1.1 超高清視頻產業發展現狀
繼模擬、標清、高清之後，當前4 K/8 K超高清成爲視聽技術發展新趨勢，呈現網絡視頻化、視頻超高清化、沉浸化、智能化等鮮明特點。8 K超高清攝像機、8 K監視器、8 K圖像傳感器、光學鏡頭等多個產品技術實現了從無到有的創新突破並實現產業化應用。此外，高動態範圍、三維聲、視頻編解碼等國內企業自研團體標準已在行業內批量推廣應用。
隨着以ChatGPT、Sora爲代表的人工智能內容生成技術逐漸發展成熟，超高清視頻與人工智能的融合應用正迅速增強。發展至今，AI對超高清視頻的賦能具體表現在以下6個方面：（1）智能壓縮。（2）優化傳輸路徑。（3）超分辨率技術。（4）智能編碼和解碼。（5）個性化體驗。（6）虛擬現實和增強現實應用。
超高清音視頻是數字信息化、高清化之後新一輪重大技術革命，在超高清音視頻採集、傳輸、製作、播出的整個流程中，都呈現出大帶寬、高算力、低時延的特徵。因此，超高清音視頻業務將會對算力和網絡提出更高的要求。
1.2 算力網絡技術與應用發展現狀
2020年4月20日，國家發展改革委首次明確新型基礎設施（簡稱“新基建”）的範圍，其中的信息基礎設施，包括以數據中心、智能計算中心爲代表的算力基礎設施等，這是“算力基礎設施”這一概念在國家層面的首次提出。目前，多種算力供給設施，如超算中心、雲計算數據中心、智能計算中心、邊緣計算站點建設蓬勃發展。未來算力將以分佈式算力爲主，算力資源需求的分佈式特點更加明顯。
面對超高清音視頻大數據量的計算處理要求，算力網絡能夠實現超高清音視頻的高效傳輸，通過計算、存儲與網絡等資源的協同、調度與管理，完成超高清音視頻的按需流動、智能計算與可視分析處理，可對大型賽事、交互式的超高清化直播等帶來有力的支撐，爲全景視頻、自由視角等元宇宙時代超高清音視頻的融合發展帶來更多想象空間。
2.1 超高清視頻的算力網絡系統架構
針對超高清視頻內容製作過程中算力與網絡服務能力不足、算網資源協同能力差等挑戰，面向超高清視頻的算力網絡綜合運用異構算力資源組網與安全傳輸技術、超高清視頻業務需求建模與資源編排技術、“數算模”聯合調度與路由規劃技術、超高清音視頻高速傳輸技術等關鍵技術，實現全國範圍內異構算力的匯聚、組網，滿足超高清視頻採、編、播等各環節業務對多樣化算力和高速傳輸的需求。面向超高清視頻的算力網絡系統架構如圖1所示。
圖1 面向超高清視頻的算力網絡系統架構
依據系統整體功能架構自頂向下可分爲業務服務WEB（萬維網）平臺、超高清視頻組件/算法服務、採編播AI賦能算網服務、業務算網編排與調度、廣域算力組網與跨域傳輸、多元異構資源接入、網絡安全等部分。
2.2 超高清視頻的算力網絡組網架構
超高清視頻的算力網絡組網架構是以廣電網絡爲基礎，依託現有有線電視網絡設施、廣電5G網絡和互聯互通平臺，構建面向媒體行業的算力網絡骨幹網，連接廣電網絡內自有通用算力中心、智算中心和超算中心，以及各類異地生產、協同製作時部署的邊緣算力中心，如圖2所示。各算力節點通過部署的算力網關接入算力骨幹網絡。爲了實現算力資源的高效網絡調度，算力網關間通過SRv6技術實現網絡高速互聯，並支持算力網絡控制平面和數據平面的統一承載。
圖2 基於廣電網絡的新型算力網絡組網架構
3.1 超高清視頻業務算網資源編排技術
超高清視頻算力網絡需要同時支持多機位、多欄目、多形態的多個超高清視頻製作業務，如何在有限資源的前提下，協調多點異構算力與多條傳輸鏈路，保障大量併發的算力任務、傳輸任務高效完成，是算力網絡需要解決的關鍵問題。
如圖3所示，超高清視頻業務分解是將一個超高清視頻業務拆解爲多個順序相關、相互依賴的計算任務和傳輸任務。同時，業務分解的過程也是將業務需求轉化爲算網資源需求的重要環節。而資源編排則通過合理的資源匹配，滿足這些計算任務或傳輸任務的性能要求，從而保障超高清視頻業務整體的完成質量。因此，資源編排需要解決在複雜動態的算力網絡中如何面向拆解後的細粒度任務需求進行一體化編排，保證業務整體處理質量，提升系統服務容量。
圖3 資源編排調度示意
3.2 超高清視頻“數算模”聯合調度與路由規劃技術
在超高清視頻雲化服務（包括AI模型）部署完成後，業務進行過程中，不同的超高清視頻處理任務需求不斷變化，不同雲可用的計算、存儲資源會動態變化。因此，需要研究如何及時地對數算業務及AI模型根據業務需求及可用資源狀況在算力節點間進行聯合動態調度，並且根據網絡可用資源狀況變化進行最優路由路徑規劃。
1）超高清視頻“數算模”聯合調度。調度機制通常可以有2種模式：集中式調度和分佈式調度。採用分佈式調度時，服務遷移決策不再由集中的中央控制器做出，而是由邊緣節點基於自身局部狀態信息做出決策，將業務遷移到符合需求的節點，或者將AI模型遷移部署到符合需求的節點，如圖4所示。
圖4 超高清視頻分佈式任務調度場景
2）超高清視頻業務智能路由規劃。在基於智能調度算法將業務或模型調度到最優的算力節點後，需要進一步爲後續的數據傳輸選擇最優路由路徑。需要動態智能地進行路由路徑規劃，選擇最優路徑，避免擁塞，保障每個機位的傳輸帶寬，保證超高清視頻業務流量傳輸高吞吐、低時延的要求。
我們提出一種基於深度強化學習和圖神經網絡的算力路由算法，旨在通過智能化的資源分配和路由策略，提高計算網絡的性能和資源利用率。這一算法將深度強化學習（deep reinforcement learning，DRL）與圖神經網絡相結合，通過在智能體（agent）和計算節點之間的交互中學習，自適應地選擇最佳的計算節點和路由路徑，實現智能化的任務調度和資源管理。所提出的算法架構圖如圖5所示。
圖5 基於GAQN的智能路由架構
3.3 廣域算間超高清音視頻高速傳輸技術
在人工智能生成內容（artificial intelligence generated content，AIGC）類業務中，視頻、音頻、圖像、文本和三維模型等各類數據通常由邊緣算力中心進行清洗、轉換和整合，然後上傳到智算中心進行文生視頻、圖生視頻、人物動態化等生成式算法的應用。爲滿足海量數據流通需求，算間網絡需要提供長距離高速傳輸技術，服務於樞紐、區域、邊緣算力中心互聯互通。
針對廣域網絡場景中超高清音視頻製作所需的高速傳輸需求特徵，我們提出基於端側和網絡擁控算法和參數的聯動擁塞控制機制，發揮網絡節點更易感知網絡狀態的優勢，實時判斷鏈路的傳輸能力，基於網絡傳輸性能和節點資源狀態等信息的融合，建立更準確的擁塞檢測模型，並根據應用傳輸需求爲其智能化動態調整擁塞控制算法參數，實現更準確的速率調控，以適配鏈路狀態，形成穩定低延時、高帶寬的擁塞控制決策。基於端網協同的超高清音視頻高速傳輸協議框架如圖6所示。
在廣域算間超高清音視頻高速傳輸協議中，一方面，源端爲數據流定期發送信令包，獲取瓶頸節點上的長期公平速率；另一方面，源端監測信令包的端到端時延，用於感知網絡節點的短期擁塞情況。
圖6 廣域算間超高清音視頻高速傳輸協議整體架構
面向超高清視頻的算力網絡的目標是基於廣電網絡和互聯網絡等的傳輸能力，匯聚各級算力、超高清視頻算法/算據等資源，構建一張廣電跨域超高清視頻算力骨幹網絡，在全國範圍爲超高清視頻業務提供多種算力資源支持。同時，藉助算力網絡對算網資源的統一編排、“數算模”聯合調度、高效路由規劃與高速傳輸等核心技術，保障超高清業務處理中多樣化算力和網絡傳輸需求。藉助算力網絡構建的算力設施底座，將極大提升超高頻視頻製作和播出效率，助力超高清視頻產業的快速發展。
內容爲【科技導報】公衆號原創，歡迎轉載
白名單回覆後臺「轉載」
《科技導報》創刊於1980年，中國科協學術會刊，主要刊登科學前沿和技術熱點領域突破性的研究成果、權威性的科學評論、引領性的高端綜述，發表促進經濟社會發展、完善科技管理、優化科研環境、培育科學文化、促進科技創新和科技成果轉化的決策諮詢建議。常設欄目有院士卷首語、科技新聞、科技評論、專稿專題、綜述、論文、政策建議、科技人文等。
友情鏈接
中國科協官方公衆平臺。傳播科協聲音，凝聚價值共識，弘揚創新文化，展示科協形象。
