AI Meets Network

Zhiwei Zhao, zzw@uestc.edu.cn

网络将像黑洞一样吸入所有的应用

by 鲁迅

什么原因？

人类的贪念：服务越近越好、代价越小越好

背后是互联网发展的趋势

互联网是啥？

Inter意为 ...之间

Interaction 互动、交流
International 国际的、跨国的
Internet 跨...网的？？

互联网的使命



寻址 & 交换


* 互联网与电信网的区别？

互联的网络

网络类型 带宽分配Mbps 占比%
中国电信 4,537,680 50.72
中国联通 2,234,738 24.98
中国移动 1,997,000 22.32
中国科技网 115,712 1.29
CERNET中国教育
和科研计算机网		 61,440 0.69
总计 8,946,570 100

中国科技网

互联网 vs 电信网


  • 互联网愿景：互联（IETF, IEEE）
  • 电信网愿景：业务（ITU, 3GPP）
  • 关系：
    • 后者是前者一部分、前者是后者技术支撑
    • 前者希望容纳更多类型的网络
    • 后者希望将业务扩展到更多类型的设备
    • 未来看好谁？


* 全球与漂亮国？

互联网新一代？


📌 寻址

  • Content centric network
  • Named Data Network


🍻 交换

  • Quality of Service
  • Quality of Experience
  • End-to-end requirements

各网络的新一代？

主要强调通信理论与创新及其引发的新型组网技术

移动通信技术

通信技术 传输速率 覆盖范围
3G 2Mbps 2-5公里
4G 100Mbps 1-3公里
5G 1Gbps 50-300米
6G 1Tbps 10米级

速率越来越高、覆盖越来越小、移动越来越强

网络计算的趋势

合久必分分久必合？

* 刘云新. 智能边缘计算中的挑战和机遇.中国计算机学会通讯 2021.09. * 汪学海等. 边缘计算技术研究报告. 中科院计算所 信息技术与信息化前瞻FIAR-02. 2018.02.

换一个视角

技术融合的过程

计算与网络的融合

  • 计算进入网络：SDN、NFV
  • 网络进入计算：Cloud、Edge、D2D/D4D

边缘计算

边缘计算是一种计算资源与用户接近、计算过程与用户协同、整体计算性能高于本地和云计算的计算模式，是实现无处不在的“泛在算力”的具体手段。

* 机械工业出版社《边缘计算:原理、技术与实践》（赵志为、闵革勇编著）

真有必要吗?需求在哪?

Internet-of-Things

Internet-of-Things

IoT Brief History

IoT Essense

AI+IoT=AIoT

将IoT海量的AI需求交给边缘

卸载决策 任务传输 运算处理

边缘网络逐步融合AI

  • 2003年：EdgeComputing (Akamai & IBM)
    •
  • 20世纪：Amazon为代表的云技术快速普及
    •
  • 2008年：Cloudlet的概念出现
    •
  • 2012年：Fog Computing的概念出现
    •
  • 2013年：ESTI定义Mobile Edge Computing
    •
  • 2015年：OpenFog开放雾计算联盟成立
    •
  • 2016年：专注边缘计算的国际高水平学术会议
    •
  • 2017年：边缘计算产业联盟在北京成立
    •
  • 2018年：ESTI将MEC调整为多接入边缘计算
    •
  • 2019年：边缘计算产业联盟发布
    •
  • 2020年：卫星边缘计算等开始涌现
    •

从Gartner的视角看


年份 关键词 所处位置
2017 Edge Computing Innovation Trigger
2018 Edge AI Innovation Trigger
2019 Edge AI/Analytics Peak of inflated expectations
2020 Low-cost single-board computers at edge Innovation Trigger

* TinyML, Embedded AI, Lightweight ML, etc.

边缘AI还是云AI?

重要区别：系统与应用场景融合，没有一劳永逸的方案

  • 接入卸载：凡在不可靠环境
  • 系统部署：低成本实现服务覆盖
  • 服务架构：分布式+云边端协同

* 感通算融合

带着AI上天入地?

先解决移动性

场景 速度 切换
无人机/车+5G 60 KM/h 5 AP/m
高铁+5G 300 KM/h 25 AP/m
AR/VR+5G 4 KM/h 0.33 AP/m
商场园区行人+WiFI6 4 KM/h 0.33 AP/m

想想看影响在哪?
服务切换、计算协同、系统服务部署、服务发现...

服务爆炸

几乎所有的计算服务都可以放到边缘


  • 边缘资源受限
  • 服务类型异构
  • 服务数量极大
以及大量的系统工作......

几篇文章

  • SigComm'18, AuTO: Scaling Deep Reinforcement Learning for Datacenter-Scale Automatic Traffic Optimization
  • SOSR'21, Accelerating Distributed Deep Learning using Multi-Path RDMA in Data Center Networks
  • SigComm'21, MimicNet: Fast Performance Estimates for Data Center Networks with Machine Learning
  • SigComm'20, Interpreting Deep Learning-Based Networking Systems

还有几篇

  • MobiCom'21, EMP: Edge-assisted Multi-vehicle Perception
  • MobiCom'21, Flexible High-resolution Object Detection on Edge Devices with Tunable Latency
  • MobiCom'19, Edge Assisted Real-time Object Detection for Mobile Augmented Reality

一些小视频🚴‍♀️

AI + Wireless + Mobile

block net: Ad hoc network with computing ability.
remote gesture: real time graph analysis & control.
mole: sensing input with smartwatch.
AutoDrive1, AutoDrive2, AutoDrive3.
gesture1, gesture2: sensing gestures wirelessly.
mobile AR: mobile augmented reality (early).
Cable robot, userview: 360 VR.
mblocks: self learning, sensing and navigating.
pocket edge: low cost edge server using smartphones.
UAV network: Self organizing and target tracking.