本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：随着人工智能计算与应用的不断发展，基于深度学习的智能服务对算力资源需求也逐渐提高，因此利用移动算力网络为边缘智能提供泛在异构、高效可靠的算力服务支撑。针对边缘智能和移动算力网络的研究现状和关键技术进行了讨论，提出了面向边缘智能的移动算力网络设计实例，给出了面向智能任务的网络部署方案和多维资源分配方案。
关键词：边缘智能；移动算力网络；结合部署；资源分配
doi：10.12045/j.issn.1007-3043.2023.05.015
概述
近年来，随着从云数据服务器到个人端的计算和存储设备的激增，计算普遍化和计算服务下沉的信息中心的时代到来。Machina Research报告显示，预计到2025 年全球联网设备会超过 270 亿台；同时，根据Gartner预测，2025年将会有超过75%的数据需要分流到网络边缘侧。边缘计算作为一种将计算任务尽量靠近数据源和用户终端处理的技术，具有缓解骨干网压力、服务响应灵活和任务完成时延低的优势。
随着人工智能技术的不断发展和广泛应用，基于深度学习的智能服务对算力资源需求大幅增加，在网络边缘部署智能服务并提供高效、泛在和安全的计算服务获得广泛关注，相关研究提出了边缘智能（Edge Intelligence，EI）概念。边缘计算和智能服务相结合，形成了边缘智能的概念，边缘与智能的结合能使两者相互受益。同时，为了充分挖掘异构广域的可用计算资源，相关研究机构提出了计算与通信资源深度融合的算力网络（Computing Force Network）概念。算力网络将不同地理位置分布的云计算服务器、边缘计算服务器等算力节点组网，通过计算任务和计算结果在不同算力节点间传输实现了异构算力协同，并具备计算资源状态感知、面向计算任务的动态路由、计算任务统筹调度等能力。结合边缘计算和算力网络，移动算力网络概念被提出。移动算力网络是指由移动设备和边缘服务器组成的计算网络，通过在网络中相互协作、共享计算资源和任务负载提供边缘计算服务。显然，移动算力网络将为边缘智能提供泛在异构的算力资源服务。面向边缘智能的移动算力网络架构如图1所示。
图1 面向边缘智能的移动算力网络架构
边缘智能技术通过边缘与智能的相互结合，为边缘计算带来更多的服务种类和更灵活的网络部署，以满足日益增长的业务需求。边缘智能概念包含以下2个方面：第一，致力于通过边缘计算部署人工智能服务，形成边缘+智能技术；第二，将人工智能技术整合进边缘计算网络，打造动态自适应的边缘网络管理和维护，形成智能+边缘技术。边缘+智能和智能+边缘之间并非相互独立，在边缘智能中，边缘+智能作为边缘智能的目标，将深度学习计算从云推向边缘，提供多样化、分布式、低时延、可靠的智能服务；智能+边缘中的深度学习服务也是边缘智能的一部分，通过深度学习的方法对终端-边缘-云这一动态性网络架构进行管理和维护，为边缘智能提供更高的服务吞吐量和资源利用率。
算力是对数据处理能力及服务的统称，由多种芯片、部件和封装形成的上层服务组成。而算力网络是一种以泛在算力资源为基础、网络通信为纽带、智能化调度为核心，实现网云边端和业务的高效协同与适配，从而满足差异化算力服务需求的技术。目前算力网络研究尚处于起步阶段，主要面向需求日益增长的计算和网络相互感知、协同、调度问题，推进网络和计算的深度融合。
移动算力网络则面向多级算力资源（云计算、边缘计算和端侧计算）并存情况下的资源统一供给问题。移动算力网络通过云网协同、云边协同和边边协同等算力协同技术，重点解决边缘计算中资源泛在化后的用户体验一致性以及服务灵活动态部署问题，实现资源利用的最优化，从而推进云、网、边的深度融合，在移动网络中提供包括人工智能、区块链、云、数据、网络、边缘计算、终端计算和安全保障的整合服务。
因此，综合上述边缘智能和移动算力网络的概念，下面针对边缘智能和移动算力网络的研究现状和关键技术进行了讨论，提出了面向边缘智能的移动算力网络设计实例，并给出了面向智能任务的网络部署方案和多维资源分配方案，为后续边缘智能和移动算力网络结合技术的实现和应用部署提供有益参考。
