傅丹妮，孫 昊，劉 越，陳 靚

（1.華數(shù)數(shù)字電視傳媒集團(tuán)有限公司，浙江 杭州 310056；2.浙江傳媒學(xué)院，浙江 杭州 310018；3.浙江省中波發(fā)射管理中心，浙江 杭州 310061）

0 引 言

隨著數(shù)字化和智能化的進(jìn)展，智慧廣電服務(wù)迅速興起，取代傳統(tǒng)有線(xiàn)電視。廣播電視企業(yè)擴(kuò)展至互聯(lián)網(wǎng)電視、視頻點(diǎn)播及智能設(shè)備等領(lǐng)域，提供多樣化娛樂(lè)體驗(yàn)并創(chuàng)造商機(jī)。然而，廣電市場(chǎng)正經(jīng)歷巨大變革，傳統(tǒng)有線(xiàn)電視用戶(hù)數(shù)量下降，與此同時(shí)，互聯(lián)網(wǎng)電視用戶(hù)數(shù)量持續(xù)增長(zhǎng)。廣播電視企業(yè)必須快速轉(zhuǎn)型，提高競(jìng)爭(zhēng)力，以抓住市場(chǎng)機(jī)遇。本文將分析廣電家庭用戶(hù)流失問(wèn)題，重點(diǎn)關(guān)注智慧廣電服務(wù)場(chǎng)景和市場(chǎng)趨勢(shì)，聚焦分析算力不足等問(wèn)題，并從技術(shù)層面提出解決方案。

1 研究背景

1.1 智慧廣電服務(wù)場(chǎng)景

數(shù)字化和智能化的廣電場(chǎng)景包括互聯(lián)網(wǎng)電視、視頻點(diǎn)播、智能電視盒子及移動(dòng)電視等，推動(dòng)了智慧廣電服務(wù)的拓展。這些服務(wù)提供了便捷多樣的娛樂(lè)體驗(yàn)，為廣電企業(yè)創(chuàng)造了商機(jī)。智能電視盒子融合了互聯(lián)網(wǎng)和電視，用戶(hù)可以訪(fǎng)問(wèn)在線(xiàn)視頻平臺(tái)，享受高清觀(guān)影。移動(dòng)電視滿(mǎn)足了用戶(hù)的隨身觀(guān)看需求。智慧廣電服務(wù)還包括智能家居控制和智能廣告投放，改善用戶(hù)在家的體驗(yàn)并提升廣告效果。內(nèi)容推薦和個(gè)性化定制服務(wù)通過(guò)算法模型滿(mǎn)足用戶(hù)需求，提供更便捷的方式，使用戶(hù)更輕松地發(fā)現(xiàn)他們感興趣的節(jié)目和信息。

1.2 廣電市場(chǎng)變化趨勢(shì)

隨著互聯(lián)網(wǎng)的崛起，廣電市場(chǎng)正在發(fā)生巨大變革。有線(xiàn)電視用戶(hù)逐漸減少，與此相反，互聯(lián)網(wǎng)電視用戶(hù)持續(xù)增加。究其原因，主要是傳統(tǒng)電視無(wú)法滿(mǎn)足多元化、高質(zhì)量的內(nèi)容需求?；ヂ?lián)網(wǎng)電視與各類(lèi)內(nèi)容提供商合作，提供大量電影、劇集及綜藝等內(nèi)容，鼓勵(lì)原創(chuàng)內(nèi)容制作，增強(qiáng)了互動(dòng)性，用戶(hù)能夠評(píng)論、分享、制作內(nèi)容，增加了參與感。此外，互聯(lián)網(wǎng)電視的便捷性提高了觀(guān)影自由度，吸引用戶(hù)通過(guò)各種設(shè)備隨時(shí)隨地觀(guān)看內(nèi)容。

互聯(lián)網(wǎng)電視的崛起，對(duì)傳統(tǒng)有線(xiàn)電視構(gòu)成了挑戰(zhàn)。對(duì)此，廣電企業(yè)應(yīng)升級(jí)網(wǎng)絡(luò)，改善用戶(hù)體驗(yàn)，解決算力不足問(wèn)題。傳統(tǒng)有線(xiàn)電視雖仍主導(dǎo)市場(chǎng)，但需廣泛推廣新興產(chǎn)品，而提升算力是保持競(jìng)爭(zhēng)力和留存用戶(hù)的關(guān)鍵所在。

1.3 國(guó)內(nèi)算力研究現(xiàn)狀

2021 年，工業(yè)和信息化部和國(guó)家互聯(lián)網(wǎng)信息辦公室發(fā)布新基建政策，涵蓋信息基礎(chǔ)建設(shè)、融合基礎(chǔ)設(shè)施和創(chuàng)新基礎(chǔ)設(shè)施。在信息基礎(chǔ)設(shè)施中，算力基礎(chǔ)設(shè)施如數(shù)據(jù)中心和智能計(jì)算中心備受矚目。國(guó)內(nèi)學(xué)者正在積極研究算力概念和技術(shù)，側(cè)重于算力系統(tǒng)的構(gòu)建。史庭祥[1]等人通過(guò)搭建基礎(chǔ)設(shè)施即服務(wù)（Infrastructure as a Service，IaaS）和平臺(tái)即服務(wù)（Platform as a Service，PaaS）統(tǒng)一資源池實(shí)現(xiàn)算力供給新模式。賈慶民[2]等提出了分布式網(wǎng)絡(luò)構(gòu)建、節(jié)點(diǎn)狀態(tài)感知和計(jì)算任務(wù)調(diào)度機(jī)制來(lái)實(shí)現(xiàn)算力網(wǎng)絡(luò)的框架構(gòu)建。唐雄燕[3]等人提出了算力服務(wù)原生技術(shù)體系，通過(guò)算力服務(wù)原生體系原型部署以及業(yè)務(wù)驗(yàn)證，實(shí)現(xiàn)“代碼即服務(wù)”“算力即服務(wù)”的目標(biāo)。張慷[4]等人初步研究了感知用戶(hù)需求和全網(wǎng)的算力網(wǎng)絡(luò)資源、編排和路由策略。這些研究表明，構(gòu)建可靠、健壯的算力系統(tǒng)，將是提升算力的關(guān)鍵所在。

2 算力評(píng)估基本方法

本章主要介紹當(dāng)前主要的算力分類(lèi)以及未來(lái)算力種類(lèi)的發(fā)展趨勢(shì)、算力的評(píng)估方法以及廣電家庭服務(wù)算力需求統(tǒng)計(jì)分析方案。

2.1 算力分類(lèi)及發(fā)展趨勢(shì)

算力的分類(lèi)主要包括通用算力、智能算力、超級(jí)計(jì)算（以下簡(jiǎn)稱(chēng)超算）算力以及邊緣算力4 部分。通用算力由中央處理器（Central Processing Unit，CPU）提供，智能算力則包括圖形處理器（Graphics Processing Unit，GPU）、現(xiàn)場(chǎng)可編程邏輯門(mén)陣列（Field Programmable Gate Array，F(xiàn)PGA）以及人工智能（Artificial Intelligence，AI）芯片等，超算算力專(zhuān)注于超級(jí)計(jì)算任務(wù)，邊緣算力為用戶(hù)提供即時(shí)計(jì)算能力，是其他3 種計(jì)算形態(tài)的綜合。下面分別簡(jiǎn)要介紹每一種算力種類(lèi)的概念。

2.1.1 通用算力

通用算力以CPU 為主。CPU 內(nèi)嵌指令集用于指導(dǎo)和優(yōu)化計(jì)算。CPU 分為x86 和非x86 架構(gòu)，包括x86、ARM、MIPS、Power、RISC-V、Alpha 等不同類(lèi)型。通用算力的發(fā)展靠硬件技術(shù)、芯片體系結(jié)構(gòu)及集群服務(wù)器來(lái)提高計(jì)算性能。

2.1.2 智能算力

智能算力主要以GPU、FPGA 及AI 芯片等為代表，主要芯片類(lèi)型如表1 所示。

智能算力領(lǐng)域的發(fā)展呈現(xiàn)多方面趨勢(shì)，如邊緣計(jì)算、深度學(xué)習(xí)及量子計(jì)算等。這將引領(lǐng)技術(shù)創(chuàng)新，提高設(shè)備自主決策能力，拓展智能應(yīng)用領(lǐng)域。與此同時(shí)，一些前沿概念如聯(lián)邦學(xué)習(xí)、隱私保護(hù)及強(qiáng)化學(xué)習(xí)等也將推動(dòng)智能算力的創(chuàng)新?？珙I(lǐng)域交叉創(chuàng)新有望解決重大挑戰(zhàn)，推動(dòng)技術(shù)和社會(huì)共同進(jìn)步。

2.1.3 超算算力

超級(jí)計(jì)算是一種利用多臺(tái)計(jì)算機(jī)系統(tǒng)的集中式計(jì)算資源，通過(guò)專(zhuān)用操作系統(tǒng)來(lái)解決極端復(fù)雜或數(shù)據(jù)密集問(wèn)題的計(jì)算科學(xué)。超級(jí)計(jì)算通常采用大型、高速、昂貴的計(jì)算機(jī)，被廣泛用于尖端科研、國(guó)防軍工等大規(guī)模科學(xué)和工程項(xiàng)目，不僅是國(guó)家科研實(shí)力的代表，也是綜合國(guó)力的象征。

超級(jí)計(jì)算機(jī)的重要發(fā)展趨勢(shì)包括提高計(jì)算性能，增加核心數(shù)量和異構(gòu)計(jì)算來(lái)增速，以及探索量子和混合計(jì)算模型。此外，還將重點(diǎn)關(guān)注能效和散熱管理，嘗試云超算和分布式模式，以靈活利用資源。數(shù)據(jù)驅(qū)動(dòng)和領(lǐng)域特定應(yīng)用與超算相結(jié)合，將會(huì)推動(dòng)科學(xué)和工程創(chuàng)新。

2.1.4 邊緣算力

作為一種新型服務(wù)模型，邊緣計(jì)算在網(wǎng)絡(luò)邊緣執(zhí)行數(shù)據(jù)或任務(wù)，適用于實(shí)時(shí)應(yīng)用。它結(jié)合了邊緣智能和人工智能，促進(jìn)智能數(shù)據(jù)處理和實(shí)時(shí)分析。將其與云計(jì)算融合，可支持多領(lǐng)域應(yīng)用，但需重視安全和隱私，并管理維護(hù)邊緣設(shè)備?？梢?jiàn)，邊緣計(jì)算正推動(dòng)著計(jì)算模型的進(jìn)一步演進(jìn)，支持實(shí)時(shí)性、智能化和多領(lǐng)域應(yīng)用。

綜上，通用算力與硬件和體系結(jié)構(gòu)密切相關(guān)，智能算力（包括GPU、FPGA、AI 芯片）主導(dǎo)多個(gè)領(lǐng)域的發(fā)展，超算算力（即超級(jí)計(jì)算機(jī)）專(zhuān)注于數(shù)據(jù)應(yīng)用和高性能要求的計(jì)算，邊緣算力（包括邊緣計(jì)算、5G、智能化、云計(jì)算）支持實(shí)時(shí)性和創(chuàng)新。這些分類(lèi)展示了算力領(lǐng)域多樣化的趨勢(shì)，驅(qū)動(dòng)著科技領(lǐng)域的不斷進(jìn)步。

2.2 算力評(píng)估方法

對(duì)于不同的算力類(lèi)型，應(yīng)選擇適當(dāng)?shù)脑u(píng)估方法。如通用算力，可用每秒浮點(diǎn)運(yùn)算次數(shù)（Floating-point Operations Per Second，F(xiàn)LOPS）、每秒進(jìn)行讀寫(xiě)操作的次數(shù)（Input/Output operations Per Second，IOPS）及內(nèi)存帶寬等指標(biāo)評(píng)估，實(shí)際運(yùn)用中通常以數(shù)據(jù)中心或地區(qū)為單位比較。《中國(guó)算力發(fā)展指數(shù)白皮書(shū)（2022 年）》拓展了數(shù)據(jù)中心算力的內(nèi)涵，結(jié)合綜合概念和統(tǒng)計(jì)學(xué)方法構(gòu)建了包括通用算力、智能算力、數(shù)據(jù)中心算效、網(wǎng)絡(luò)算力及存儲(chǔ)系統(tǒng)算力的五力模型。本文借鑒算力五力模型，提出了基于哈夫曼樹(shù)的算力評(píng)估方法。本節(jié)先介紹相關(guān)定義，再闡述基于哈夫曼樹(shù)的算力評(píng)估方法，最后給出評(píng)估方法的應(yīng)用過(guò)程和結(jié)果。

2.2.1 相關(guān)定義

2.2.1.1 哈夫曼樹(shù)

在“樹(shù)”這種數(shù)據(jù)結(jié)構(gòu)中，樹(shù)中結(jié)點(diǎn)被賦予一個(gè)有意義的數(shù)值，稱(chēng)為該結(jié)點(diǎn)的權(quán)。從樹(shù)的根到任意結(jié)點(diǎn)的長(zhǎng)度（經(jīng)過(guò)的邊數(shù)）與該結(jié)點(diǎn)上權(quán)值的乘積，稱(chēng)為該結(jié)點(diǎn)的帶權(quán)路徑長(zhǎng)度。樹(shù)中所有葉子結(jié)點(diǎn)的帶權(quán)路徑長(zhǎng)度之和稱(chēng)為該樹(shù)的帶權(quán)路徑長(zhǎng)度（Weighted Path Length，WPL），記為

式中：wi是第i個(gè)葉結(jié)點(diǎn)所帶的權(quán)值，li是該葉結(jié)點(diǎn)到根結(jié)點(diǎn)的路徑長(zhǎng)度。

在含有n個(gè)帶權(quán)葉結(jié)點(diǎn)的二叉樹(shù)中，帶權(quán)路徑長(zhǎng)度（WPL）最小的二叉樹(shù)稱(chēng)為哈夫曼樹(shù)，也稱(chēng)最優(yōu)二叉樹(shù)。

2.2.1.2 數(shù)據(jù)中心算力衡量指標(biāo)

數(shù)據(jù)中心算力由數(shù)據(jù)處理能力、數(shù)據(jù)存儲(chǔ)能力以及數(shù)據(jù)流通能力3 項(xiàng)指標(biāo)決定。其中，數(shù)據(jù)處理能力，在應(yīng)對(duì)以大數(shù)據(jù)、人工智能為代表的新一代數(shù)字化技術(shù)產(chǎn)業(yè)趨勢(shì)過(guò)程中，又可以區(qū)分為以CPU為代表的通用計(jì)算能力和以GPU、AI 芯片為代表的智能計(jì)算能力。前者主要用于執(zhí)行一般任務(wù)，后者主要承擔(dān)圖形顯示、大數(shù)據(jù)分析、信號(hào)處理、人工智能以及物理模擬等計(jì)算密集型任務(wù)。綜上，本文選取通用算力、智能算力、數(shù)據(jù)中心算效、網(wǎng)絡(luò)算力及存儲(chǔ)系統(tǒng)算力這5 個(gè)指標(biāo)進(jìn)行算力評(píng)估，對(duì)應(yīng)的具體衡量指標(biāo)如表2 所示。

2.2.2 基于哈夫曼樹(shù)的算力評(píng)估方法

基于哈夫曼樹(shù)的算力評(píng)估方法的思路是：首先將每個(gè)指標(biāo)經(jīng)過(guò)映射分級(jí)函數(shù)得到指標(biāo)分級(jí)等級(jí)，其次根據(jù)指標(biāo)分級(jí)等級(jí)構(gòu)造哈夫曼樹(shù)，最后求得哈夫曼樹(shù)的帶權(quán)路徑長(zhǎng)度。哈夫曼樹(shù)的帶權(quán)路徑長(zhǎng)度作為一個(gè)數(shù)據(jù)中心算力的最終評(píng)估指標(biāo)。

每個(gè)指標(biāo)經(jīng)過(guò)映射分級(jí)函數(shù)得到對(duì)應(yīng)的指標(biāo)分級(jí)等級(jí)，其定義為

式中：PG、PAI、BC、BN、BS分別表示通用算力、智能算力、數(shù)據(jù)中心算效、網(wǎng)絡(luò)算力、存儲(chǔ)系統(tǒng)算力；Γ、H、Θ、Φ、Ψ分別表示5 個(gè)指標(biāo)對(duì)應(yīng)的映射分級(jí)函數(shù)；IG、IAI、IC、IN、IS分別表示5 個(gè)指標(biāo)對(duì)應(yīng)的分級(jí)等級(jí)。映射分級(jí)函數(shù)的作用是根據(jù)分級(jí)表將不同單位的衡量數(shù)值轉(zhuǎn)換成無(wú)量綱的等級(jí)。

然后，根據(jù)5 個(gè)指標(biāo)的分級(jí)等級(jí)構(gòu)造哈夫曼樹(shù)。給定n個(gè)權(quán)值分別為w1,w2,…,wn的結(jié)點(diǎn)，構(gòu)造哈夫曼樹(shù)的算法如下。

（1）將這n個(gè)結(jié)點(diǎn)分別作為n棵僅含一個(gè)結(jié)點(diǎn)的二叉樹(shù)，構(gòu)成森林F。

（2）構(gòu)造一個(gè)新結(jié)點(diǎn)，從F中選取兩棵根結(jié)點(diǎn)權(quán)值最小的樹(shù)作為新結(jié)點(diǎn)的左、右子樹(shù)，并且將新結(jié)點(diǎn)的權(quán)值置為左、右子樹(shù)上根結(jié)點(diǎn)的權(quán)值之和。

（3）從F中刪除剛才選出的兩棵樹(shù)，同時(shí)將新得到的樹(shù)加入F中。

（4）重復(fù)步驟（2）和步驟（3），直到F中只剩下一棵樹(shù)為止。

最后，計(jì)算出的哈夫曼樹(shù)帶權(quán)路徑就是數(shù)據(jù)中心的算力值。

2.2.3 基于哈夫曼樹(shù)算力評(píng)估模型的案例分析

現(xiàn)給出3 個(gè)數(shù)據(jù)中心對(duì)應(yīng)的5 個(gè)指標(biāo)（通用算力、智能算力、算效能力、網(wǎng)絡(luò)能力、存儲(chǔ)能力）數(shù)據(jù)，如表3 所示。

根據(jù)專(zhuān)家的經(jīng)驗(yàn)和數(shù)據(jù)分布的情況，評(píng)估步驟如下。

（1）根據(jù)數(shù)據(jù)將所選的5 個(gè)指標(biāo)進(jìn)行分級(jí)，結(jié)果如表4 所示。

表4 數(shù)據(jù)中心五力指標(biāo)分級(jí)

（2）將表3 的數(shù)據(jù)根據(jù)表4 數(shù)據(jù)中心算力指標(biāo)分級(jí)表進(jìn)行定級(jí)，結(jié)果如表5 所示。

表5 數(shù)據(jù)中心算力指標(biāo)定級(jí)結(jié)果

（3）根據(jù)定級(jí)構(gòu)造哈夫曼樹(shù)，如圖1～圖3所示。求得哈夫曼樹(shù)的帶權(quán)路徑長(zhǎng)度，可得每個(gè)數(shù)據(jù)中心的算力，結(jié)果如表6 所示。

圖1 數(shù)據(jù)中心DC1 的哈夫曼樹(shù)

圖2 數(shù)據(jù)中心DC2 的哈夫曼樹(shù)

圖3 數(shù)據(jù)中心DC3 的哈夫曼樹(shù)

表6 3 個(gè)數(shù)據(jù)中心的算力評(píng)估結(jié)果 單位：TELOPS

最終得出3個(gè)數(shù)據(jù)中心的算力大小關(guān)系為DC2＞DC1 ＞DC3。

2.3 廣電家庭服務(wù)算力需求

分析廣電家庭服務(wù)的算力需求，不僅需要綜合考慮業(yè)務(wù)范圍、受眾及服務(wù)類(lèi)型等因素，還需考慮未來(lái)業(yè)務(wù)擴(kuò)展和用戶(hù)增加時(shí)的算力可擴(kuò)展性。下面給出統(tǒng)計(jì)當(dāng)前算力需求的初步分析方案。

（1）業(yè)務(wù)需求分析。分析公司的業(yè)務(wù)類(lèi)型和目標(biāo)，確定需要提供的服務(wù)類(lèi)型。

（2）應(yīng)用場(chǎng)景。確定每種應(yīng)用場(chǎng)景所需要的算力，考慮算法復(fù)雜度、計(jì)算量以及并發(fā)用戶(hù)數(shù)量等因素。

（3）用戶(hù)量估計(jì)。估計(jì)每種服務(wù)的預(yù)期用戶(hù)數(shù)量，根據(jù)公司的市場(chǎng)調(diào)研、用戶(hù)需求等來(lái)預(yù)測(cè)潛在用戶(hù)量。

（4）數(shù)據(jù)處理量?？紤]每種服務(wù)需要處理的數(shù)據(jù)量，包括輸入數(shù)據(jù)和輸出結(jié)果，從而確定數(shù)據(jù)處理的計(jì)算需求。

（5）計(jì)算負(fù)載預(yù)測(cè)?；趹?yīng)用場(chǎng)景和用戶(hù)量，預(yù)測(cè)不同時(shí)間段（如高峰期和低谷期）內(nèi)的計(jì)算負(fù)載。

（6）性能指標(biāo)和需求。確定服務(wù)的性能指標(biāo)，如響應(yīng)時(shí)間、處理速度等，以滿(mǎn)足用戶(hù)期望。

（7）硬件和軟件要求?？紤]所需硬件（如服務(wù)器、GPU、FPGA）和軟件（如框架、算法）來(lái)支持服務(wù)的運(yùn)行。

（8）實(shí)際測(cè)試和監(jiān)控。在實(shí)際部署之前，進(jìn)行一些實(shí)驗(yàn)和模擬負(fù)載測(cè)試，以評(píng)估系統(tǒng)在不同負(fù)載情況下的性能表現(xiàn)。

（9）容量規(guī)劃。根據(jù)以上信息，制定容量規(guī)劃，包括所需服務(wù)器數(shù)量、配置及網(wǎng)絡(luò)帶寬等。

（10）監(jiān)控和自動(dòng)化。設(shè)置監(jiān)控系統(tǒng)，跟蹤算力使用情況、性能指標(biāo)等，以便根據(jù)實(shí)際情況做出調(diào)整。

（11）彈性擴(kuò)展方案。設(shè)計(jì)彈性擴(kuò)展方案，以應(yīng)對(duì)突發(fā)的高負(fù)載情況，如使用云計(jì)算的自動(dòng)擴(kuò)展功能。

多方面考慮算力需求，需根據(jù)實(shí)際數(shù)據(jù)進(jìn)行詳細(xì)建模和分析，包括共享、綠色、智能以及可信算力服務(wù)。趙倩穎[5]等總結(jié)了算力服務(wù)為滿(mǎn)足業(yè)務(wù)需求應(yīng)具備的算力服務(wù)特性。

3 廣電家庭服務(wù)算力實(shí)現(xiàn)方式

廣電家庭服務(wù)算力實(shí)現(xiàn)方式有云端、終端以及云終端結(jié)合3 種方式。為了給出3 種方式的實(shí)現(xiàn)方案，需要先對(duì)比3 種方式的區(qū)別。三者的主要區(qū)別如表7 所示。

表7 3 種算力實(shí)現(xiàn)方式的區(qū)別

廣電服務(wù)終端算力系統(tǒng)側(cè)重于終端用戶(hù)體驗(yàn)，廣電服務(wù)云端算力系統(tǒng)專(zhuān)注于后臺(tái)內(nèi)容處理和分發(fā)，而廣電服務(wù)云終端算力系統(tǒng)試圖在終端和云之間找到平衡，以實(shí)現(xiàn)更好的性能和用戶(hù)體驗(yàn)。

3.1 云端為主

廣電家庭服務(wù)主要使用云端計(jì)算，將資源集中在云端并通過(guò)網(wǎng)絡(luò)提供給用戶(hù)服務(wù)。本文參考文獻(xiàn)[6]的分層思想，設(shè)計(jì)了云端算力系統(tǒng)架構(gòu)。廣電家庭服務(wù)云端算力系統(tǒng)架構(gòu)如圖4 所示。

圖4 廣電家庭服務(wù)算力系統(tǒng)架構(gòu)

廣電家庭服務(wù)的云端算力系統(tǒng)分為服務(wù)層、網(wǎng)絡(luò)管理層、計(jì)算資源管理層、數(shù)據(jù)存儲(chǔ)資源管理層以及基礎(chǔ)設(shè)施層。

（1）服務(wù)層，提供多項(xiàng)服務(wù)，包括云視頻、虛擬現(xiàn)實(shí)以及實(shí)時(shí)直播，利用推薦系統(tǒng)提供用戶(hù)感興趣的內(nèi)容。

（2）網(wǎng)絡(luò)管理層，負(fù)責(zé)內(nèi)容傳輸、流媒體傳輸以及網(wǎng)絡(luò)安全。使用內(nèi)容分發(fā)網(wǎng)絡(luò)（Content Delivery Network，CDN）技術(shù)提高內(nèi)容傳輸速度，關(guān)注網(wǎng)絡(luò)安全以減少攻擊。

（3）計(jì)算資源管理層，有效管理計(jì)算資源，支持頂層服務(wù)執(zhí)行，包括資源調(diào)度、分配、監(jiān)控及優(yōu)化等功能，使用分布式計(jì)算技術(shù)提升算力。

（4）數(shù)據(jù)存儲(chǔ)資源管理層，組織和管理數(shù)據(jù)存儲(chǔ)，保障數(shù)據(jù)安全和效率，包括選擇存儲(chǔ)技術(shù)、備份策略、數(shù)據(jù)安全及監(jiān)控等功能。

（5）基礎(chǔ)設(shè)施層，提供基礎(chǔ)資源，確保系統(tǒng)穩(wěn)定性、性能及安全性，適應(yīng)不同業(yè)務(wù)需求和變化。

值得注意的是，以上架構(gòu)設(shè)計(jì)為廣電家庭服務(wù)云端算力系統(tǒng)提供基本方向，實(shí)際技術(shù)應(yīng)根據(jù)業(yè)務(wù)需求和可用資源選擇。

3.2 終端為主

廣電家庭服務(wù)終端算力系統(tǒng)的核心是建立端側(cè)算力網(wǎng)絡(luò)系統(tǒng)，可以從網(wǎng)絡(luò)和算力有效利用兩個(gè)角度進(jìn)行構(gòu)建，主要目標(biāo)是提高用戶(hù)的智能化、個(gè)性化應(yīng)用服務(wù)體驗(yàn)，設(shè)計(jì)的架構(gòu)如圖5 所示。

基于端側(cè)算力網(wǎng)絡(luò)的特性，該架構(gòu)有以下4 種主要形態(tài)。

（1）時(shí)空高度動(dòng)態(tài)組網(wǎng)，適用于移動(dòng)設(shè)備，網(wǎng)絡(luò)拓?fù)潆S設(shè)備移動(dòng)而高度變化。

（2）室內(nèi)泛在大連接組網(wǎng)，智能設(shè)備通過(guò)互聯(lián)協(xié)同工作，如家庭中各種智能設(shè)備的聯(lián)動(dòng)。

（3）多協(xié)議動(dòng)態(tài)自治組網(wǎng)，各種設(shè)備使用不同的通信技術(shù)，根據(jù)資源和需求進(jìn)行聯(lián)網(wǎng)和任務(wù)分配。

（4）多層次算力智能調(diào)度，不同設(shè)備層次的算力智能共享，以?xún)?yōu)化資源利用。

這些形態(tài)在端側(cè)算力網(wǎng)絡(luò)中實(shí)現(xiàn)不同用途，如提高效率、電量管理以及資源共享。

3.3 云終端融合

云終端算力系統(tǒng)協(xié)同工作包括云端和終端兩部分的協(xié)作。云端負(fù)責(zé)內(nèi)容管理、轉(zhuǎn)碼等，終端負(fù)責(zé)展示和請(qǐng)求服務(wù)。終端設(shè)備向云端發(fā)送請(qǐng)求，云端通過(guò)實(shí)時(shí)轉(zhuǎn)碼和個(gè)性化推薦提供適用的內(nèi)容，終端展示內(nèi)容以提供用戶(hù)體驗(yàn)。

云終端算力系統(tǒng)構(gòu)建需要考慮多個(gè)方面，主要分為云端部分、終端部分及用戶(hù)體驗(yàn)3 個(gè)部分。每個(gè)部分還需要考慮細(xì)粒度的功能實(shí)現(xiàn)。圖6 和圖7分別展示了云終端系統(tǒng)的架構(gòu)和實(shí)現(xiàn)結(jié)構(gòu)。為了簡(jiǎn)化云終端算力系統(tǒng)架構(gòu)圖，此處云端算力系統(tǒng)的架構(gòu)以服務(wù)器代替。

在云終端協(xié)同工作中，終端設(shè)備要求性能較低，云計(jì)算平臺(tái)提供卓越的計(jì)算和資源存儲(chǔ)功能。用戶(hù)可在終端瀏覽內(nèi)容，復(fù)雜計(jì)算則由云端執(zhí)行，以獲得高質(zhì)量?jī)?nèi)容和個(gè)性化推薦，同時(shí)保持終端設(shè)備輕量和用戶(hù)友好。

4 結(jié) 語(yǔ)

本文首先分析出廣電家庭用戶(hù)極速流失的根本原因是產(chǎn)品算力不足，其次討論了目前的算力分類(lèi)，包括通用、智能、超算及邊緣算力，最后提出了構(gòu)建云端算力系統(tǒng)、終端算力系統(tǒng)及云終端算力系統(tǒng)3 種方案來(lái)解決算力不足的問(wèn)題。云端算力系統(tǒng)的核心在于結(jié)合當(dāng)前流行的容器編排、云計(jì)算及分布式計(jì)算技術(shù)將計(jì)算資源抽象化、云化、分布式集中化，來(lái)達(dá)到便于管理計(jì)算資源和提升算力的目的。終端算力系統(tǒng)的關(guān)鍵在于提升與終端設(shè)備互聯(lián)的硬件設(shè)備的性能和可靠性，比如，提升機(jī)頂盒性能的同時(shí)增加其可靠性。云終端算力系統(tǒng)的精髓在于如何使終端和云端協(xié)同工作，實(shí)現(xiàn)無(wú)縫切換。這需要高性能、高可靠、容錯(cuò)性高的硬件和軟件系統(tǒng)來(lái)支持。

盡管本文提出的方案是雛形方案，具體可落實(shí)的方案需要根據(jù)業(yè)務(wù)需求、技術(shù)復(fù)雜度等進(jìn)一步討論，但本文為產(chǎn)品算力不足問(wèn)題的解決提供了思考的方向，即廣電家庭服務(wù)算力關(guān)注的方向應(yīng)該是邊緣算力和智能算力。邊緣算力可通過(guò)計(jì)算機(jī)集群、容器編排技術(shù)以及分布式計(jì)算來(lái)提高，而智能算力則需要應(yīng)用當(dāng)前流行的AI 技術(shù)如AI 推薦系統(tǒng)、AI 語(yǔ)言模型來(lái)提升用戶(hù)體驗(yàn)。