两种算力,算力网络需要构建统一的视频算力度量衡体系,并支持不同类型的视频算力资源的抽象表示。 (2)视频业务需求解析 视频业务需求解析主要分析用户视频业务需求, 根据不同场景将用户视频业务需求转化为算力资源需求,根据算力需求划分业务等级,以确定业务的部署位置、资源等信息。视频业务需求主要包括算力需求、存储需求、网络需求等多个维度。 (3)视频算力资源的状态感知 算力网络中计算资源具有异构泛在的部署特性,以及动态时变的资源特性。例如,计算资源广泛部署在智能终端侧(端侧) 、边缘计算侧(边侧) 、云计算侧(云侧)等,并且计算资源都在实时变化之中,计算负载各不相同。高效利用这些计算资源的前提是
20、实时精准地感知这些异构泛在的计算资源状态。 算力网络需要支持对全网异构泛在计算资源状态的实时感知。 目前有两种实现方案,一种是集中式方案,即算力节点定期向视频算网管理中心发送更新可提供资源的信息。另一种是分布式方案,即算力节点通过彼此间信息扩散的方式,形成算力路由表。 (4)视频算力资源的管理和全局调度 中国移动研究院 算力网络视频应用白皮书(2022) 9 视频算网管理中心接收用户发起的视频业务服务请求,并对该业务进行调度。 视频算网管理中心根据节点的算力和网络等信息生成业务调度策略,并根据调度策略选择最优的算力服务节点/节点集发送给用户。 算力网络中,边缘节点和端节点的计算资源往往是有限的
21、,而且计算能力通常各不相同;同时,计算节点的计算负载状况是动态变化的。因此,一方面,当多个计算节点可以完成某项计算任务时, 涉及选择哪一个计算节点来处理该计算任务的问题;另一方面,计算量较大的计算任务可能需要分派给多个计算节点或者计算资源充足的计算节点来进行处理, 如何将计算任务分派并调度至最匹配的计算节点以提升计算任务处理效率是算力网络的关键技术之一。 5. 5. 算力网络视频应用场景算力网络视频应用场景 5.15.1 智能安防智能安防 智能安防是人工智能(AI)技术落地最早的应用场景之一,目前在机器视觉领域占据 67.9%的市场份额。 智能安防系统的发展趋势是: (1) 前端设备智能化:A
22、I 芯片和模组能力的提升,越来越多的摄像头具备了智能处理能力,可以对数据进行包括人脸识别、视频结构化、图谱分析等在内的处理; (2)系统逐步形成“云、边、端”三级结构。 智能安防系统中为了提供业务所需的 AI 能力,通常部署 AI 训练模块和 AI推理模块。其中,AI 赋能模块提供模型训练和数据治理的功能,通过对大量业务数据进行训练和处理, 周期性地提供优化后的业务模型。 由于涉及大数据处理,因此 AI 赋能模块的资源消耗大,且响应时延要求相对较低。AI 推理模块的功能则是部署 AI 赋能模块调优后的业务模型,并根据输入的业务数据给出结果进行实时响应,其处理逻辑相对简单,因此资源消耗相对较少,
23、且响应时延要求相对较高。 下面以智能安防中的人脸识别业务为例阐述算力网络的应用示意。 人脸识别系统如下图所示,其典型的业务流程是:用户利用系统提供的 AI 能力,通过摄像头采集人脸图像并识别、获取人员的身份信息。整个流程的时间越短对用户的业务体验就越好。 中国移动研究院 算力网络视频应用白皮书(2022) 10 图 3 人脸识别系统 人脸识别业务中用到了AI推理模块中的两种AI能力: 数据标注和图像识别,它们由算网管理模块通知 AI 赋能模块进行部署,可部署在云中心、边缘云节点或者端节点。在满足业务需求的前提下,当业务闲时,AI 推理模块可以部署在云中心。当算网管理模块检测到用户流量激增,预测
24、业务已切换到忙时状态时,为保障业务 SLA,将执行业务节点下沉操作,通知 AI 赋能模块,将 AI 推理模块部署到边缘云节点,甚至是端节点。 5.25.2 超高清视频超高清视频 超高清视频业务包括 4K、8K 点播和直播,在线直播等。下面以在线直播业务为例阐述算力网络的应用示意图。系统如下图所示。 中国移动研究院 算力网络视频应用白皮书(2022) 11 图 4 在线直播 在线直播业务在直播过程中,需要提供极具真实感的美颜功能及特效。算网管理模块通过在云中心、边缘云节点部署形象渲染模块可实现以上功能。另外,当用户移动时,算网管理模块可调度离用户最近的边缘云节点为用户提供服务。 5.35.3 云
25、云 VRVR/AR/AR 云 VR 是将云计算、云渲染的理念及技术引入到 VR 业务应用中,借助高速稳定的网络, 将云端的显示输出和声音输出等经过编码压缩后传输到用户的终端设备,实现 VR 业务内容上云、渲染上云。 云 VR 业务对于网络和计算都有极高的要求,比如入门级 Cloud VR(全视角8K 2D 视频) 采用 110 度视场角 FOV 传输情况下, 典型网络需求为: 带宽 40Mbps,RTT 20ms,丢包率 2.4E-5。典型计算需求为:8K H.265 实时硬解码,2K H.264实时硬编码,多路并行计算能力等。 基于上述要求,算力网络通过对分布式计算资源和网络资源进行协同优化
26、,如下图所示,将计算任务分配如下:将 Cloud VR 中计算负载重的多路并行计算、内容产生等任务部署在中心云上。将计算要求较低的视频编解码、内容渲染等任务动态卸载至边缘节点处完成。通过计算任务分级卸载,提高云、边、网资源利用率,提高业务体验,对于云 VR 由试点走向规模部署具有积极的意义。 图 5 云 VR 系统 中国移动研究院 算力网络视频应用白皮书(2022) 12 5.45.4 云游戏云游戏 下图为在算力网络在云游戏业务上的应用示意图。 图 6 云游戏 云游戏业务中,算网管理模块可将抓屏编码和渲染计算模块部署在云中心和边缘云节点。另外,当用户移动时,算网管理模块可调度离用户最近的边缘云
27、节点为用户提供服务。 6. 6. 总结与展望总结与展望 目前,算力网络在视频领域的应用研究尚处于起步阶段,很多关键问题亟需解决。本白皮书通过介绍算力网络视频应用的国内外研究现状,应用架构,关键技术和典型应用场景,提出中国移动算力网络在视频领域应用的一些思路和建议,希望能够为算力网络产业在业务落地提供参考和指引。 缩略语列表缩略语列表 缩略语 英文全名 中文解释 AI Artificial Intelligence 人工智能 CPU Central Processing Unit 中央处理器 GPU Graphics Processing Unit 图形处理器 VR Virtual Reality 虚拟现实 AR Augmented Reality 增强现实