面向视频领域,算力网络先行先试

发布时间:2022-09-19 作者:中兴通讯 郭雪峰 阅读量:

 

 

算力网络通过算力构建、网络升级、一体化编排调度,以及与数、智、安、端、边、链等多技术融合,实现数字化底座的升级,助力供给侧提升资源效率、节能减排、降低成本,并为上层应用提供新型赋能能力,催化CHBN等应用创新繁荣。

 

基于应用场景研究对算力网络的需求及技术方案,是推动算力网络成熟及价值体现的重要途径之一。视频业务是当前最活跃也是最有发展前景的业务之一,有必要研究算力网络在视频领域的应用,构建视频算力网络。

 

 

视频业务发展对数字技术底座提出新要求

 

 

视频业务始终是与算网基础设施交织发展的。如图1所示,在发展期,3G/4G、家庭宽带、智能终端普及,使得影音娱乐、实时通信等业务获得了高速发展。在转型期,双千兆网络、边缘计算、异构计算的发展助力视频业务从高清向超高清、沉浸式发展,从消费类场景向工业生产类场景拓展。未来随着芯片架构及计算技术演进,网络向更高吞吐、更低时延发展,以及与6G、AI、区块链、安全等技术进一步融合,将迎来元宇宙、数字孪生等超视频发展时代。

 

当前视频业务正快速向CHBN各领域发展,对算网基础设施提出了新的需求和挑战。以网络传输时延需求为例,视频通话等人与人之间的交互,端到端传输时延要求在200ms以内,云游戏、XR等人机互动等视频业务要求时延为15~80ms,而远程驾驶、远程医疗、工业质检等新型业务要求确定性的传输时延控制在10ms以内。

 

在算力需求上,以视频编解码为例,根据中兴通讯实验室测试数据显示,视频编解码新一代运算量大幅上升,以H.264算力需求为基准,H.265编码的算力需求将提升5倍,H.266编码算力需求将提升到45倍。云游戏、机器视觉、XR导航导览等业务涉及大量的视频渲染、视频分析计算要求,在CPU之外需要引入GPU、NPU等异构算力。

 

此外,视频业务的发展对算力流转及算网一体化编排调度也提出了要求。例如将云游戏业务需要的视频编解码、视频渲染等算力从终端迁移到边缘或云端,并利用网络调度实现端侧到边缘、云端的低时延、高带宽连接保障,可降低终端算力要求,提升用户体验,并通过云端算力共享降低整体业务运营成本。家庭视频类应用一直受到终端算力的限制,为了推广新业务,有时不得不大范围进行机顶盒等终端替换,成本极高。如果将业务所要求的部分算力从端侧迁移到云端,实现终端云化、存储上云、应用在云,就可以突破终端算力瓶颈,实现业务快速灵活上线开通。在机器视觉等工业应用场景,要求确定性的连接服务以及高冗余可靠的算力服务,可基于算力网络实现端、边、云多级算力的冗余备份、任务迁移,确保工业级任务的高可靠运行。

 

可以看到,随着视频业务的发展,要求构建实时、泛在、异构的多样性算力,并在新型网络技术的支撑下实现算力跨层跨域的编排调度。算力网络在视频领域大有可为,有必要面向视频应用先行先试,研究算力网络在视频领域的应用技术及方案。

 

Network diagram

      图1   视频业务与算网设施交织发展

 

 

视频算力网络架构及关键技术

 

 

算力网络应用在视频领域,既需要构建算网基础设施能力、算网一体化编排调度能力,又需要抽象视频服务能力,通过视频能力开放及视频服务使能为视频应用赋能,催化出更多、更好、成本更低的视频类应用。视频算力网络总体逻辑架构如图2所示。

 

Network diagram

 

     图2   视频算力网络架构

 

在基础算网设施层,需要在端、边、云构建泛在、异构的视频类算力,满足视频业务日益增长的算力需求。如在端侧推动摄像头、VR眼镜、云电脑客户端等终端设备的升级演进和普及,通过建设现场视频网关实现业务识别、网络保障、视频传输加速;在边缘侧通过建设多样化算力、网络内生算力支撑不同场景下的视频算力需求,如与基站结合构建接入侧轻量视频算力提供传输加速、大上行带宽等能力,与UPF结合建设边缘网关视频算力,满足园区级算力需求;在云端构建大规模的视频渲染及视频分析集群算力、高压缩分布式存储,为高算力类视频业务提供共享算力服务。视频类应用也同样需要进行网络能力升级,通过光网络构建分级时延圈提升传输能力,通过5G增强技术、SRv6、确定性网络、无损网络等技术保障传输质量并支撑突发类、稳定类等不同流量特征业务的传输需求。在业务网络层面,通过云化改造、融合互通增强服务能力,为视频业务向融合、实时互动、智能及沉浸式发展提供网络基础。

 

在一体化编排调度层,通过构建算网大脑,对算力资源进行统一标识、度量、实时感知,并基于就近、就闲、就碳等不同策略实现算网资源的动态编排调度,达到业务体验最佳、资源利用最优等目标。

 

除了算力网络基础能力构建外,通过构建视频服务使能能力,拉通视频应用和算力网络底座,是实现算力网络在视频领域应用的重要一环。首先,通过视频服务使能层实现视频服务及应用与算网资源的映射,实现应用与资源的相互透明,视频应用能聚焦在业务逻辑本身,而算力网络聚焦在资源底座的纳管和调度。其次,通过视频服务使能实现视频类业务及服务的统一纳管、状态感知,并基于多种策略实现动态的实例化部署和弹缩管理,达到视频应用及服务最优化运行。最后,面向算力网络,作为视频服务及应用的代理,通过视频服务使能层与算网大脑协同,可实现基于业务SLO(服务等级目标)多属性需求的算网资源编排调度。

 

算力网络使得网络无所不在、算力无所不达,基于算力网络的视频服务能力也将获得极大提升,有必要对这些能力进行抽象、封装,面向应用层开放,包括视频编解码、智能路由、分类存储、视频渲染、视频分析等增强型视频服务能力,使得应用层使用更加方便快捷,降低业务开发门槛。这需要从各类视频业务网络及媒体节点中提取抽象出视频服务能力层,形成各类原子视频服务能力,并接入视频服务提供层来实现能力的封装和开放,赋能视频业务创新。

 

最后,在视频应用层,可结合业务发展需要或面临的关键问题,进行部分业务逻辑重构,有效利用算力网络新底座能力及增强型视频服务能力,使得业务体验更好、成本更低、响应更快。

 

 

算力网络视频应用实践

 

 

基于以上架构和关键技术,中兴通讯推出视频算力网络方案,并在新型云电脑、机器视觉、XR实训等多个视频应用场景实践,取得了良好的效果。在新型云电脑场景中,实现了业务快速开通部署、抗弱网能力提升及资源利用率提升。在工业领域的机器视觉场景,突破5G上行带宽限制,降低视频传输时延,提供可靠性及确定性的工业级视频服务。在XR导航导览应用场景,通过构建云端XR渲染能力,降低终端算力需求,改善业务体验。

 

通过算力网络在视频领域的应用研究及实践,形成行之有效的方案架构及技术能力,有利于算力网络技术成熟及落地,并逐步向其他领域拓展完善,形成面向全行业的算力网络解决方案。