1  引言

数字经济、产业数字化转型需要更优质的网络连接和更强力的算力以满足超大带宽、超低时延、超高安全等业务需求。工业互联网作为新一代通信技术（Communication technology，CT）、控制技术（Operation technology，OT）和信息技术（Information technology，IT）的有机结合，日益成为产业数字化转型和发展的有力支撑，促进着社会、经济的进一步发展。随着新基建战略、东数西算工程的启动和部署，对建设集约高效、经济适用、智能绿色、安全可靠的网络和计算基础设施提出更高的要求。算力网络作为“算力+连接”的集合，  正体现了新基建对5G、工业互联网等融合基础设施和AI、云/边缘计算、区块链等新技术服务的融合诉求，以及对东数西算工程的有效升级。

算力网络是随着5G、边缘计算的技术融合和分布式部署发展而来，是国内通信产业界首创的新型技术。5G NFV技术开创了网络和计算基础设施的融合路径，边缘计算作为计算和网络基础设施向客户侧的进一步延伸，对降低业务的时延、保障业务可靠性等有明显的优势。面向算力更加泛在化部署的趋势，算力网络可以有效促进中心云、边缘云、边缘网关等多样化算力节点的协同，一方面可以实现无差别的用户服务一致性，满足极致的业务体验；另一方面，通过对资源的高效利用，可以助力实现“双碳”绿色发展目标。算力网络目前已经成为产业界发展的热点，运营商、设备商、科研院校等先后加入“算力网络”的研究，基本确立了算力网络的发展路线和架构体系，并在算力建模、算力感知、算力路由、算力交易等核心技术方向取得初步成果，发表多篇论文并推进相应的标准化制定，同时开展了技术原型的验证和试点工作。

本文结合工业互联网的需求和技术体系，提出了面向工业互联网的算力网络架构体系，并对关键技术进行分析。面向互联互通、柔性制造等工业互联网的发展要求，算力网络代表新型的基础设施和生产力，可以通过与工业SDN、边缘计算等技术的结合，实现云、网关、PLC等算力节点的编排管理，以及算力的实时感知和业务的实时调度，满足高带宽、低时延的新型工业视觉、AI等业务需求。

2  工业互联网和算力网络基础设施的演进 发展 

2.1   工业互联网基础设施

工业互联网网络是构建工业环境下人、机、物全面互联的关键基础设施，根据业务需求和数据流向，工业互联网网络又可进一步划分为工厂内网和工厂外网。工厂内网指在工厂或园区内部，满足工厂内部生产、办公、管理、安防等连接需求，用于生产要素互联以及企业IT管理系统之间连接的网络。工厂外网指以支撑工业全生命周期各项活动为目的，满足工厂数据、工业应用、工厂业务需要出工厂与云平台或者其他网络互联的需求，用于连接企业上下游之间、企业多分支机构、企业与云应用/云业务、企业与智能产品、企业与用户之间的网络[1]。

工业互联网的计算基础设施包括部署在工业外网和内网中的中心云、边缘云、网关、控制器等。中心云主要处理非实时的大规模数据，可以部署在企业外网或内网；边缘云主要处理有一定实时性、安全性要求的业务，通常部署在园区网络或者企业内网；网关主要处理协议转换等业务，通常部署在企业内网；控制器主要以实时闭环控制业务为重点，通常部署在企业内网的车间网络。随着工业互联网的发展，云化网关、云化PLC的形态也渐渐出现，增加了工业互联网算力节点的种类以及部署形式，不仅要求不同算力节点间多级的调度，同时对同类节点间的调度也提出了新的需求。

2.2   算力网络基础设施

算力网络是网络和计算两大学科的融合，如图1所示，包括以SRv6/G-SRv6、确定性网络、无损网络为代表的IP网络和以全光高速互联、全光灵活调度为代表的光网络等网络基础设施，以及以多样性算力、算力原生为代表的灵活敏捷的算力底座和以边缘计算、端计算为代表的泛在算力基础设施。

图1 算网基础设施体系[2]

以网络和计算基础设施为基础，算力网络的目标形态是实现算网一体。在算网一体阶段，网络和计算基础设施从形态上走向深度融合甚至一体化，实现转发及计算；业务请求将分解至异构的分布式服务节点，利用集中式和分布式调度结合的方式实现极低时延的信息处理；网络和计算资源从整体上实现一体化编排管理，充分考虑地域、时间、用户等性质进行统一编排。

2.3   工业互联网和算力网络基础设施协同发展相互促进

工业互联网是新一代信息通信技术与工业经济深度融合的新型基础设施，是将互联网、云计算等技术引入工业领域的融合发展方向。算力网络是网络与计算基础设施深度融合而产生的新一代信息基础设施，与工业互联网可以相互促进发展。一方面，工业互联网可以促进算力网络在垂直行业领域的应用，另一方面，算力网络可以激发工业互联网新的发展动力，实现灵活、高效、集约的工业再升级。

3  算力网络在工业互联网的应用场景和部 署方式

面向互联互通、柔性制造等工业互联网趋势，算力网络可以应用在工业内网和外网，对异构的算力节点进行编排管理，并通过与工业SDN、IPv6协议的结合，实现算力的实时感知调度，满足高带宽、低时延的新型工业视觉、工业控制、工业智能等业务需求，如图2所示。

图2 工业互联网和算力网络的协同和应用 

3.1   算力网络在工业互联网的应用场景

算力网络可以应用在工业内网，对边缘云、网关、PLC等异构算力节点进行编排管理。不同形态的设备在工业网络中所处的位置不同，所包含的芯片种类以及计算和存储能力不同，相应负责的业务也有所差异。同一类业务中的不同任务可以分别在所对应的计算节点进行，例如边缘智能场景中的云中心训练模型，边缘节点可以通过算力网络的调度更高效地进行推理决策。当前对应最近的边缘节点负载较高时，可以实时调度到附近负载较低的边缘节点执行业务请求。

算力网络可以应用在工业外网，对不同园区或不同工厂的云、边缘云等节点进行协同调度。当前云化PLC、云化网关的趋势促使计算节点和功能以虚拟化的形式部署，增加了节点之间的管理和调度需求。且由于虚拟化技术和网络技术的提升，跨工厂、跨园区的远程控制、多点协作场景也逐渐涌现，例如通过云化PLC来进行远程控制作业，  或者跨园区的多点AR/VR来构建虚拟工厂，可通过算力网络实现对网络和计算资源的精准调度。

3.2   算力网络在工业互联网的部署方式

工业互联网促进工业网络向灵活组网、IP化的趋势发展，结合工业SDN、IPv6等技术，算力网络可以通过集中式或者分布式的方式实现。

当前工业生产（主要指离散工业）基本上都是“刚性生产”模式[3]，  制造环节中机器、设备、辅助工具等需要按照预先的设定进行互联。未来工业生产大规模定制化的特点需要资源组织更加灵活和智能，工业SDN可以通过网络资源的动态调整，打破工厂内部网络刚性组织的局限，实现生产过程的灵活组织及生产设备的“即插即用”，适应智能机器自组织和生产线敏捷部署的要求。算力网络可以与工业SDN相结合，进一步促进工业灵活化生产的需要。通过增强工业SDN控制器，对网络中的计算节点算力信息进行感知和收集，同时结合网络链路的状态信息，选择最合适的计算服务节点和网络转发路径，满足新型的工业场景需求，且实现成本较低，易于部署。

工业现场网络基本采用总线和工业以太网协议，具备很强的专用性和私有性，为互联互通带来较大困难，通过协议转换等方式也存在效率和可靠性问题。工业IP化是指将IP协议延伸至工业生产网络，以实现企业办公网络、生产管理网络、过程控制网络以及现场网络的端到端IP互联，有利于整个工业系统的全面深层次交互。以Profinet、Ethernet/IP等为代表的工业以太网协议已经支持为现场设备分配IP地址，  并可以实现IP流量与控制信息的共线传送。新一代IPv6协议当前已经在产业界逐渐应用，  算力网络可以将IPv6协议作为统一的数据平面，  利用IPv6协议的灵活可扩展特性，  通过增强边缘网关、路由器、交换机等设备，实现对算力节点信息的采集；并通过IPv6协议携带相应信息至工业网络中，实现分布式的算力感知和路由。相较于集中式的实现方式，分布式方案更高效更实时。

4  算力网络在工业互联网应用的关键技术

算力网络和工业互联网相结合的核心技术包括算力度量、算力感知和路由、在网计算、确定性网络、数字孪生网络等。

算力度量是对算力需求和资源进行统一的抽象描述，并结合网络性能指标形成算网能力模板，提供标准统一的度量规则[4]。工业互联网生产中的业务专用性要求相对较高，差异化需求相对明显，对通信、计算、存储等方面的侧重各有不同，算力度量可以帮助衡量计算任务所对应的硬件要求，为优化整体的服务性能提供基础。

算力感知和路由是网络对算力资源和服务的部署位置、负载信息等的实时感知，为引入计算因素的算力路由提供信息参考，寻找最合适的计算服务节点和网络转发路径。工业视觉、AR/VR等业务逐渐展开应用，  对网络的时延和计算的性能同时提出了更高的要求，算力感知和路由将在面向未来演进的新型业务中发挥优势，保障用户体验。

在网计算面向网络和计算逐步一体化阶段，计算任务开始从网络边缘的数据中心逐渐迁移至网络内部，由交换机、路由器、网关、服务器等设备共同完成计算任务。当前工业互联网中的计算节点种类、部署方式越来越多样化，边缘计算已经促进了业务的分布式部署，在网计算可以进一步加速工业互联网业务的处理，提供无处不在的连接和计算服务。

确定性网络自提出以来，首先在车载网络、工业网络得以应用，   当前工业以太网、时间敏感网络[5]等技术已经应用在工业互联网，IP网络的确定性技术和标准仍在制定中[6]。面向工业互联网IP化等趋势，可以预见确定性网络将会应用在更广的范围。确定性网络提供更可靠、更精准的网络连接，和算力网络相结合，将为工业互联网提供端到端的确定性服务。

数字孪生网络是将数字孪生技术引入网络，构建一个具有物理网络实体及虚拟孪生体，且二者可进行实时交互映射的网络系统[7]。在工业互联网中，  数字孪生网络可以通过算力网络的计算能力以及实时调度能力更高效准确地采集数据和建模，同时可以与空间物理系统（Cyber physical system，CPS）  [8]相结合构建工业互联网虚拟孪生体，促进工业互联网的自动化、智能化运维和升级。

5  结束语

算力网络是国内首创的融合网络和计算两大领域的新型技术，目标是构建灵活高效、绿色低碳的新一代融合信息基础设施，已经成为产业界的热点。与工业互联网相结合，算力网络可以助力实现统一化、灵活化承载的工业互联网网络和计算平面，满足新型的工业应用需求。目前，算力网络的发展尚处于起步阶段，演进路线和技术体系初具雏形，亟需产业界上下游联合推进，在算力度量、算力感知和路由、在网计算等技术方向实现突破。  

 作者简介：

刘   鹏  （1991-），男，工程师，现就职于中国移动通信有限公司研究院，主要研究方向为下一代IP网络、确定性网络的技术和应用。

李志强  （1987- ），男，工程师，现就职于中国移动通信有限公司研究院，主要研究方向为算力网络、可编程网络等下一代IP网络技术。

陆   璐  （1979-），女，高级工程师，现任中国移动通信有限公司研究院基础网络技术研究所副所长，主要研究方向6G网络、算力网络以及未来IP网络等。

参考文献：

[1] 工业互联网产业联盟(AII). 工业互联网网络连接白皮书(版本2.0) [R]. 2021.

[2] 中国移动. 算力网络白皮书[R]. 2021.

[3] 有晓宇, 张奕卉. 浅析工业互联网推动工厂网络与互联网融合发展[J]. 数字化用户, 2019, (018) : 10.

[4] 中国移动. 算力感知网络(CAN)技术白皮书[R]. 2021.

[5] IEEE. Official website of the IEEE 802.1 time-sensitive networking (TSN) task group [EB/OL].

[6] IETF. Official website of the IETF deterministic networking (detnet) working group[EB/OL]. 

[7] 孙滔, 周铖, 段晓东, 等. 数字孪生网络(DTN): 概念, 架构及关键技术[J]. 自动化学报, 2021, 47 (3) : 14.

[8] Negri E, Fumagalli L, Macchi M. A review of the roles of digital twin in CPS-based production systems[J]. Procedia Manufacturing, 2017, (11) : 939 − 948.

摘自《自动化博览》2022年2月刊