本書從算力網路的頂層系統設計出發，首先介紹了算力網路的核心功能，然後圍繞算網大腦功能對涉及的關鍵技術實現進行了詳細描述。第 1、2 章介紹算力網路技術發展背景與趨勢，並深入講解算力網路與雲網的關係；第 3 章系統性地介紹算力網路的體系結構；第 4 章介紹與算網大腦有關聯的算網運營交易技術；第 5~9 章詳細講解算網大腦的核心功能：算網一體編排、算網管理調度、算網智慧運維、算網智慧引擎和算網數位孿生；第 10 章介紹算力網路應用場景；第11 章對算力網路的發展趨勢做了展望。
| FindBook |
|
有 1 項符合
馬雷明的圖書 |
 |
$ 421 | 算力網絡詳解(卷1)：算網大腦
作者：馬雷明 出版社：清華大學出版社 出版日期：2023-01-01 語言：簡體中文 規格：平裝 / 262頁 / 19 x 26 x 1.31 cm / 普通級/ 1-1  博客來 - 網路技術
- 來源網頁  看圖書介紹
|
|
|
雷明
雷明，原名雷鳴，中國男演員，1960年代畢業於北京電影學院表演系，後入北京電影製片廠，擔任演員。2010年4月23日因胰腺癌去世，享年71歲。
維基百科
維基百科圖書介紹 - 資料來源：博客來 評分：
圖書名稱：算力網絡詳解(卷1)：算網大腦
內容簡介
作者介紹
馬雷明，現任亞信科技研發中心技術與規劃專家。擁有 10 餘年通信領域工作經驗，負責算力網路、5G 專網等產品研究與規劃，對端到端網路系統有深刻理解。
孫杰，現任亞信科技研發中心雲網技術與產品規劃總監。擁有多年通信行業雲網技術與產品規劃經驗，負責雲網產品的整體技術架構設計與產品創新規劃，並為大型企業客戶提供數智化轉型解決方案及架構設計等諮詢服務。
歐陽曄 博士，IEEE Fellow，Verizon Fellow
亞信科技首席技術官、高級副總裁
歐陽曄博士目前在我國領先的電信軟體公司亞信科技（1675.HK）擔任首席技術官、高級副總裁，全面負責公司的研發與創新工作。加入亞信科技之前，曾任美國大移動通信運營商威瑞森（Verizon）電信集團通信人工智慧系統部經理及Verizon Fellow。歐陽曄博士在ICT領域擁有豐富的研發與大型團隊管理經驗，研究領域專注於移動通信、資料科學與人工智慧跨學科領域的研發創新與商業化。
歐陽曄博士在工業界與學術界獲得多項榮譽與獎勵，近期獎項包括2022中國電腦學會CCF科技進步一等獎、2017美國傑出亞裔工程師獎、2019 TM Forum電信業未來數字領袖大獎、2021吳文俊科技進步獎、2020中國人工智慧商業領袖獎、2017 IEEE國際大資料會議論文獎、2021美國國家多元化科技領袖獎、2017美國電信業創新大獎和OSS/BSS產品獎、2017北美運營商大資料系統獎、2016美國電信業創新大獎、2015 IEEE無線通訊年會“無線通訊跨領域貢獻獎”、美國總統科學技術與政策辦公室電信大資料研究基金等。歐陽曄博士在多個國際標準組織與學術組織任職，包括IEEE、ETSI等多個工作組與會議主席、北京軟協人工智慧專委會會長、美國斯蒂文斯理工學院職業發展導師、清華大學—亞信科技5G智慧聯合實驗室主任等，並在多個學術會議、期刊擔任編委和審稿人。
歐陽曄博士著有40餘篇學術論文、13本學術書籍，擁有60余項專利，參與50余項國際標準的制定。歐陽曄博士擁有中國東南大學學士學位、美國哥倫比亞大學碩士學位、塔夫斯大學碩士學位和斯蒂文斯理工學院博士學位。
孫杰，現任亞信科技研發中心雲網技術與產品規劃總監。擁有多年通信行業雲網技術與產品規劃經驗，負責雲網產品的整體技術架構設計與產品創新規劃，並為大型企業客戶提供數智化轉型解決方案及架構設計等諮詢服務。
歐陽曄 博士，IEEE Fellow，Verizon Fellow
亞信科技首席技術官、高級副總裁
歐陽曄博士目前在我國領先的電信軟體公司亞信科技（1675.HK）擔任首席技術官、高級副總裁，全面負責公司的研發與創新工作。加入亞信科技之前，曾任美國大移動通信運營商威瑞森（Verizon）電信集團通信人工智慧系統部經理及Verizon Fellow。歐陽曄博士在ICT領域擁有豐富的研發與大型團隊管理經驗，研究領域專注於移動通信、資料科學與人工智慧跨學科領域的研發創新與商業化。
歐陽曄博士在工業界與學術界獲得多項榮譽與獎勵，近期獎項包括2022中國電腦學會CCF科技進步一等獎、2017美國傑出亞裔工程師獎、2019 TM Forum電信業未來數字領袖大獎、2021吳文俊科技進步獎、2020中國人工智慧商業領袖獎、2017 IEEE國際大資料會議論文獎、2021美國國家多元化科技領袖獎、2017美國電信業創新大獎和OSS/BSS產品獎、2017北美運營商大資料系統獎、2016美國電信業創新大獎、2015 IEEE無線通訊年會“無線通訊跨領域貢獻獎”、美國總統科學技術與政策辦公室電信大資料研究基金等。歐陽曄博士在多個國際標準組織與學術組織任職，包括IEEE、ETSI等多個工作組與會議主席、北京軟協人工智慧專委會會長、美國斯蒂文斯理工學院職業發展導師、清華大學—亞信科技5G智慧聯合實驗室主任等，並在多個學術會議、期刊擔任編委和審稿人。
歐陽曄博士著有40餘篇學術論文、13本學術書籍，擁有60余項專利，參與50余項國際標準的制定。歐陽曄博士擁有中國東南大學學士學位、美國哥倫比亞大學碩士學位、塔夫斯大學碩士學位和斯蒂文斯理工學院博士學位。
目錄
第1章 算力網路概述 1
1.1 算力網路概念2
1.1.1 算力網路的定義 2
1.1.2 算力網路與電力網絡 3
1.2 新型數位化經濟需求4
1.2.1 人工智慧產業化需求 4
1.2.2 分散式多級算力需求 5
1.3 算力網路發展的基礎8
1.3.1 算力網路的技術底座 8
1.3.2 “雙碳”社會的國際共識 10
1.3.3 算力網路發展的國家政策 11
1.4 算力網路的新應用形態介紹 12
1.4.1 新型算力組合 12
1.4.2 新型算力模式 12
1.5 算力網路產業規劃13
1.5.1 算力網路的標準規劃 13
1.5.2 中國運營商的算力網路規劃 15
第2章 算力網路與雲網融合的關係 20
2.1 主流運營商與雲商的雲網融合發展戰略 20
2.2 雲網融合技術特點24
2.2.1 雲基礎設施技術 24
2.2.2 網基礎設施技術 28
2.2.3 雲網融合管理編排技術 29
2.3 雲網融合典型場景33
2.4 從雲網融合到算力網路35
2.5 算力網路目標37
第3章算力網路技術體系 40
3.1 算力網路標準體系進展40
3.1.1 ITU標準中的算力網路體系框架 40
3.1.2 CCSA標準中算力網路體系架構 43
3.2 亞信科技算力網路系統參考體系44
3.2.1 系統功能架構 45
3.2.2 系統介面設計 46
3.3 算網運營交易中心50
3.3.1 中心簡介 50
3.3.2 功能介紹 50
3.3.3 集成關係 54
3.4 算力網路編排中心54
3.4.1 中心簡介 54
3.4.2 功能介紹 55
3.4.3 集成關係 57
3.5 網路管理調度中心57
3.5.1 中心簡介 57
3.5.2 功能介紹 57
3.5.3 集成關係 59
3.6 算力管理調度中心59
3.6.1 中心簡介 59
3.6.2 功能介紹 60
3.6.3 集成關係 61
3.7 算力網路智慧引擎 62
3.7.1 簡介 62
3.7.2 功能介紹 62
3.7.3 集成關係 63
3.8 算力網路數位孿生中心64
3.8.1 中心簡介 64
3.8.2 功能介紹 64
3.8.3 集成關係 66
3.9 算力網路基礎設施66
3.9.1 網路基礎設施 66
3.9.2 算力基礎設施 68
3.10 業務流程介紹 70
3.10.1 算力網路業務開通 70
3.10.2 算力網路業務變更 72
3.10.3 算力網路業務撤銷 74
3.10.4 算力註冊並網 75
3.10.5 應用服務部署 76
3.10.6 應用服務自智保證 77
第4章 算力網路運營交易關鍵技術 79
4.1 多量綱的模型體系催生多形態的算力網路商品 79
4.1.1 三要素體系定義 79
4.1.2 多量綱模型體系 81
4.1.3 多形態算力網路商品 81
4.2 多樣化的商業模式促成雙驅動的算力網路受理 82
4.2.1 商業模式定義 82
4.2.2 雙驅動算力網路受理 84
4.3 區塊鏈的技術底座實現可信任的算力網路交易 85
4.3.1 算力網路存證 86
4.3.2 算力網路通證 87
4.3.3 智能合約 88
4.3.4 交易溯源 89
4.4 沉浸式的使用者體驗發掘算力網路的新價值 90
第5章算力網路一體編排關鍵技術91
5.1 算力網路節點評估91
5.1.1 算力網路節點定義 91
5.1.2 算力網路節點性能指標 93
5.1.3 算力網路節點資源指標 98
5.1.4 性能與資源關係模型 103
5.2 算力網路融合資源視圖107
5.2.1 算力網路鏈路 107
5.2.2 算力節點感知 110
5.2.3 算力網路拓撲 113
5.3 算網融合感知114
5.3.1 資料統一採集 115
5.3.2 資料統一存儲 117
5.3.3 資料時間細微性 120
5.3.4 跨域資料關聯 121
5.3.5 資料開放使用 123
5.4 算力網路一體化編排流程126
5.4.1 業務SLA 127
5.4.2 節點編排決策 129
5.4.3 路徑編排決策 133
5.4.4 算網編排方案 135
第6章算力網路管理調度關鍵技術 138
6.1 SRv6網路管理調度 138
6.1.1 技術架構 138
6.1.2 調度機制 140
6.1.3 能力開放 148
6.2 SD-OTN網路管理調度150
6.2.1 技術架構 150
6.2.2 能力開放 154
6.3 中心雲管理調度156
6.3.1 多算力雲管理 157
6.3.2 異構算力資源納管 158
6.3.3 算力資源管理 160
6.3.4 算力資源調度 161
6.4 MEC管理調度 162
6.4.1 MEC組成架構 163
6.4.2 MEC服務 168
6.4.3 MEC能力開放 169
6.5 5G切片管理調度 171
6.5.1 技術簡介 171
6.5.2 切片架構 173
6.5.3 關鍵能力 175
6.6 O-RAN管理調度 180
6.6.1 O-RAN 架構 181
6.6.2 O-RAN 資源控制調度機制 182
6.6.3 O-RAN 能力開放 183
6.7 5GC網路管理調度 185
6.7.1 5GC系統架構 185
6.7.2 5GC 管理調度機制 186
6.7.3 5GC能力開放 189
6.8 算力資源彈性調度191
6.8.1 資源適配 191
6.8.2 資源管理 193
6.8.3 應用管理 195
第7章 算力網路智慧運維關鍵技術 198
7.1 算力網路自智運維管理198
7.1.1 算力網路資源監控 198
7.1.2 算力網路運行智慧預警 203
7.1.3 算力網路業務故障自處理 205
7.2 算力網路業務品質保障210
7.2.1 端到端保障體系 210
7.2.2 使用者體驗模型 211
7.2.3 服務品質模型 212
第8章算力網路智慧引擎關鍵技術 214
8.1 算力網路智慧引擎的基本概念214
8.2 算力網路智慧引擎的系統元件215
8.3 算力網路引擎的研究現狀216
8.4 算力網路智慧引擎關鍵技術217
8.4.1 算力網路節點評估演算法 217
8.4.2 算力網路鏈路評估技術 224
8.4.3 算力網路綜合代價函數評估 226
8.5 算力網路智慧引擎應用場景示例228
第9章算力網路數位孿生關鍵技術 231
9.1 應用價值231
9.2 問題現狀233
9.3 業務目標234
9.4 核心演算法236
9.4.1 分級多層佈局 236
9.4.2 混合空間佈局 236
9.4.3 縱向多級穿透 237
9.5 關鍵技術238
9.5.1 3D地理視覺化技術 238
9.5.2 網路拓撲視覺化技術 239
9.5.3 遊戲引擎技術 239
9.6 應用場景240
第10章 應用案例分析與設計 241
10.1 雲—邊—端算力協同 242
10.1.1 AR/VR業務算網方案 242
10.1.2 公安機關嫌疑犯識別 245
10.2 多雲算力協同 248
10.2.1 基於聯邦學習的醫療推薦業務場景 248
10.2.2 “東數西算”資料移轉場景 252
10.3 雲邊算力協同 255
第11章 未來展望 259
1.1 算力網路概念2
1.1.1 算力網路的定義 2
1.1.2 算力網路與電力網絡 3
1.2 新型數位化經濟需求4
1.2.1 人工智慧產業化需求 4
1.2.2 分散式多級算力需求 5
1.3 算力網路發展的基礎8
1.3.1 算力網路的技術底座 8
1.3.2 “雙碳”社會的國際共識 10
1.3.3 算力網路發展的國家政策 11
1.4 算力網路的新應用形態介紹 12
1.4.1 新型算力組合 12
1.4.2 新型算力模式 12
1.5 算力網路產業規劃13
1.5.1 算力網路的標準規劃 13
1.5.2 中國運營商的算力網路規劃 15
第2章 算力網路與雲網融合的關係 20
2.1 主流運營商與雲商的雲網融合發展戰略 20
2.2 雲網融合技術特點24
2.2.1 雲基礎設施技術 24
2.2.2 網基礎設施技術 28
2.2.3 雲網融合管理編排技術 29
2.3 雲網融合典型場景33
2.4 從雲網融合到算力網路35
2.5 算力網路目標37
第3章算力網路技術體系 40
3.1 算力網路標準體系進展40
3.1.1 ITU標準中的算力網路體系框架 40
3.1.2 CCSA標準中算力網路體系架構 43
3.2 亞信科技算力網路系統參考體系44
3.2.1 系統功能架構 45
3.2.2 系統介面設計 46
3.3 算網運營交易中心50
3.3.1 中心簡介 50
3.3.2 功能介紹 50
3.3.3 集成關係 54
3.4 算力網路編排中心54
3.4.1 中心簡介 54
3.4.2 功能介紹 55
3.4.3 集成關係 57
3.5 網路管理調度中心57
3.5.1 中心簡介 57
3.5.2 功能介紹 57
3.5.3 集成關係 59
3.6 算力管理調度中心59
3.6.1 中心簡介 59
3.6.2 功能介紹 60
3.6.3 集成關係 61
3.7 算力網路智慧引擎 62
3.7.1 簡介 62
3.7.2 功能介紹 62
3.7.3 集成關係 63
3.8 算力網路數位孿生中心64
3.8.1 中心簡介 64
3.8.2 功能介紹 64
3.8.3 集成關係 66
3.9 算力網路基礎設施66
3.9.1 網路基礎設施 66
3.9.2 算力基礎設施 68
3.10 業務流程介紹 70
3.10.1 算力網路業務開通 70
3.10.2 算力網路業務變更 72
3.10.3 算力網路業務撤銷 74
3.10.4 算力註冊並網 75
3.10.5 應用服務部署 76
3.10.6 應用服務自智保證 77
第4章 算力網路運營交易關鍵技術 79
4.1 多量綱的模型體系催生多形態的算力網路商品 79
4.1.1 三要素體系定義 79
4.1.2 多量綱模型體系 81
4.1.3 多形態算力網路商品 81
4.2 多樣化的商業模式促成雙驅動的算力網路受理 82
4.2.1 商業模式定義 82
4.2.2 雙驅動算力網路受理 84
4.3 區塊鏈的技術底座實現可信任的算力網路交易 85
4.3.1 算力網路存證 86
4.3.2 算力網路通證 87
4.3.3 智能合約 88
4.3.4 交易溯源 89
4.4 沉浸式的使用者體驗發掘算力網路的新價值 90
第5章算力網路一體編排關鍵技術91
5.1 算力網路節點評估91
5.1.1 算力網路節點定義 91
5.1.2 算力網路節點性能指標 93
5.1.3 算力網路節點資源指標 98
5.1.4 性能與資源關係模型 103
5.2 算力網路融合資源視圖107
5.2.1 算力網路鏈路 107
5.2.2 算力節點感知 110
5.2.3 算力網路拓撲 113
5.3 算網融合感知114
5.3.1 資料統一採集 115
5.3.2 資料統一存儲 117
5.3.3 資料時間細微性 120
5.3.4 跨域資料關聯 121
5.3.5 資料開放使用 123
5.4 算力網路一體化編排流程126
5.4.1 業務SLA 127
5.4.2 節點編排決策 129
5.4.3 路徑編排決策 133
5.4.4 算網編排方案 135
第6章算力網路管理調度關鍵技術 138
6.1 SRv6網路管理調度 138
6.1.1 技術架構 138
6.1.2 調度機制 140
6.1.3 能力開放 148
6.2 SD-OTN網路管理調度150
6.2.1 技術架構 150
6.2.2 能力開放 154
6.3 中心雲管理調度156
6.3.1 多算力雲管理 157
6.3.2 異構算力資源納管 158
6.3.3 算力資源管理 160
6.3.4 算力資源調度 161
6.4 MEC管理調度 162
6.4.1 MEC組成架構 163
6.4.2 MEC服務 168
6.4.3 MEC能力開放 169
6.5 5G切片管理調度 171
6.5.1 技術簡介 171
6.5.2 切片架構 173
6.5.3 關鍵能力 175
6.6 O-RAN管理調度 180
6.6.1 O-RAN 架構 181
6.6.2 O-RAN 資源控制調度機制 182
6.6.3 O-RAN 能力開放 183
6.7 5GC網路管理調度 185
6.7.1 5GC系統架構 185
6.7.2 5GC 管理調度機制 186
6.7.3 5GC能力開放 189
6.8 算力資源彈性調度191
6.8.1 資源適配 191
6.8.2 資源管理 193
6.8.3 應用管理 195
第7章 算力網路智慧運維關鍵技術 198
7.1 算力網路自智運維管理198
7.1.1 算力網路資源監控 198
7.1.2 算力網路運行智慧預警 203
7.1.3 算力網路業務故障自處理 205
7.2 算力網路業務品質保障210
7.2.1 端到端保障體系 210
7.2.2 使用者體驗模型 211
7.2.3 服務品質模型 212
第8章算力網路智慧引擎關鍵技術 214
8.1 算力網路智慧引擎的基本概念214
8.2 算力網路智慧引擎的系統元件215
8.3 算力網路引擎的研究現狀216
8.4 算力網路智慧引擎關鍵技術217
8.4.1 算力網路節點評估演算法 217
8.4.2 算力網路鏈路評估技術 224
8.4.3 算力網路綜合代價函數評估 226
8.5 算力網路智慧引擎應用場景示例228
第9章算力網路數位孿生關鍵技術 231
9.1 應用價值231
9.2 問題現狀233
9.3 業務目標234
9.4 核心演算法236
9.4.1 分級多層佈局 236
9.4.2 混合空間佈局 236
9.4.3 縱向多級穿透 237
9.5 關鍵技術238
9.5.1 3D地理視覺化技術 238
9.5.2 網路拓撲視覺化技術 239
9.5.3 遊戲引擎技術 239
9.6 應用場景240
第10章 應用案例分析與設計 241
10.1 雲—邊—端算力協同 242
10.1.1 AR/VR業務算網方案 242
10.1.2 公安機關嫌疑犯識別 245
10.2 多雲算力協同 248
10.2.1 基於聯邦學習的醫療推薦業務場景 248
10.2.2 “東數西算”資料移轉場景 252
10.3 雲邊算力協同 255
第11章 未來展望 259
|
