2020智能网络系统白皮书.pdf

智联网络系统白皮书Networking Systems of AIWhite Paper（2020 正式发布版）2020 年 12 月Institute on Networking Systems of AI 国际智联网络系统学会2020智联网络系统白皮书（2020 版）前 言2020 年 4 月 20 日，国家发展改革委在新闻发布会上首次明确“新基建”的范围，涵盖信息基础设施、融合基础设施与创新基础设施三大方面，并指出未来二十年将大力发展以 5G 技术、物联网、工业互联网、卫星互联网为代表的通信网络基础设施和以AI、云计算、区块链等为代表的新技术基础设施。作为当前科学领域两大研究热点，新一代移动通信网络（5G）和人工智能（Artificial Intelligence，AI）已成为“新基建”项目的重点发展对象，为新一轮信息革命提供技术支持。5G 通信和 AI 两个看似无关的技术在实际应用中却互相融合、促进和影响，形影不离。5G 通信和 AI 的交叉融合发展，催生了新的基础研究平台和创新生态应用智联网络系统（Networking Systems of AI，NSAI）。NSAI 将传统集中式的 AI 转变为分布式的大规模智联网络体，实现 AI 网络的自组织实时智能演进，是计算与通信学科融合并面向各个传统学科和产业的重大创新；从而实现“网络即AI系统，AI即网络系统”的智联网络系统新生态。面向未来多元多维信息社会及先进生产力的发展，NSAI 正有效整合碎片化的垂直行业领域发展，实现全球十万亿元级以上的科技转化应用与传统产业更新。而伴随 NSAI 诞生的数字智能健康城市（Smart&Healthy City-SHCity）等应用生态体系将成为人类智能社会及命运共同体的全球科技创新典范。智联网络系统白皮书一文介绍 NSAI 的系统愿景、架构、及所包含的关键技术解析，分析 NSAI 在社会现实生活与先进工业生产中的应用范例，并阐述 NSAI 在演进过程中的面临的主要挑战及发展前景；最终形成物理世界、网络空间、和人类社会融为一体的智联社会，即人工智能与人类智能的和谐共生体系。一、行业背景分析 2二、NSAI 系统愿景与架构 6 1、NSAI 的五大技术愿景 6 2、NSAI 的分层架构 9三、SHCITY 智联应用场景 11 1、城市智联空间提供变革性服务 11 2、精准医疗与教育助力稀缺资源优化 13 3、产业互联网升级先进工农业与能源管理 15四、关键技术分类解析 19 1、物理网络层技术 19 2、服务定制化层技术 22 3、通用智联平台层技术 25 4、应用系统层技术 27五、挑战与发展方向 31 1、技术挑战与机遇 31 2、从脑联网到智联社会 34六、结束语 38目录智联网络系统白皮书（2020 版）2一、行业背景分析AI 技术：AI 技术自上世纪五十年代诞生以来，其发展过程可谓一波三折。在走出九十年代的低谷之后，当前再次处于繁荣上升期，且势头强劲。推动当前 AI 繁荣的因素有两个方面：一方面，计算机芯片集成化程度的提高（如图一所示），为大规模并行计算的应用提供了硬件基础；另一方面，在大数据时代，数据量呈爆炸式增长（如图二所示），海量数据也为构建大规模深度学习模型提供了数据支持。AI 的本质是利用机器模拟人的思维和决策过程，AI 赋能不仅可使机器具备感知、认知、决策、学习、执行与协作能力，而且还能为人类服务，成为促进人类社会进步的巨大推动力量。目前，AI 在工业、农业、医学、教育、军事、航空航天等领域已经取得了巨大成功，且进一步开发的潜力空间巨大。然而，AI 的发展前景并非畅通无阻，当前 AI 面临的主要挑战是传统的集中式 AI架构受到局部算力和存储能力掣肘，训练出来的模型泛化能力有待提高。相比之下，分布式 AI 架构则具有调度灵活、性价比高、安全自主且规模伸缩性强等优点。在大数据时代，分布式 AI 发展潜力和应用价值将远大于集中式 AI。随着当前物联网设备数量的剧增与智能化程度的提高，边缘计算需求也在日益增长。将运算操作从第三方云服务器迁移到分布式本地设备进行处理，在增强用户隐私保护的图一：计算能力的发展摩尔定律下的 120 年图二：数据量的增长趋势智联网络系统白皮书（2020 版）3图三：无线通信网络技术的发展历程5G 通信：从飞鸽传书到卫星电话，通信技术发展贯穿人类文明发展的历程。蜂窝无线通信技术使人们又摆脱了通信线缆的羁绊。蜂窝无线通信技术的发展（如图三所示）经历了从仅支持小规模模拟音频通信的第一代移动通信技术(1G)，到当前为低延迟高清视频通话、全屋智能家居等现代智能应用提供支持的第五代移动通信技术(5G)。在大数据时代，海量数据的实时传输已成为迫切需求，现有的 4G 无线通信技术已无法满足需求。近年，中国政府高度重视并积极发展 5G 技术和新型基础设施建设。国家发改委、工信部关于组织实施 2020 年新型基础设施建设工程（宽带网络和 5G 领域）的通知中指出，重点支持虚拟企业专网、智能电网等7 大领域的 5G 创新应用提升工程。5G 通信与 AI 的深度融合是无线网络的发展趋势，和当前社会的需求十分契合。目前，5G 通信已经基本实现标准化和关键技术研究，并成为新一代信息基础设施的重要组成部分。5G 具有“超高速率、超低时延、超大连接”的特点，不仅将进一步提升用户体验，为移动终端带来更快的传输速度，还能充分满足万物互联的需求。同时提高人机交互的实时性，边缘智能使得人类社会发展从万物互联迈向万物智联的目标更进一步。多智能体间信息交互与资源共享的需求十分迫切，而 5G 通信网络具有低时延、高可靠性的特性更是改变多智能体间协同性差局面的利刃；同时，AI 技术的强大控制决策能力也有利于实现无线网络的智能化。由此可见，AI 与 5G 通信网络具有极强的互补性，它们间的深度融合具有极高的应用价值与广泛前景。智联网络系统白皮书（2020 版）4交叉创新：5G 通信与 AI 融合新范式在全球范围内引起学术界、工业界高度重视。一方面，AI 技术可用于优化通信网络，改进通信网络的延迟、带宽、设计或架构；另一方面，5G 通信又能满足分布式 AI 应用的实时通信及资源共享的需求。正是 5G 通信网络技术结合分布式 AI 系统形成了“网络即 AI 系统，AI 即网络系统”智联网络系统新生态的发展趋势，为双方技术界发展都带来了重大机遇，促进整个社会生产方式变革与生产力提升。根据业界于 2019 年的报告Employing AI techniques to enhance returns on 5G network investments，全球 53%的通信服务提供商将在 2020 年底前将 AI 技术融合到通信网络中，超过 72%的服务提供商对 AI 带来巨大的利润空间信心十足，并能在未来能够进一步提升用户体验，包括提升网络质量与提供个性化服务。在国际上，高通、英特尔、爱立信、美国电话电报公司等国际巨头纷纷立足于自身企业特点，从各角度加速智联网络系统关键技术环节开发。例如，高通骁龙芯片系列增强智能处理功能，英特尔正加大训练（NNP-T1000）和推理（NNP-I1000）的处理器开发，爱立信在其人工智能产品组合中加入了网络智能，使用机器学习能够在中断影响网络性能前识别并解决等。表一汇总了相关网络运营商将 AI 与通信融合的案例。智联网络系统白皮书（2020 版）5表一：与智联网络系统有关的工业成果案例智联网络系统白皮书（2020 版）6“智联网络系统”（Networking Systems of AI-NSAI）是 AI 技术与通信网络深度融合的产物，也代表着基于智联服务的新方向。在未来智能化工厂、智能健康城市等复杂场景中，“端+5G 网络+边缘云+云服务”的协作模式将会引起新一轮的产业转型和产业升级。这些技术的运用不仅为用户提供更高的隐私保护，而且使服务变得智能、高效、便利。同时部署在边缘云和终端设备上的 AI，也能更好地与人类和现实世界进行实时交互。在 AI 算法方面，NSAI 使用离线和在线相结合的双学习机制将会更好的提升下一代 AI 的适应性，通过在线进化学习在迈向通用的强 AI 路上迈下坚实的一步。在此背景之下，NSAI 的发展不仅为产业发展和科研探索提供了方向，也为 AI 和通信网络的融合发展描绘蓝图。在 5G-B5G 通信与 AI 技术快速融合发展的产业需求下，学科交叉的研究与高端人才的培训正在加速。例如，加拿大相关部门专门成立了NSAI研究所，美国的麻省理工大学、加州大学伯克利分校、加拿大多伦多大学等也都将 NSAI 作为超热点研究。基于当前人工智能与通信网络的发展现状，智联网络系统白皮书从网络、服务、空口、器件、生态系统等方面提出 NSAI 发展的五大技术愿景。1）提供服务定制网络（SCN Service Customized Network）：SCN 以适应不同用户的需求为目标，为 AI 嵌入式网络提供一个动态可重构的虚拟网络新框架。该框架能支持多个时间尺度上对网络资源进行实时创建、配置、重配和切片。例如在智能交通服务中，高峰时段的车辆和终端连接数量可能远远高于其余时段，这就需要动态地对不同规模的网络资源和服务质量做配置与重构，以适应其服务需求的动态弹性变化，并提供网络可重构的实时性指标。可以预见，未来的网络运营商需要为每一项智联服务，如自动驾驶、智联工厂、社区等，提供个性化定制的 SCN。1、NSAI 的五大技术愿景二、NSAI 系统愿景与架构智联网络系统白皮书（2020 版）72）形成通用智联服务（GSS Generalized Smart Service）：GSS 为 NSAI提供一组通用应用程序接口（API），同时将大规模服务定制网络 SCN 中通信与计算的复杂性进行基于服务场景的封装。通过 GSS，整个虚拟网络将成为一个拥有在线进化学习能力的计算-通信实体，包括如智能终端、边缘设备和云计算服务器等连接对象。通过物联网与互联网的深度融合，GSS 提供一个泛在智联服务中间层，一方面基于服务场景实时处理海量异构数据，并将分布式感知与控制能力通过 API 提供给上端应用程序；另一方面通过对网络大数据的实时分析与态势预测对网络做智能化配置与安全控制。3）构建 B5G-6G 统一新空口（UAI Unified Air Interface）：5G 已将大流量移动宽带业务（eMBB）、大规模物联网业务（mMTC）和低时延高可靠连接业务（URLLC）定义为其三大应用场景，但目前 5G 网络还不能同时满足高吞吐量、大连接和低延迟等混合要求。2018-2019 的 3GPP 大会上，基于 5G 三大场景的混合切片需求被 OMESH等国内外公司联合提出，主要面向复杂场景的异构终端互联需求，得到主流运营商和厂商的支持。2020 年，华为技术等公司提出 5.5G 的概念，将原本三大场景按照混合切图四：NSAI 的技术愿景图谱智联网络系统白皮书（2020 版）8片的路线先扩大到六大场景，也即新增 UCBC（上行超宽带）、HCS（通信感知融合）、RTBC（宽带实时交互）三大混合场景。随着未来 NSAI 应用的泛在普及，特别是在智能和健康城市（Smart and Healthy City-SHCity）或者一般智能基础设施场景中，每个智能设备都可以在服务区内实现互连与数据交换。从 B5G 到 6G，通过动态重新配置的新空口有望统一大流量移动宽带业务（eMBB）、大规模物联网业务（mMTC）和低时延高可靠连接业务（URLLC），形成覆盖接入网与核心网的智能混合全景切片。4）集 成 多 功 能 微 纳 电 子 器 件（MNED Micro and Nano Electronic Device）：当前的智能芯片技术仍遵循着摩尔定律在纳米尺度上的连续性，向着更小、更低功耗的方向发展。传统冯诺伊曼架构由于计算与存储的分离设计，会造成对执行大规模 AI（如深度神经网络等）的低效率。由此，存算一体的 AI 芯片设计成为当前研究热点。然而和人脑神经网络的规模相比，目前最先进的 AI 芯片在规模上相差数百万倍，在能效上则相差数十万倍以上，MNED 技术的潜在发展空间巨大。在未来五到十年，MNED 可采用 3D 异构的 Chiplet 芯片架构，进一步集成计算、缓存、传感和通信的一体化设计，并通过新型扩展指令集来进一步提高智联芯片及微纳电子器件、终端规模与能效的数量级。5）形成 NSAI 生态系统：随着 AI 与通信网络交叉融合，数以亿计的智能设备互联并组网，形成覆盖城市和人类社会的网络智能体，正如过去三十年的移动电话、互联网、移动互联网等信息产业革命一样，将再一次彻底改变人们的生活方式。可以预计，NSAI 将进入人类社会的各个方面，并通过在线进化的学习为用户提供更好的实时定制化体验，例如城市微空间、未来交通、精准医疗、智联教育、柔性制造、新型农业、产业互联网和能源互联网等。正如过去十年中，3G、4G 通信曾创造了移动互联网，拉近网络世界与现实世界；随着 5G 的全面商用及 B5G-6G 研究的展开，在未来十年中，NSAI 将使得网络空间、现实世界、和人类社会无缝结合，并融为一体，从而催生新一代互联网的演进。智联网络系统白皮书（2020 版）9图五：NSAI 的系统分层架构1）物理网络（PN Physical Network）层：PN 层主要由有线与无线的混合基础设施网络组成，包括例如接入网、交换机、核心网、云服务器、边缘服务器和移动终端等物理设备；可兼容不同运营商的基础设施，支持 TCP/IP 通信协议。物理网络层是服务定制化层的基础。2）服务定制化（SCN Service Customized Network）层：SCN 层为定制服务创建和配置虚拟网络，具有拓扑管理、资源分配、数据传输和转发、路由与负载均衡、安全和网络切片等功能。服务定制化层可在虚拟链路（L2 网络）上构建，提供向上兼容的功能。2、NSAI 的分层架构基于智联网络系统的五大技术愿景，智联网络系统白皮书建议 NSAI 系统架构分为四个层次，如图五所示，自底向上分别为物理网络层、服务定制化层、通用智联平台层、和应用系统层：智联网络系统白皮书（2020 版）103）通用智联平台（GSS Generalized Smart Service）层：GSS 层由分布式AI 计算系统构成，在数据层面对网络中的感知数据针对分类场景做分布式智能处理，实现网络化智能计算；同时在控制层面上根据网络实时态势动态配置服务定制化层。作为中间平台，GSS 层可同时为订阅智能服务的用户提供认证、授权和记账(AAA)服务。4）应用系统（APP Application）层：APP 层通过基于 GSS 层提供的智联服务北向应用程序接口，将物理世界、网络空间与人类社会融合，为消费者、企业、政府部门提供全景创新应用及颠覆式用户体验。智联网络系统白皮书（2020 版）11基于 NSAI 的城市空间服务系统可创建出一个庞大的数字虚拟环境。通过遍布于城市各个角落的成万上亿台移动设备与传感器，可以自动采集和实时监测城市的各种数据，包括从交通到天气、能源使用、水消耗、购物信息、空气质量等。数据被聚合并传输，然后进行存储、组织和分析，从而了解正在发生的事情以及将来可能发生的事情。基于NSAI 的城市微空间服务将物理环境和实时事件连接并集成到一个基于人工智能的虚拟系统中。基于数字孪生技术，可以融合物理世界和数字世界，将现实主体映射到虚拟空间，从而汇聚所有线上、线下参与者。这种技术将为智慧社区、智慧建筑、智慧工作空间、智慧购物中心等智慧数字城市场景的建设提供技术支持。基于沉浸式技术，人们可以建立一个完全相同的物理世界的数字拷贝。新的数字世界与相应的物理世界平行，在数字世界中所做的一切行动都可以在物理世界中实现，让用户随时随地实时三维时空场景中进行体验和互动。同时，人工智能将在改善数字和物理世界的用户体验方面发挥关键作用。基于 NSAI 的智能交通系统将人、车与道路基础设施汇聚成一个庞大而严密的智联网络，通过实时采集到的车辆和道路信息对城市交通进行监测和管理，以“端-边-云”联合决策模式控制车辆行驶，推动实现全自动驾驶等新型智能交通服务。NSAI 将加速从车联网向完全自主驾驶进行转变。车联网是一个庞大的系统，车与物之间进行无线通信和信息交换。车联网是全自动驾驶的基础，它将人工智能、视觉计算、雷达、监控设备和定位系统等融为一体。全自动驾驶不仅依赖于高效、实时的数据计算，还需要实时访问道路基础设施和互联网数据。因此，全自动驾驶不再受任何单一车辆的计算和传感能力的限制，而是依靠整个网络来协调所有车辆和道路基础设施，从而提高效率和安全性。1、数字城市智联空间提供变革性服务三、SHCITY 智联应用场景智联网络系统白皮书（2020 版）12图六：沉浸式购物体验示意图2）未来交通系统举例：全路段自动驾驶全路段自动驾驶可通过 NSAI 维持车辆间、车辆与交通设施间的可靠、高效、安全信息服务。在分层交通网络管理机制中，云中心可监控整个交通网络状态，与路边调配单元、车辆终端通信，获取请求信息并发出调配命令。基于 NSAI 的车-路协同技术通过道路网络、传感器网络、控制网络等，形成安全、高效、环保的道路交通系统，实现1）城市空间服务系统举例：沉浸式购物体验基于数字孪生与 AR/VR 技术，可以实现沉浸式的在线购物。如图六所示，通过数字孪生建立一个虚拟商场，通过商场中的各种物联网传感器和摄像头，商场的环境、活动、以及各种实时影像等信息被采集并上传至云端，从而通过在线上构建出与世界完全相同且平行的数字世界，在物理世界中所做的行动可以映射物理世界，在数字世界中的行为在物理世界中实现。同时，客户可随时随地使用 AR/VR 设备获得身如其境的体验，与现场销售员无碍沟通，并可以方便快捷地下单订货，实现自动分拣与配送。智联网络系统白皮书（2020 版）132、精准医疗与教育助力稀缺资源优化在医疗服务上，NSAI 可将医生、患者、医院和监管机构进行有效整合，提供可靠的定制化精准健康管理服务。医疗健康服务可以在全生命周期内持续提供高质量的服务。在满足隐私保护的前提下，NSAI 可存储、保护、检索、分析和共享来自病人、医生、医疗设备等的数据。医疗资源也可以在医生和医院之间共享，医生或医疗设备可以远程检查患者，医生也可以从本地或远程数据库检索所有共享数据。有助于消除了医院与医院，地区与地区间的边界，从而实现医疗资源共享。因此，在 NSAI 医疗健康服务，医院的物理边界和城市的地理边界将被消除，医生和医院的工作效率可以显著提高，从而助力改变健康管理、治疗和医院管理。在教育服务上，NSAI 的教育服务融合了学生、教师、学校、培训机构、大学、图书馆和所有的学习资源，任何数据都可在知识产权保护下检索和共享，为学生、教师和监管者提供无缝服务。基于人工智能的教育网络和服务可以实现终身学习。除了人类老师，学图七：全路段自动驾驶示意图多种车辆在同一道路上协同行驶，这也被认为是智能交通系统新趋势。例如图七示，若有一辆救护车辆需要提高行驶速度，它可以向 NSAI 申请开辟紧急绿色通道，NSAI 通过智能化算法重新规划周边所有车辆路径，自动开辟出一条高速行驶紧急通道，而所有车辆如水波分流运转不停。智联网络系统白皮书（2020 版）14图八：实时健康监控及医疗资源分配示意图生也可以向人工智能老师学习。学生、教师、出版商或其他方生成的数据可以方便地存储、保护、检索、分析或共享。学校的物理边界和城市的地理边界将被消除。NSAI 教育服务将显著提高学习和教学效率，解决城市和国家之间学习资源不均衡的问题。同时学生还可以从个性化和定制的学习和培训中受益，让每个人都可以得到个性化的独特的教育。1）智联医疗服务系统举例：实时健康监控及医疗资源分配在用户隐私授权许可的前提下，实时健康监控及医疗资源分配系统（如图八所示）通过遍布于城市各个角落的边缘服务器实时检测市民的身体状况。当佩戴可穿戴传感器的用户出现身体异常状况时，传感器自动向边缘服务器发出报警信息，再经云服务器向医院发出患者求救信息。即使在人迹罕至的地方也可以及时拯救患者生命，并且提前知悉患者状况以便更好地准备急救措施。智联网络系统白皮书（2020 版）15工业互联网被认为是连接整个工业系统、产业链和价值链的关键基础设施，支撑工业智能化的发展。基于 NSAI 的工业服务将客户下单、工厂制造、物流、销售和保修等商业流程整合，同时将员工、设计机构、工厂、仓库和供应链融合到网络系统中，从而降低物流和管理成本，提升工业生产效率与利润。NSAI 工业服务通过供应、制造、销售的数字化，实现快速、高效、个性化的工业产品，将快速、小批量的定制化生产变成现实。通过 NSAI，可以在人与机器、机器与机器、服务与服务之间形成互联，从而实现高度的水平、垂直和端到端的集成。先进工业智能服务体现了自动化与信息化的融合，可以创造以价值链为导向的端到端生产流程，实现数字世界与物理世界的有效融合，使产品价值链与不同企业和客户需求相融合。基于 NSAI 的农业服务可整合各种新兴技术，实现农业生产的精准耕作、可视化管理与智能决策，把消费者、农业专家、农民、经销商等各方连接在一起，从而大大提升农业生产和流通的效率和精度。利用 NSAI 实时数据分析技术，可以对作物生长等进行预测，对水分、苗情、虫情、灾情等进行预警和分析，对环境污染信息进行严密监测。3、产业互联网升级先进工农业与能源管理2）智联教育服务系统举例：远程个性化教育服务图九：远程个性化教育服务示意图远程个性化教育服务系统（如图九所示）使用 AR/VR 技术可使学生身临其境般体验到实时教学场景。教师在虚拟教室与学生进行实时交互，并和学生在云端保持同步。NSAI 虚拟教室包括可以搭载以下功能：便捷视频会议、实时数字白板、线上小组会议、实时可视化教学、实时教学模型。远程教育系统具有“适应性学习”功能，即通过分析获得学生学习行为和偏好，配合老师动态配置教学方案和交互方式，以提高学习效率。智联网络系统白皮书（2020 版）16无人驾驶的农业机械，如收割机和拖拉机则可以全天候工作，并精确、高效、自动地完成路线规划。智能灌溉系统利用高精度土壤温湿度传感器和智能气象站，远程采集土壤水分、pH 值、养分、气象信息等数据，实现水分或干旱自动预报，灌溉用水量智能决策，可实现精准耕作、精准施肥、合理灌溉等灌溉设备的远程自动控制。同时，智能灌溉还可以根据特定的植物生长速率自动调整所需营养液。智能家畜精确监控家畜繁殖过程和生长动态，实现对家畜养殖和养殖管理的快速高效指导，也可以实施防疫。在能源领域，NSAI 能源服务不仅可实现风能、太阳能等多种能源的融合和互补，还可完成电网、热能网和燃料网的一体化融合。能源互联网正在成为以特高压电网为骨干，以可变清洁能源输送为龙头，互联互通、无处不在为主要特征的智能电网。通过能源工业与信息技术的融合，实现能源生产、储存、传输和消费的一体化管理。基于NSAI 的能源服务可以将传统的集中式人工智能转变为大型分布式智联网络系统，实现自组织、自进化和实时智能。确定性的低延迟和灵活的网络资源配置可以为“更实时”的系统响应提供保证。分布式人工智能可以提供更精确的在线实时数据训练模型，实现“更智能”的调度和控制。同时，智能能源服务可以对能源低效或能源故障做出反应，并迅速解决问题。1）智联工业服务系统举例：定制化家居设计、生产及配送NSAI 可实现网络化、智能化、定制化的家居设计、生产及配送（如图十所示）。通过将人与机器、机器与机器、服务与服务间进行互联，满足用户的个性化定制需求，并由云服务器智能化选择设计商、生产商、配送商。每个商业实体只需要完成自身工作而省去其他诸如商业对接、寻找上下游供应链等中间步骤，大幅精简供货流程、节约资金，全面提升工业企业利润。图十：定制化家居设计、生产及配送智联网络系统白皮书（2020 版）172）智联农业服务系统举例：远程智能控制的无人机农业病虫害管理NSAI 可远程控制无人机治理农业病虫害（如图十一所示）。首先通过卫星遥感技术获取农田影像信息，反馈到云端服务器，实时分析土壤含水量、苗期、病虫害和灾害情况。当病虫灾害达到一定程度时即组织大量无人机进行除虫作业。在边缘服务器的控制下，无人机组可精确规划路线与机群协同工作。图十一：远程智能控制的无人机农业病虫害管理智联网络系统白皮书（2020 版）18图十二：混合电力能源消费与生产智能化管理3）智联能源系统举例：混合电力能源消费通过连接能源市场和消费者，NSAI 可实现混合电力能源消费与生产智能化管理（如图十二所示）。当消费者自主产能时，NSAI 根据实时电价实现电力双向交易，即消费者在用电高峰期时将自产过剩电能以满意的价格卖给能源市场，又可在用电低谷时以较低的价格购买市场上的电力能源。这不仅降低能源浪费，促进能源自由交易市场的繁荣，也有助于推进清洁能源替代传统能源。智联网络系统白皮书（2020 版）19依照智联网络系统-NSAI 的建议分层架构，就物理网络层、服务定制化层、通用智联平台层、及应用系统层，对各层技术的分类及发展做解析如下。NSAI 的物理网络层融合了新一代无线通信网络与 AI 的技术，如下将介绍三个起着支撑性作用的物理网络层技术：物理通信接口技术、新型传输技术、微纳电子技术。1）物理通信接口技术NSAI 与 5G-6G 通信物理层核心技术相结合，通过基础设施对计算、通信与存储资源进行优化部署，为各种应用场景提供可靠技术平台，其主要物理通信接口（无线/有线）技术如图十三所示。在无线接入方面，正交频分复用（OFDM）是 4G-5G 采用的多载波调制技术，NSAI 在 OFDM 技术的基础上，可通过利用更高频段的频谱探索正交时频空间（OTFS）。非正交多址接入（NOMA）的新型多址接入复用方式，允许不同用户占用相同的频谱、时间和空间等资源。NSAI 将 NOMA 与深度学习/强化学习等 AI 技术融合，实现一个基站可为多个随机部署的 NOMA 用户提供服务的功能。在有线回传方面，与传统光传输网络相比，NSAI 可利用具有动态带宽分配机制的分时复用无源光网络，既能满足超低时延的传输要求，又能动态自主分配带宽。同时，通过利用多频带光网络单元（ONU）1、物理网络层技术图十三：物理通信接口技术四、关键技术分类解析智联网络系统白皮书（2020 版）20和固定无线接入（FWA），降低其部署成本与部署复杂度。新一代光传输网络的使用可满足 NSAI 的大规模终端连接与移动流量转发的实际应用场景。2）新型多路传输技术在传统无线网络，包括蜂窝移动网和无线局域网等，网络结构通常是单跳的星型拓扑，即每个客户端均通过一条与固定接入点（AP）相连的无线链路来访问网络，但这种传统通信技术已无法满足当今大规模网络拓扑要求，而且网络容量则受到点到点香农极限的限制。新型 L2 无线多跳通信在 5G 标准体系中已得到初步应用，包括 NR-IAB（New Radio-Integrated Access and Backhaul）的上行与下行通信，及 NR-Sidelink 的侧行通信。而 L2 网络中间结点到目标结点之间的路径是由多跳组成，任何无线设备节点都可同时作为接入口和交换机接收与发送无线信号，或者与一个或多个对等节点进行直接通信。此外，通过认知网络的方法，L2 认知多跳通信可对包括网络节点和频谱资源的机会动态利用，实现无线多跳传输中带宽不衰减等特性，增加网络系统容量的数量级，如图十四所示。同时新型传输技术对上行、下行、侧行链路的改造也支撑了万物智联的图十四：新型多跳传输优势智联网络系统白皮书（2020 版）21图十五：微纳电子技术网络系统中对分布式数据流的传输服务质量。NSAI 运用 L2 认知多跳通信技术，通过结合 AI 算法，可以对无线频谱、无线信道和无线站点等网络资源进行更加动态智能调度和利用。在最大化网络资源利用率的同时，又可以适应复杂多变的场景，保证信息传输的可靠性。3）微纳电子技术NSAI 通过运用 3D 微（/纳）米集成技术，设计具有感知、计算、存储与通信一体化的智联网络集成芯片，以探索新型异构集成技术。随着芯片集成化的不断发展，传统计算机所采用的冯诺依曼架构由于其存储与运算分离，而导致运算速度与存储速度失配。同时，由于存储器与运算器在工艺/封装的差异，数据传输功耗的占比不断凸显。为解决上述问题，NSAI 通过将通信、感知与存算一体化技术融合的方式，进一步推动芯片更新进程。目前存算一体化方案主要包括以下三种：智联网络系统白皮书（2020 版）22在摩尔定律逐渐失效与新一轮人工智能浪潮来临的时代背景下，芯片技术面临在新场景、新需求与新技术的转型升级。NSAI 对于新型微纳电子技术的研究，将为 AI/通信算法提供更高效的算力。NSAI 通过构建定制化服务层为无线/有线网络提供更加灵活、易扩展的定制化网络服务平台。如下将介绍四项起支撑性作用的服务定制化层技术：SDN/NFV 演进技术、虚拟网络切片技术、拓扑管理及资源分配技术、新型网络协议及网络安全技术。1）SDN/NFV 演进技术服务定制化层依托软件定义网络（Software Defined Netrork，SDN）和网络功能虚拟化（Network Functions Virtualization，NFV），提供网络切片、拓扑管理、资源分配、负载均衡、路由传输以及安全性等定制化服务。SDN 和 NFV 的发展如图十六所示。图十六：SDN 和 NFV 的发展 高速带宽数据通信：光互连、2.5D/3D 堆叠；缓解访存延迟和功耗的近数据存储：增加缓存级数、高密度片上存储；缓解/消除访存延迟和功耗的计算型存算一体：DRAM 上的逻辑层和存储层的堆叠（类似近数据存储）、真正的存算一体（存储器颗粒的算法嵌入）。2、服务定制化层技术智联网络系统白皮书（2020 版）23NSAI 通过 SDN 技术将数据层面与控制层面分离，并利用其软件定义架构可编程的特性，使 AI 算法有效融入网络架构的构建与优化。同时，NSAI 利用 NFV 基础设施对网络功能进行虚拟化重建，从运行的硬件中抽象网络转发与其他网络功能，以对其进行高效智能的管理/编排。NSAI 将 SDN 技术与边缘智能结合，在车联网与物联网场景中自适应优化网络资源/流量分发、计算卸载、链路分析和网络监控等问题。同时，提供具有高扩展性的服务平台并加强与传统网络架构间的融合。2）虚拟网络切片技术网络切片是一种根据实际需求对网络体系结构进行划分的技术，可在同一网络基础结构上实现虚拟化和独立逻辑网络的复用。网络切片也是有效划分 5G 应用场景的关键点。不同场景对于网络服务具有不同的需求，例如自动驾驶和工业互联网对低时延有更高的需求，短视频等娱乐服务信息需要高质量的服务和移动宽带联接，而智能电网、智能家居等场景则需要大量的额外连接和频繁的小型数据包传输。因此，5G 新应用场景对于在物理平台使用专门化、隔离化和安全化的资源分配有很大的需求。NSAI 旨在通过利用强化学习、图神经网络与分布式机器学习等 AI 技术，构建更加灵活的网络切片框架。在 SDN、NFV 和容器等虚拟化技术基础上，提供用于切片/路由重新选择等多样化的服务等级协议（Service-Level Agreement，SLA），如图十七所示。利用 SDN 架构的层次化控制器，实现物理网络和切片网络的端到端统一控制、管理与调度。图十七：多元化 SLA 的网络切片智联网络系统白皮书（2020 版）24图十八：虚拟网络的动态资源分配此外，NSAI 可通过闭环设计具有自进化能力的切片全生命周期管理方案，使系统具备自主、智能的端到端编排部署，及业务需求/网络资源匹配的能力。3）拓扑管理及资源分配利用新型 SDN/NFV 及切片管理技术，对计算资源，通信资源和存储资源进行虚拟化抽象，并将物理资源和硬件资源通过虚拟化技术转化为可控、可分和可重构的虚拟资源，在多样化人工智能算法的支持下，实现网络拓扑和资源的灵活化、自动化和智能化的管理和分配。在静态资源分配的场景下，NSAI 将设计具有可扩展性的系统与传统的网络架构进行匹配，可利用强化学习等决策类型的人工智能算法进行资源的管控。在动态资源分配场景下，NSAI 将设计契合切片与数据中心之间相互协调的系统，利用具有自进化特性的人工智能算法进行智能感知资源分配。此外，NSAI 将调动更加多元化的基础设施，在云-边-端协同的框架下，对空-天-地-海进行有机的整合达到混合异构网络的最优资源分配。NSAI 对虚拟网络资源的分配具体过程如图十八所示。4）新型网络协议及安全性问题新场景、新需求与新应用的背景下，对于新型网络的功能和协议具有更加迫切的需求。传统 IPVx 协议对网络动态性支持能力有限，而面向对于层出不穷的应用需求则进一步推动了不同新型网络架构的涌现。未来的网络协议体系将会是一个新旧协议和多元智联网络系统白皮书（2020 版）25通用智联平台层作为服务定制化层与应用系统层的中间件，主要作用就是为应用程序提供接口，以透明地使用底层网络与计算技术。这里将要介绍三种最重要的技术：分布式 AI 计算技术、网络自动配置技术，及新型 AAA 技术。1）分布式 AI 计算技术分布式 AI 计算技术的主要功能是合理分配计算任务和资源，并在各个功能模块间进行协调，如图十九所示。3、通用智联平台层技术图十九：分布式 AI 计算架构并存的态势，因此如何协调多元网络协议和路由模式的资源调度、负载均衡，将会成为 NSAI 系统构建的一个主要目标。NSAI 旨在通过构建新型协议和算法解决路由链路构建、数据信息传输和负载均衡的问题。在动态用户接入和大规模网络队列的场景下，利用智能感知算法对拓扑、路由和输入流量之间的复杂关系进行分析，获取节点与链路间的拥塞状态，最终进行流量与信息传输的最优化。NSAI 中的安全性问题由网络数据包的共享性和可编程接口的开放性带来。并且，由于不同的网络数据包还具有不同的安全级别，因此需要一个复杂的、可以自适应的安全协议。在 NSAI 的相关研究中，可通过对 5G 网络数据包及虚拟化技术的安全问题进行分析，提出网络数据包信任度作为其安全级别，并建立一个信任度计算模型应用于数据传输协议中，从而确保网络数据包传输的安全性。智联网络系统白皮书（2020 版）263）新型 AAA 技术AAA 技 术，即 认 证、授 权 与 记 账（Authentication，Authorization and Accounting）的简称。其中，“认证”即验证用户是否可以获得访问权限；“授权”即授予用户特点的访问权；“记账”即记录用户使用网络资源的情况。AAA 技术并非一个新技术，但在 NSAI 中，网络规模远远大于以往的系统，设备接入请求也更为频繁，因此，传统的集中式 AAA 结构难以处理如此庞大的数据量。于是，区块链技术被提出作为NSAI 分布式 AAA 的解决方案，其具体架构如图二十所示。为保证客户数据隐私安全，NSAI可使用联邦学习算法，将原始数据保存在用户终端。另外，为了实现多机器人协作、分布式控制、资源管理、协作决策等，NSAI 引入了基于分布式 AI 计算的多智能体系统（Multi-agent system，MAS）。通过分布式 AI 计算技术，NSAI 将实现更高的学习和推理效率，更好地保护用户数据隐私安全，并最终实现在线进化学习。2）网络自动配置技术在 5G/B5G 的背景下，NSAI 中的网络配置不再只是将参数或资源分配给虚拟化系统，而是通过引入 AI 技术进行更加智能的调控，并在实现智能网络、多时间尺度、动态和多样化智能服务等方面发挥重要作用。NSAI 借助 AI 技术，对无线网络的基础设施和传感设备产生的海量数据进行学习，实现实时最优网络配置，以获得更好的网络性能。图二十：NSAI 中 AAA 的区块链智联网络系统白皮书（2020 版）27区块链技术具有不变性、不可否认性与可审计性的特点，可以保障认证系统的运行安全。另外，区块链的分布式设计，还可以大幅减轻传输、处理数据的压力。为满足NSAI 中海量数据的实时交易需求，需要在吞吐量