通算一體網(wǎng)絡(luò)十大基礎(chǔ)問題白皮書-2022

22022/12/17通算一體網(wǎng)絡(luò)十大基礎(chǔ)問題edputingandcationsI未來無線網(wǎng)絡(luò)將迎來通信、計(jì)算、數(shù)據(jù)、AI融合的全面智能化時(shí)代，通信產(chǎn)業(yè)呼喚基礎(chǔ)數(shù)學(xué)、通信理論和計(jì)算科學(xué)的交叉碰撞，亟需圍繞后香農(nóng)信息論、現(xiàn)代編碼技術(shù)、網(wǎng)絡(luò)通信技術(shù)、分布式智能信息處理等方向展開創(chuàng)新性研究，探索通信計(jì)算一體化環(huán)境下新的理論范式。本白皮書首先闡述通算一體網(wǎng)絡(luò)的內(nèi)涵和三大典型應(yīng)用場景，在此基礎(chǔ)上提出通算一體網(wǎng)絡(luò)的十大基礎(chǔ)問題，包含：分布式信息處理的數(shù)學(xué)基礎(chǔ)、通算一體環(huán)境下信息熵的重定義、融合計(jì)算的信源編碼問題、通算一體場景下的網(wǎng)絡(luò)信息論、支持存算一體的計(jì)算架構(gòu)與芯片、智能通信的物理架構(gòu)與網(wǎng)元內(nèi)生計(jì)算、通算一體網(wǎng)絡(luò)架構(gòu)和融合控制機(jī)理、多智能體的任務(wù)協(xié)同和性能優(yōu)化理論、通信與計(jì)算的資源置換機(jī)理和聯(lián)合編排方法、通算融合架構(gòu)下的數(shù)據(jù)安全和隱私保護(hù)。上述十大問題涉及理論基礎(chǔ)、協(xié)議架構(gòu)、算法機(jī)制三個(gè)層面。對于每個(gè)問題，均詳細(xì)闡述了其具體內(nèi)涵，以及在研究中所面臨的挑戰(zhàn)。白皮書對通算一體網(wǎng)絡(luò)的發(fā)展前景與應(yīng)用潛力做了總結(jié)和展望。摘要 I1.背景 12.十大基礎(chǔ)問題 22.1問題一：分布式信息處理的數(shù)學(xué)基礎(chǔ) 42.2問題二：通算一體環(huán)境下信息熵的重定義 52.3問題三：融合計(jì)算的信源編碼問題 62.4問題四：通算一體場景下的網(wǎng)絡(luò)信息論 72.5問題五：支持存算一體的計(jì)算架構(gòu)與芯片 82.6問題六：智能通信的物理架構(gòu)與網(wǎng)元內(nèi)生計(jì)算 92.7問題七：通算一體網(wǎng)絡(luò)架構(gòu)和融合控制機(jī)理 102.8問題八：多智能體的任務(wù)協(xié)同和性能優(yōu)化理論 112.9問題九：通信與計(jì)算的資源置換機(jī)理和聯(lián)合編排方法 122.10問題十：通算融合架構(gòu)下的數(shù)據(jù)安全和隱私保護(hù) 133.總結(jié)與展望 14 縮略語列表 171.背景1隨著泛在信息交換需求的持續(xù)激增，智能終端的日益普及，XR/自動駕駛/元宇宙等新業(yè)務(wù)的不斷涌現(xiàn)，以及信息技術(shù)與垂直行業(yè)的深度融合，未來通信網(wǎng)絡(luò)的作用將發(fā)生根本性變革，由單純提供連接服務(wù)的信息傳輸基礎(chǔ)設(shè)施轉(zhuǎn)變?yōu)橥瑫r(shí)提供連接和計(jì)算服務(wù)的智能系統(tǒng)。通信和計(jì)算將融為一體，以滿足未來全面智能化時(shí)代所需的極致連接、分布式感知和計(jì)算、智能信息處理等多方面的綜合需求(如圖1所示，在現(xiàn)有網(wǎng)絡(luò)中，通信和計(jì)算是分離的，通信網(wǎng)絡(luò)主要提供連接能力，而計(jì)算則通過云或MEC實(shí)現(xiàn)；在未來通算一體網(wǎng)絡(luò)中，終端側(cè)和基站側(cè)也將成為算力的提供方，計(jì)算將成為網(wǎng)絡(luò)內(nèi)生的一種能力)。圖1由通算分離走向通算一體本白皮書將基于通信的視角，探討通算一體背后的基礎(chǔ)理論問題，以及通信和計(jì)算的融合對通信網(wǎng)絡(luò)帶來的挑戰(zhàn)。通算一體網(wǎng)絡(luò)的顯著特征是：網(wǎng)絡(luò)內(nèi)生支持各種類型算力和通信的相互感知與深度融合(其中的算力來源可能是終端算力、網(wǎng)元內(nèi)生算力、移動邊緣/云算力等)，主要體現(xiàn)在控制機(jī)制上的一體化，支持實(shí)時(shí)準(zhǔn)確的算力發(fā)現(xiàn)、靈活動態(tài)的算力調(diào)度、自主適配通信動態(tài)環(huán)境的算力調(diào)整等新能力，可以提供無處不在、滿足差異化服務(wù)質(zhì)量需求的計(jì)算服務(wù)，并支撐未來通信網(wǎng)絡(luò)AIaaS(AIasaService，AI即服務(wù))的新服務(wù)能力。通算一體網(wǎng)絡(luò)在實(shí)現(xiàn)相應(yīng)功能時(shí)能綜合考慮空口狀態(tài)、網(wǎng)絡(luò)狀態(tài)、算力分布等信息，實(shí)現(xiàn)算力資源、連接資源的綜合優(yōu)化。通算一體網(wǎng)絡(luò)將支持三種典型應(yīng)用場景，如圖2所示。2圖2通算一體網(wǎng)絡(luò)的三種典型應(yīng)用場景場景一：重計(jì)算場景——對于“重計(jì)算”任務(wù)(如大規(guī)模矩陣運(yùn)算、無線聯(lián)邦學(xué)習(xí))，將其分解至網(wǎng)絡(luò)中的各個(gè)節(jié)點(diǎn)，通過分布式計(jì)算的方式對復(fù)雜任務(wù)“分而治之”，并進(jìn)行結(jié)果的拼裝和匯聚。場景二：輕計(jì)算場景——對于“輕計(jì)算”任務(wù)(如傳感器網(wǎng)絡(luò)、工業(yè)互聯(lián)網(wǎng))，網(wǎng)絡(luò)中的各個(gè)節(jié)點(diǎn)兼具數(shù)據(jù)采集、計(jì)算和通信能力，通過“邊傳輸邊加工”的方式完成最終計(jì)算任務(wù)。場景三：多智能體協(xié)同場景——多個(gè)具有計(jì)算能力的智能體，通過彼此通信和協(xié)同來提升單體性能，實(shí)現(xiàn)信息融合和智能決策。在上述三類場景中，場景一和場景二都對應(yīng)于“將計(jì)算融入通信”的情況，即：通過在現(xiàn)有通信網(wǎng)絡(luò)中引入計(jì)算能力，實(shí)現(xiàn)通信網(wǎng)絡(luò)的增值，使智能計(jì)算成為網(wǎng)絡(luò)對外提供的一種基本服務(wù)；場景三對應(yīng)于“將通信融入計(jì)算”的情況，即：利用通信網(wǎng)絡(luò)技術(shù)賦能智能計(jì)算，通過在多個(gè)具有計(jì)算功能的智能體之間引入交互和協(xié)同，實(shí)現(xiàn)由單體智能向群體智能的跨越。2.十大基礎(chǔ)問題本白皮書將提出并初步探討通算一體網(wǎng)絡(luò)的十個(gè)基礎(chǔ)問題，包括：分布式信息處理的數(shù)學(xué)基礎(chǔ)、通算一體環(huán)境下信息熵的重定義、融合計(jì)算的信源編碼問題、通算一體場景下的網(wǎng)絡(luò)信息論、3支持存算一體的計(jì)算架構(gòu)與芯片、智能通信的物理架構(gòu)與網(wǎng)元內(nèi)生計(jì)算、通算一體網(wǎng)絡(luò)架構(gòu)和融合控制機(jī)理、多智能體的任務(wù)協(xié)同和性能優(yōu)化理論、通信與計(jì)算的資源置換機(jī)理和聯(lián)合編排方法、通算融合架構(gòu)下的數(shù)據(jù)安全和隱私保護(hù)。上述問題涉及理論基礎(chǔ)、協(xié)議架構(gòu)、算法機(jī)制三個(gè)層面，如圖3所示，各問題的具體內(nèi)涵將在后續(xù)各小節(jié)詳述。圖3通算一體十大基礎(chǔ)問題上述基礎(chǔ)問題與通算一體網(wǎng)絡(luò)三類典型場景的對應(yīng)關(guān)系如表1所示。表1十大基礎(chǔ)問題與三類場景的對應(yīng)關(guān)系42.1問題一：分布式信息處理的數(shù)學(xué)基礎(chǔ)通算一體的典型應(yīng)用場景為：將一個(gè)高度復(fù)雜的信息處理任務(wù)通過分解加以完成。這涉及到諸多基礎(chǔ)的數(shù)學(xué)問題[1]。第一，多模態(tài)數(shù)據(jù)和復(fù)雜任務(wù)的形式化描述問題。在通算一體網(wǎng)絡(luò)中，計(jì)算的對象是數(shù)據(jù)，計(jì)算作用于數(shù)據(jù)空間。對于文本、圖像、視頻、網(wǎng)頁等多模態(tài)數(shù)據(jù)，其表述與存儲方式各異，需要建立更加統(tǒng)一、更加抽象的數(shù)據(jù)空間表述方法，使不同類型的數(shù)據(jù)在該空間中的表述形式達(dá)成一致。此外，數(shù)據(jù)空間中的最小數(shù)據(jù)單元應(yīng)如何表述？最小數(shù)據(jù)單元與任一數(shù)據(jù)之間是何種關(guān)系？以上問題的解決是定義數(shù)據(jù)空間的關(guān)鍵。當(dāng)數(shù)據(jù)空間擁有高度抽象的表述方式(記為：Y)之后，復(fù)雜任務(wù)即可表述為作用于數(shù)據(jù)空間的函數(shù)G(Y)。然而，對于復(fù)雜任務(wù)而言，G(Y)的數(shù)學(xué)表征是極其困難的。以深度學(xué)習(xí)為例，單次學(xué)習(xí)可由?1(X+B)來表述，其中?1為非線性函數(shù)。深度為K的學(xué)習(xí)可以表征為?K(…(?2(?1(X+B)))…)，但該迭代模型如何轉(zhuǎn)換為作用于數(shù)據(jù)空間的函數(shù)G(Y)？該深度學(xué)習(xí)的數(shù)據(jù)空間Y與X是否等價(jià)？任務(wù)G是否等價(jià)于各層單次學(xué)習(xí)任務(wù)?i的復(fù)合？如果該數(shù)據(jù)空間Y中的最小數(shù)據(jù)單元用y0表示，作用于y0的標(biāo)準(zhǔn)任務(wù)單元用g(y0)表示，那么g(y0)與G(Y)之間是何種關(guān)系？是累加、累乘、還是復(fù)合？標(biāo)準(zhǔn)任務(wù)單元g(y0)的資源代價(jià)如何描述？g(y0)的資源代價(jià)與G(Y)資源代價(jià)之間是何種關(guān)系？這些是實(shí)現(xiàn)復(fù)雜任務(wù)形式化描述的關(guān)鍵。第二，任務(wù)的可分解性理論。復(fù)雜任務(wù)需經(jīng)過合理分解，由網(wǎng)絡(luò)中各智能節(jié)點(diǎn)通過分布式運(yùn)算完成。任務(wù)的可分解性基于對數(shù)據(jù)、任務(wù)兩個(gè)層面的分析。在數(shù)據(jù)層面，需確定任務(wù)的數(shù)據(jù)空間Y與最小數(shù)據(jù)單元y0之間的關(guān)系如何被表征；在任務(wù)層面，需確定原始任務(wù)G(Y)與標(biāo)準(zhǔn)任務(wù)單元g(y0)之間關(guān)系的數(shù)學(xué)描述。以深度學(xué)習(xí)為例，假設(shè)其最小數(shù)據(jù)單元定義為向量x0、任務(wù)的數(shù)據(jù)空間為N個(gè)最小數(shù)據(jù)單元構(gòu)成的集合，記為X={x,x,x,…,x}，這意味著在該深度學(xué)習(xí)任務(wù)中，數(shù)據(jù)空間與最小數(shù)據(jù)單元之間的關(guān)系可用集合來刻畫。若以最小化均方誤差為任務(wù)目標(biāo)，由于該目標(biāo)在數(shù)學(xué)上由求和形式表述，因此任務(wù)G(X)與標(biāo)準(zhǔn)任務(wù)單元g(x0)之間的關(guān)系為：G(X)=G(x,x,x,…,x)=∑g(x)。這意味著G(X)可被分解為N個(gè)子任務(wù)之和，各子任務(wù)g(x)可被分配給不同節(jié)點(diǎn)進(jìn)行分布式處理。然而，實(shí)際的大型計(jì)算任務(wù)遠(yuǎn)比該場景復(fù)雜。在包含多種數(shù)據(jù)類型的計(jì)算場景里，數(shù)據(jù)空間Y與最小數(shù)據(jù)單元y0之間的關(guān)系是否依然可以用集合表征？或者說，該如何定義數(shù)據(jù)空間與最小數(shù)據(jù)單元，使二者間的關(guān)系可以用集合來表征？另外，雖然不同任務(wù)的具體目標(biāo)不同，但各種類型的任務(wù)G(Y)與標(biāo)準(zhǔn)任務(wù)單元g(y0)之間的關(guān)系是否存在某種高度統(tǒng)一的、抽象的函數(shù)表述形式？由于加法滿足交換律，對應(yīng)于拆解與拼裝過程的簡單化，故該函數(shù)能否以某種求和形式存在？這引申出另一問題：在抽象的數(shù)據(jù)空間Y中，求和運(yùn)算該如何定義，使原始任務(wù)等價(jià)于對若干標(biāo)準(zhǔn)任務(wù)單元的求和？5最后，通算資源受限條件下任務(wù)的分解與拼裝方法。即：如何在給定的通算資源約束下將一個(gè)信息處理任務(wù)分解為“時(shí)間上有序，空間上分布”的系列子任務(wù)，且保證子任務(wù)解的拼裝能夠等價(jià)于原任務(wù)的解，或者誤差控制在允許范圍內(nèi)。值得注意的是，如上述關(guān)于任務(wù)可分解性的討論，如果可以定義數(shù)據(jù)空間中的加法來表征復(fù)雜任務(wù)與標(biāo)準(zhǔn)任務(wù)單元之間的關(guān)系，則在拼裝時(shí)對“時(shí)間有序”的要求可以弱化，只需對每個(gè)標(biāo)準(zhǔn)任務(wù)單元添加對應(yīng)于原任務(wù)的標(biāo)記，據(jù)此實(shí)現(xiàn)拼裝即可。如果復(fù)雜任務(wù)與標(biāo)準(zhǔn)任務(wù)單元之間的關(guān)系用其他新型運(yùn)算表征，則該新型運(yùn)算需滿足交換律，才可實(shí)現(xiàn)類似于加法運(yùn)算的拼裝復(fù)雜度。如果交換律不能滿足，會帶來拼裝復(fù)雜度的大幅增加；它意味著標(biāo)準(zhǔn)任務(wù)單元的拼裝需嚴(yán)格按照唯一的順序執(zhí)行，任一標(biāo)準(zhǔn)任務(wù)單元的拼裝順序出錯(cuò)都可能會帶來拼裝結(jié)果與原任務(wù)結(jié)果之間的巨大誤差。上述數(shù)學(xué)問題的解決是實(shí)現(xiàn)分布式優(yōu)化、分布式學(xué)習(xí)的基礎(chǔ)。2.2問題二：通算一體環(huán)境下信息熵的重定義在經(jīng)典的信息論中，信息量的大小使用香農(nóng)熵度量。根據(jù)香農(nóng)的定義，一個(gè)事件(或一條消息)所包含的信息量與該事件(或該消息)發(fā)生的不確定程度相關(guān)。這一定義不反映信息的語義和語用特征，將信息的刻畫納入科學(xué)的范疇。在過去的幾十年里，信息論和通信理論的發(fā)展都基于這一經(jīng)典定義。然而，面向通算一體的網(wǎng)絡(luò)環(huán)境，有必要重新審視信息熵如何定義這一基本問題。首先，在經(jīng)典的香農(nóng)熵中，信息量的大小僅與概率分布相關(guān)。但在通算一體環(huán)境下，網(wǎng)絡(luò)通信的目標(biāo)可能并不是實(shí)現(xiàn)比特流的無誤傳遞，而是為了計(jì)算出某個(gè)特定的函數(shù)值，或者做出某種決策。對于特定的目標(biāo)而言，不同的信源輸出的重要性也不盡相同，概率的大小并不簡單對應(yīng)于重要性的高低。因此，需要將信息重要性引入信息的測度之中。Rényi熵作為香農(nóng)熵的推廣形式，是體現(xiàn)信息重要性的度量雛形，但如何將其拓展以充分體現(xiàn)不同的信源輸出對特定通算目標(biāo)的貢獻(xiàn)度，仍有待深入研究。第二，由于通算一體網(wǎng)絡(luò)中任一網(wǎng)元均具有計(jì)算、學(xué)習(xí)、推理等“語義”層面的信息加工和處理能力，而不再是簡單地進(jìn)行信號的轉(zhuǎn)發(fā)和“語法”層面的信息處理，因此，通算一體網(wǎng)絡(luò)中信源本身也將發(fā)生根本性的變化，信源將是有結(jié)構(gòu)的、有記憶的、可學(xué)習(xí)的，其特性不能夠通過概率分布函數(shù)來簡單地加以刻畫，這就意味著，基于統(tǒng)計(jì)分布特性所得到的信源熵可能不足以用來度量信源所包含的信息。如何建立與通算環(huán)境下信源新特性相匹配的信息描述形式和度量方法，是一個(gè)亟需回答的基礎(chǔ)問題。6第三，香農(nóng)熵是面向壓縮和傳輸?shù)男畔⒄摐y度，而通算一體網(wǎng)絡(luò)的基本單元是具有計(jì)算能力的智能體，香農(nóng)熵不足以從計(jì)算的角度刻畫智能體產(chǎn)生的信息。香農(nóng)熵相同的兩條信息，其計(jì)算意義下的表征可能完全不同。在算法信息論中，柯氏復(fù)雜度(Kolmogorov復(fù)雜度)用來衡量描述一個(gè)對象所需要的信息量，這一概念由安德雷·柯爾莫哥洛夫在1963年提出。以描述對象為字符串為例，直觀來講，一個(gè)字符串的柯氏復(fù)雜度可以理解為能生成該字符串的最短程序的長度。柯氏復(fù)雜度是計(jì)算表達(dá)的度量，將該測度與經(jīng)典的熵測度融合，得出更廣義更全面的信息度量，將有助于定義通算系統(tǒng)的基本單元，催生出通算一體的網(wǎng)絡(luò)的性能評估指標(biāo)。2.3問題三：融合計(jì)算的信源編碼問題通信過程的計(jì)算本質(zhì)是對信源消息的“邊傳輸邊計(jì)算加工”。如何從計(jì)算的角度出發(fā)描述信源并建立信源編碼理論，是實(shí)現(xiàn)通算一體的基礎(chǔ)與前提。傳統(tǒng)的信源編碼基于香農(nóng)信息論，其目的在于盡可能地壓縮表示信源所須的比特?cái)?shù)，其理論極限是信源的信息熵，如圖4(a)所示。由于傳統(tǒng)的通信系統(tǒng)關(guān)注的是比特流的傳輸，因此基于香農(nóng)信息論的信源編碼能夠最大限度地去除信源的冗余，提升信息傳輸?shù)男省Ｔ谕ㄋ阋惑w網(wǎng)絡(luò)中，通信的目的可能會發(fā)生根本性地轉(zhuǎn)變，在很多場景下，通信系統(tǒng)并不簡單關(guān)注如何無失真地傳輸信源比特，而是關(guān)注如何根據(jù)接收到的信號盡可能準(zhǔn)確地做出決策(例如，在基于傳感器網(wǎng)絡(luò)的森林火情監(jiān)測這一應(yīng)用中，多個(gè)傳感器用于測量環(huán)境中的溫度，并且將測量結(jié)果上報(bào)給遠(yuǎn)程的數(shù)據(jù)融合中心，數(shù)據(jù)融合中心根據(jù)接收到的信號判斷是否有火情存在。在這一實(shí)例中，數(shù)據(jù)融合中心并不關(guān)心各傳感器上報(bào)的溫度數(shù)據(jù)的具體數(shù)值，而只需對著火與否做出二元判決)。因此，編碼壓縮的理論極限未必由信源熵限定，而是取決于對所要達(dá)成的特定目標(biāo)而言(例如：不影響決策的準(zhǔn)確度，或者決策誤差控制在某一容許范圍之內(nèi))，最少可以用多少比特來表示信源的輸出。換句話講，融合計(jì)算的信源編碼要回答的問題就是：為了從信源中提取出目標(biāo)任務(wù)所關(guān)心的有效信息，最少可以用多少比特表示信源？而對于是否能夠“提取出目標(biāo)任務(wù)所關(guān)心的有效信息”，可以用信源數(shù)據(jù)的函數(shù)計(jì)算結(jié)果來刻畫[2]-[3]。這一概念可由圖4(b)直觀展示。圖4經(jīng)典信源編碼和融合計(jì)算的信源編碼7在上面的討論中，我們僅考慮了單一信源的情況，而通算一體網(wǎng)絡(luò)是一個(gè)分布式、多用戶系統(tǒng)。對于分布式信源，其編碼的問題更加復(fù)雜。需要解決的核心問題是：各個(gè)分布式節(jié)點(diǎn)如何從計(jì)算的角度對各自的相關(guān)觀測進(jìn)行描述，以及如何將這些描述高效可靠地匯集成目標(biāo)函數(shù)的計(jì)算結(jié)果？這里，分布式信源相關(guān)性的建模是一個(gè)難點(diǎn)。由于通算一體網(wǎng)絡(luò)中通信的目標(biāo)由無失真地傳遞比特流轉(zhuǎn)變?yōu)楦咝У刈龀鰶Q策(即：計(jì)算出某個(gè)目標(biāo)函數(shù)的值)，因此，分布式的多個(gè)信源間的相關(guān)性也不應(yīng)當(dāng)簡單地通過統(tǒng)計(jì)相關(guān)性加以描述，而是應(yīng)當(dāng)從對達(dá)成特定目標(biāo)任務(wù)的關(guān)聯(lián)性的角度加以刻畫。此外，在實(shí)際當(dāng)中，各節(jié)點(diǎn)觀測之間的相關(guān)特性往往難以獲得，且隨著通算過程的進(jìn)行可能會發(fā)生動態(tài)變化，在這一情況下，最優(yōu)的分布式編碼模式是什么？是否可以通過在多節(jié)點(diǎn)之間引入微量的信息交互來更好地捕獲和更新分布式信源間的相關(guān)性？是否能夠利用信宿的反饋來實(shí)現(xiàn)增量的信源編碼？這些也都是需要探討的問題。2.4問題四：通算一體場景下的網(wǎng)絡(luò)信息論以香農(nóng)發(fā)表《通信的數(shù)學(xué)理論》為創(chuàng)立標(biāo)志的香農(nóng)信息論指引著過去幾十年通信學(xué)科的發(fā)展。隨著通信系統(tǒng)由點(diǎn)對點(diǎn)通信逐步發(fā)展成網(wǎng)絡(luò)通信，信息論也由經(jīng)典的單用戶信息論拓展為網(wǎng)絡(luò)信息論。在網(wǎng)絡(luò)化通信環(huán)境中，多用戶的信息傳輸會帶來許多點(diǎn)對點(diǎn)通信中所不存在的新問題，多用戶信號的疊加、干擾，以及多個(gè)用戶間的競爭、合作、反饋等機(jī)制深刻影響了多用戶系統(tǒng)信息傳輸?shù)睦碚摌O限和本質(zhì)規(guī)律。盡管網(wǎng)絡(luò)通信是對點(diǎn)對點(diǎn)通信的極大發(fā)展，但從本質(zhì)上講，傳統(tǒng)通信網(wǎng)絡(luò)中的中間節(jié)點(diǎn)所起的作用基本上都相當(dāng)于轉(zhuǎn)發(fā)器，因?yàn)樗粚邮盏降男盘栕瞿撤N處理(可能是簡單的放大轉(zhuǎn)發(fā)或譯碼轉(zhuǎn)發(fā)；也可能是對來源于多個(gè)節(jié)點(diǎn)的信號做線性處理后轉(zhuǎn)發(fā)，例如網(wǎng)絡(luò)編碼；或者是對接收信號做非線性處理后轉(zhuǎn)發(fā)，例如基于AI的信號處理)。在通算一體網(wǎng)絡(luò)中，由于計(jì)算能力被引入網(wǎng)絡(luò)節(jié)點(diǎn)，因此，任意節(jié)點(diǎn)將具有感知、學(xué)習(xí)、推理能力，這意味著兩個(gè)方面的重要轉(zhuǎn)變，一是網(wǎng)絡(luò)中的任何節(jié)點(diǎn)都可能產(chǎn)生信息(例如：基于自身對環(huán)境的感知)，因此，在進(jìn)行轉(zhuǎn)發(fā)時(shí)，它需要考慮如何將自身原生的信息與接收到的信息進(jìn)行聯(lián)合壓縮和傳輸，而在壓縮和傳輸策略的設(shè)計(jì)上，不僅需要考慮各信號之間的統(tǒng)計(jì)相關(guān)性，還要考慮各信號所對應(yīng)的信息語義之間的因果關(guān)聯(lián)，從而最高效地實(shí)現(xiàn)壓縮并節(jié)省傳輸資源。另一點(diǎn)轉(zhuǎn)變更為重要，即：網(wǎng)絡(luò)中的中間節(jié)點(diǎn)在接收到其他節(jié)點(diǎn)發(fā)送來的信號之后，可能會觸發(fā)自身產(chǎn)生新的信息(如圖5所示，Node4基于接收到的來自于Node1~Node3的信息和本地觀測獲得的X4,local，通過某種推理或運(yùn)算產(chǎn)生出新的信息Xnew)。例如：在工業(yè)控制應(yīng)用中，機(jī)器人在接收到其他機(jī)器人或傳感器節(jié)點(diǎn)發(fā)送的信號后，觸發(fā)本地做出某種決策，這一決策結(jié)果需要通過網(wǎng)絡(luò)廣播或傳遞給下一跳。在新的信息產(chǎn)生后，已經(jīng)接收到的信息是否仍然有必要傳輸？以何種方式對新信息和接收到的信息進(jìn)行聯(lián)合處理和傳8輸？這是傳統(tǒng)的信息論沒有深入考慮的問題。此外，考慮到信息的產(chǎn)生存在時(shí)序關(guān)系，不同節(jié)點(diǎn)產(chǎn)生的信息之間將存在新鮮度的差異，如何將信息新鮮度融入聯(lián)合處理和傳輸方案的設(shè)計(jì)之中，也是值得探討的課題。另一方面，在傳統(tǒng)的通信網(wǎng)絡(luò)中，信宿的目的較為單純，大多數(shù)情況下就是逐個(gè)恢復(fù)各個(gè)獨(dú)立的信源信息。與之相對，在通算一體網(wǎng)絡(luò)中，信宿可能并不對每個(gè)節(jié)點(diǎn)發(fā)來的原始數(shù)據(jù)感興趣，而只是希望計(jì)算出與這些原始數(shù)據(jù)相關(guān)的某一個(gè)函數(shù)值。上述變化也要求我們拓展經(jīng)典的網(wǎng)絡(luò)信息論。為了建立通算一體場景下的網(wǎng)絡(luò)信息論，需要解決諸多理論問題。首先，對于通算一體網(wǎng)絡(luò)而言，其端到端信道難以簡單地使用轉(zhuǎn)移概率或某種隨機(jī)過程來建模，因?yàn)閭鬏旀溌分泄?jié)點(diǎn)所執(zhí)行的具體計(jì)算將影響信道的模型。因此，一個(gè)自然的問題就是：對于通算一體網(wǎng)絡(luò)，應(yīng)當(dāng)如何進(jìn)行數(shù)學(xué)描述？第二，應(yīng)當(dāng)采用何種指標(biāo)測度來評估通算一體網(wǎng)絡(luò)的性能？香農(nóng)信息論采用信道容量作為指標(biāo)測度，用于衡量信道所能傳輸?shù)淖畲笮畔⒘?網(wǎng)絡(luò)信息論的指標(biāo)測度與此有所不同，但本質(zhì)上仍然是信道容量的推廣)，但當(dāng)計(jì)算融入通信網(wǎng)絡(luò)后，信息的產(chǎn)生和消失有可能伴隨著信息的傳輸而發(fā)生，經(jīng)典的信道容量不適于度量信道的極限性能。此外，需要探討和解決的問題還包括：網(wǎng)絡(luò)的中間節(jié)點(diǎn)在對信息進(jìn)行加工處理時(shí)，處理函數(shù)應(yīng)當(dāng)如何設(shè)計(jì)；新信息的產(chǎn)生模型如何刻畫；通信速率、計(jì)算性能、容錯(cuò)能力、網(wǎng)絡(luò)時(shí)延之間的折中關(guān)系如何描述。2.5問題五：支持存算一體的計(jì)算架構(gòu)與芯片要支持通信鏈路上的“邊傳輸邊加工”，在計(jì)算架構(gòu)和芯片方面需要專門的設(shè)計(jì)。目前主流的計(jì)算機(jī)是基于馮·諾依曼架構(gòu)設(shè)計(jì)而成的，即存儲與計(jì)算相分離。這意味著數(shù)據(jù)需要不斷地在存儲單元和計(jì)算單元之間進(jìn)行搬移，由此會帶來嚴(yán)重的時(shí)延和能耗開銷，造成所謂的“馮·諾依曼瓶頸”。對于傳統(tǒng)的通信系統(tǒng)而言，需要處理的數(shù)據(jù)量相對較少，即：通信系統(tǒng)本身主要完成“輕9計(jì)算”任務(wù)，而復(fù)雜的計(jì)算任務(wù)，如3D環(huán)境重構(gòu)、AI模型的訓(xùn)練和推理等，主要是在云端進(jìn)行絡(luò)邊緣，通信系統(tǒng)中的大量節(jié)點(diǎn)將同時(shí)承擔(dān)通信、計(jì)算、推理等功能，本地的數(shù)據(jù)管理和數(shù)據(jù)計(jì)算任務(wù)激增，且需要處理非結(jié)構(gòu)化、時(shí)空關(guān)聯(lián)信息的感知、學(xué)習(xí)以及決策等相關(guān)問題，這對信息基礎(chǔ)設(shè)施底座提出了強(qiáng)算力、低時(shí)延的要求，馮·諾依曼架構(gòu)存算分離的局限性日益凸顯。為此，需要探索突破馮·諾依曼架構(gòu)的存算一體新范式。例如，可以考慮引入神經(jīng)形態(tài)計(jì)算。神經(jīng)形態(tài)計(jì)算(NeuromorphicComputing，又名類腦計(jì)算)借鑒人腦的信息處理模式，信息的處理與存儲依靠神經(jīng)元與突觸，在神經(jīng)網(wǎng)絡(luò)中完成，這就實(shí)現(xiàn)了存儲和計(jì)算的融合[4]。并且，神經(jīng)形態(tài)計(jì)算能夠模擬人腦復(fù)雜的神經(jīng)元連接結(jié)構(gòu)和突觸的可塑性，從而具有自主學(xué)習(xí)的能力。另一方面，摩爾定律已經(jīng)逼近極限，而模擬計(jì)算有望為解決解決算力難題提供另一條可能的途徑。例如，可以采用憶阻器實(shí)現(xiàn)模擬計(jì)算。憶阻器是一種具有記憶功能的非線性電阻，其電阻值會隨著流經(jīng)的電荷量的變化而變化?；诖罅繎涀杵鳂?gòu)造的運(yùn)算單元能夠快速地實(shí)現(xiàn)矩陣與向量乘法、矩陣求逆等運(yùn)算[5]。這些運(yùn)算不僅是基帶信號處理中的常用模塊(如：信道估計(jì)、信號檢測、OFDM調(diào)制解調(diào))，而且也是眾多AI運(yùn)算的基本模塊(如：神經(jīng)網(wǎng)絡(luò))。在經(jīng)典的計(jì)算架構(gòu)下，由于存算分離，為了完成上述運(yùn)算，需要頻繁地進(jìn)行內(nèi)存的讀寫；與之相對，采用憶阻器等元件可以做到計(jì)算和存儲一體，憶阻器陣列既能夠存儲運(yùn)算所須的參數(shù)(如：DFT矩陣)，又能夠同步地完成計(jì)算。2.6問題六：智能通信的物理架構(gòu)與網(wǎng)元內(nèi)生計(jì)算現(xiàn)有通信系統(tǒng)中，通信網(wǎng)元(如：基站)主要提供面向連接的信號處理和傳輸能力，而在未來通算一體架構(gòu)下，通信網(wǎng)元(如：基站)將自然作為計(jì)算節(jié)點(diǎn)/單元來使用，這種通算一體的基站是智能通信網(wǎng)絡(luò)物理架構(gòu)的重要節(jié)點(diǎn)，通過引入計(jì)算功能來支撐通信鏈路上行、下行的智慧連接?；?或者更為一般地講，通信網(wǎng)元)的通算一體化實(shí)質(zhì)上是要求AI成為無線空口的原生能力。目前在這一方向，主流的研究有兩種思路，一是仍然保留無線空口模塊化的基本架構(gòu)，但是使用AI算法改造或者替換通信系統(tǒng)的經(jīng)典模塊(例如：信道估計(jì)、CSI壓縮反饋、信號檢測)[6]。二是打破通信系統(tǒng)已有的模塊化架構(gòu)，對發(fā)射機(jī)和接收機(jī)都使用AI進(jìn)行構(gòu)建，通過端到端聯(lián)合優(yōu)化提升系統(tǒng)性能[7]。已有的各類方法在某些簡單場景下能夠體現(xiàn)出一定的性能增益，但對更一般的情況而言(特別是現(xiàn)網(wǎng))，基于AI重構(gòu)無線空口仍充滿挑戰(zhàn)，其根本原因主要有兩個(gè)方面，一是在算法設(shè)計(jì)上更多地依賴于經(jīng)驗(yàn)化的試錯(cuò)，缺乏通信專屬AI的設(shè)計(jì)方法學(xué)，從而無法從根本上避免遷移能力差、可解釋性差、對大數(shù)據(jù)依賴性強(qiáng)等問題。二是目前面向連接的網(wǎng)絡(luò)架構(gòu)不支持在線的數(shù)據(jù)獲取，以及在線的計(jì)算、學(xué)習(xí)和推理，因此AI模型難于泛化。所以，要實(shí)現(xiàn)智能通信，必須在通信專屬AI的方法論和網(wǎng)絡(luò)架構(gòu)方面有所創(chuàng)新。另一方面，從計(jì)算的角度來看，目前通信信號處理和AI計(jì)算使用的是不同的處理芯片。伴隨著AI對無線空口重構(gòu)的不斷深入，需要統(tǒng)一的AI處理芯片，同時(shí)滿足智能通信和智能業(yè)務(wù)對AI計(jì)算的需求，實(shí)現(xiàn)網(wǎng)元的內(nèi)生計(jì)算。當(dāng)前，GPU等通用計(jì)算處理器是AI計(jì)算的主流，然而由于功耗和高價(jià)等問題，基于GPU的AI計(jì)算難以滿足智能通信系統(tǒng)對低功耗、平價(jià)計(jì)算的需求。并且由于通信AI算法與機(jī)器視覺、自然語言處理等場景下的AI算法在計(jì)算能力的需求上存在較大差異，因此，智能通信所需的計(jì)算與通用的AI計(jì)算并不相同。如何構(gòu)建適配于智能通信系統(tǒng)的計(jì)算處理器和芯片，是目前尚不清楚的一個(gè)基礎(chǔ)問題。2.7問題七：通算一體網(wǎng)絡(luò)架構(gòu)和融合控制機(jī)理如圖6所示，在通算一體網(wǎng)絡(luò)中，多智能體網(wǎng)元將同時(shí)具備通信和計(jì)算能力，網(wǎng)絡(luò)可支持算力的眾籌共享，以及通信、計(jì)算、存儲資源的靈活分配。通算一體網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)的關(guān)鍵是建立統(tǒng)一的通信、計(jì)算、存儲、數(shù)據(jù)等多種資源的融合控制機(jī)制，來滿足未來新業(yè)務(wù)對網(wǎng)絡(luò)功能、性能、安全、隱私等多方面的要求。為此，有必要探索其背后的融合控制機(jī)理，以明確融合控制的實(shí)時(shí)性能邊界以及通算聯(lián)合優(yōu)化的增益。在此基礎(chǔ)上，應(yīng)當(dāng)從架構(gòu)和控制流程上提供對通算融合的支撐，具體包括[8]-[10]：1)在網(wǎng)絡(luò)架構(gòu)的控制層面支持各類分布式算力(如終端算力、基站算力、核心網(wǎng)算力、MEC及EdgeCloud等)的發(fā)現(xiàn)、感知和控制，可以為網(wǎng)絡(luò)本身以及第三方提供計(jì)算服務(wù)，使能未來網(wǎng)絡(luò)成為通信+計(jì)算的雙基礎(chǔ)設(shè)施。2)支持通信與計(jì)算的實(shí)時(shí)協(xié)同，以實(shí)現(xiàn)實(shí)時(shí)準(zhǔn)確適配無線動態(tài)環(huán)境的算力調(diào)度，并通過網(wǎng)絡(luò)連接分布式的異構(gòu)計(jì)算資源，促進(jìn)資源的按需“流動”，保障未來網(wǎng)絡(luò)中AI等計(jì)算類服務(wù)的QoS。例如，實(shí)時(shí)感知用戶移動性、網(wǎng)絡(luò)環(huán)境動態(tài)變化導(dǎo)致的連接所需計(jì)算資源的變化，從而實(shí)時(shí)調(diào)整計(jì)算資源；或者實(shí)時(shí)感知計(jì)算資源狀態(tài)，動態(tài)調(diào)整用戶的連接帶寬，從而持續(xù)地保證計(jì)算服務(wù)的QoS。3)提供端到端的計(jì)算會話控制。傳統(tǒng)的數(shù)據(jù)會話是點(diǎn)到點(diǎn)傳輸，并不終結(jié)在網(wǎng)絡(luò)內(nèi)；而計(jì)算數(shù)據(jù)涉及在多終端與網(wǎng)絡(luò)內(nèi)的多計(jì)算節(jié)點(diǎn)之間多點(diǎn)到多點(diǎn)的傳輸，由此需要新的計(jì)算會話控制機(jī)制和計(jì)算數(shù)據(jù)高效傳輸協(xié)議，并需要同時(shí)考慮無線連接、算力分布、移動性和AI等計(jì)算服務(wù)的影響。圖6通算一體網(wǎng)絡(luò)架構(gòu)2.8問題八：多智能體的任務(wù)協(xié)同和性能優(yōu)化理論在未來通算一體網(wǎng)絡(luò)中，網(wǎng)元(終端、基站、核心網(wǎng)等)將不斷向智能化方向演進(jìn)，成為智能網(wǎng)元，這些智能體通過網(wǎng)絡(luò)內(nèi)生的協(xié)同機(jī)制，實(shí)現(xiàn)網(wǎng)絡(luò)的智能化自治運(yùn)行和對外的智能服務(wù)供給。多智能體之間的協(xié)同既可針對單一任務(wù)進(jìn)行，也可針對多任務(wù)進(jìn)行，其內(nèi)涵包括任務(wù)的分解與組合、目標(biāo)的分析與建模、模型的訓(xùn)練與推理、參數(shù)的迭代與共享等；同時(shí)，面向物理世界特定的任務(wù)，進(jìn)行通算融合的資源調(diào)度與性能優(yōu)化，保證任務(wù)執(zhí)行的可靠性。多智能體之間的任務(wù)協(xié)同和性能優(yōu)化，主要存在如下兩種形式：1)資源的共享：由于單智能體本身的資源(例如：帶寬、算力、存儲、功率)嚴(yán)格受限，當(dāng)面對一些較復(fù)雜的計(jì)算任務(wù)時(shí)，就需要依賴于資源共享機(jī)制，將計(jì)算任務(wù)分配給鄰域網(wǎng)元節(jié)點(diǎn)進(jìn)行資源眾籌，實(shí)現(xiàn)通信、計(jì)算、存儲資源的靈活調(diào)配，通過多維度資源的協(xié)同來執(zhí)行復(fù)雜計(jì)算任務(wù)和滿足QoS需求。2)智能的互通：單智能體受限于在網(wǎng)絡(luò)中的角色、位置等，能夠獲得的數(shù)據(jù)量有限，數(shù)據(jù)多樣性不足，并且其自身的模型算法也不夠豐富，這會造成兩個(gè)方面的問題，一是基于單智能體學(xué)習(xí)得到的AI模型性能有限，且泛化能力不強(qiáng)(例如：無線網(wǎng)絡(luò)的性能高度依賴于部署場景、信道特征、地形地貌等因素，網(wǎng)元基于部分場景獲取數(shù)據(jù)訓(xùn)練的AI模型在用于新場景時(shí)，時(shí)常表現(xiàn)不佳)，二是每個(gè)智能體的學(xué)習(xí)和訓(xùn)練都需要“從零做起”，無法利用其他智能體的經(jīng)驗(yàn)優(yōu)化自身的模型性能，效率較為低下。為了解決上述問題，需要建立多智能體的協(xié)同機(jī)制，通過協(xié)作交互AI相關(guān)的信息，實(shí)現(xiàn)智能在網(wǎng)絡(luò)內(nèi)的流動，提升各網(wǎng)元及網(wǎng)絡(luò)平臺的智能水平。圖7從面向連接的協(xié)作到面向AI的協(xié)作傳統(tǒng)的移動通信網(wǎng)絡(luò)中也存在協(xié)作機(jī)制(例如CoMP)，但均屬于面向連接的協(xié)作，其顯著特征是：協(xié)作范圍小、交互數(shù)據(jù)量少、且協(xié)作僅局限于同層級網(wǎng)元之間(例如多個(gè)基站之間，如圖7左側(cè)所示)。而對于通算一體網(wǎng)絡(luò)中面向AI的多智能體協(xié)同場景，存在協(xié)作規(guī)模大、交互數(shù)據(jù)量大、協(xié)作開銷大等特點(diǎn)，且存在橫縱向多級協(xié)作的可能性(如圖7右側(cè)所示)，因此無法簡單沿用現(xiàn)有的協(xié)作機(jī)制和技術(shù)，需要解決空間時(shí)間維度協(xié)作對象的選擇、協(xié)作信息的挖掘和提取、協(xié)作模式和機(jī)制(包括但不限于：集中式還是分布式、協(xié)作周期、同步機(jī)制的設(shè)計(jì))等問題，并且有效地管控協(xié)作開銷。2.9問題九：通信與計(jì)算的資源置換機(jī)理和聯(lián)合編排方法未來通算一體網(wǎng)絡(luò)的計(jì)算資源、通信資源以及所承載智能計(jì)算任務(wù)都是分布式、異構(gòu)和動態(tài)的。由此帶來如下幾個(gè)方面的挑戰(zhàn)[11]-[12]：1)在分布式場景中，由于單獨(dú)個(gè)體的計(jì)算資源有限，而智能計(jì)算任務(wù)對計(jì)算資源又存在較大需求，因此智能計(jì)算需要并行化。在智能業(yè)務(wù)并行計(jì)算的過程中，當(dāng)優(yōu)化目標(biāo)為最小化完成智能任務(wù)所須計(jì)算時(shí)長的時(shí)候，有可能會遇到計(jì)算能力合適的資源節(jié)點(diǎn)由于環(huán)境影響而導(dǎo)致傳輸資源受限的情況；類似的，當(dāng)優(yōu)化目標(biāo)為最小化完成智能任務(wù)所須計(jì)算能耗的時(shí)候，可能會遇到計(jì)算能效比高的資源節(jié)點(diǎn)傳輸能效比較低的情況。為了解決這些問題，需要研究通信與計(jì)算的資源置換機(jī)理，在任務(wù)分解、卸載、調(diào)度的過程中考慮通信和計(jì)算資源的聯(lián)合優(yōu)化。2)為應(yīng)對計(jì)算資源、通信資源以及所承載的智能計(jì)算任務(wù)的異構(gòu)性，應(yīng)當(dāng)探索任務(wù)和通算資源的匹配機(jī)理，設(shè)計(jì)與可用資源適配的任務(wù)分解卸載處理方法，如圖8所示。具體地講，需要考慮如下需求：通過抽象，把異構(gòu)的信息相對統(tǒng)一到共同的框架內(nèi)，例如：針對某個(gè)計(jì)算任務(wù)，需要建立CPU處理效率和GPU或者其他加速器處理效率之間大致的相對比率關(guān)系；預(yù)測某個(gè)計(jì)算任務(wù)在某個(gè)處理器上的處理時(shí)長范圍，使得編排調(diào)度有足夠的信息來滿足智能計(jì)算任務(wù)的性能要求。同時(shí)，編排調(diào)度的結(jié)果需要執(zhí)行層面配合，即調(diào)度的計(jì)算任務(wù)總能夠基于當(dāng)?shù)氐漠悩?gòu)計(jì)算傳輸資源得到高效處理。3)通算一體網(wǎng)絡(luò)中充滿著動態(tài)性，例如：計(jì)算資源的動態(tài)性(終端設(shè)備的自主性，設(shè)備的電量波動等)、通信資源的動態(tài)性(網(wǎng)絡(luò)擁塞，時(shí)變信道引入的隨機(jī)衰落，上下行帶寬變化，移動終端切換接入站點(diǎn)等)、智能計(jì)算任務(wù)的動態(tài)性(智能計(jì)算任務(wù)到達(dá)的時(shí)間空間隨機(jī)性，以及每個(gè)任務(wù)本身的復(fù)雜度等)。調(diào)度算法以及計(jì)算架構(gòu)需要具有應(yīng)對這些動態(tài)性的能力，比如多層次的狀態(tài)感知和決策，對決策的及時(shí)調(diào)整，高維調(diào)度決策空間等。為此，需要提出基于多域特征動態(tài)感知的云管端多層次通算資源協(xié)同理論，建立兼顧性能與開銷的多目標(biāo)實(shí)時(shí)聯(lián)合優(yōu)化機(jī)制。圖8通算聯(lián)合編排與調(diào)度此外，網(wǎng)絡(luò)的計(jì)算和通信資源還有大規(guī)模、廣分布的特點(diǎn)，編排調(diào)度本身也有分布式的需求，各個(gè)分布式的編排調(diào)度實(shí)體間如何進(jìn)行協(xié)同合作，也是本領(lǐng)域需要研究解決的問題。2.10問題十：通算融合架構(gòu)下的數(shù)據(jù)安全和隱私保護(hù)通算一體化加速了數(shù)據(jù)的生成、處理與交換，同時(shí)也使數(shù)據(jù)的安全與隱私更易受到威脅。在通算融合的環(huán)境下，網(wǎng)絡(luò)中的任何網(wǎng)元都有可能成為算力的提供方，從而能夠訪問用戶數(shù)據(jù)，這將會帶來數(shù)據(jù)安全和隱私泄露的問題。為了解決這一問題，需要研究隱私增強(qiáng)計(jì)算的理論與方法，借助多方安全計(jì)算、同態(tài)加密、差分隱私等技術(shù)，在不泄露敏感數(shù)據(jù)的前提下，對數(shù)據(jù)進(jìn)行分析計(jì)算，實(shí)現(xiàn)數(shù)據(jù)對算力提供方的“可用不可見”[13]。除了考慮算力開放所帶來的隱私問題之外，還需要考慮空口開放所引入的安全問題。傳統(tǒng)的計(jì)算是在封閉環(huán)境下進(jìn)行的，也就是說，計(jì)算任務(wù)的執(zhí)行發(fā)生在一個(gè)集中式的計(jì)算設(shè)備、計(jì)算集群，或者通過有線網(wǎng)絡(luò)連接的分布式計(jì)算系統(tǒng)中。伴隨著通信和計(jì)算的一體融合，計(jì)算將在一個(gè)開放的環(huán)境下完成，無線信道的廣播特性會導(dǎo)致節(jié)點(diǎn)間交互的數(shù)據(jù)可能被竊聽甚至惡意篡改，這不僅會導(dǎo)致用戶隱私的暴露，還會造成計(jì)算結(jié)果的不可信。高層密碼學(xué)技術(shù)雖然是實(shí)現(xiàn)傳輸安全的一種經(jīng)典方案，但其并不完全適用于通算一體網(wǎng)絡(luò)，核心原因有兩個(gè)方面：第一，通算一體網(wǎng)絡(luò)中，通信的目的可能并不是無誤地恢復(fù)原始比特流，而是使信宿高效且準(zhǔn)確地計(jì)算出某個(gè)目標(biāo)函數(shù)(該目標(biāo)函數(shù)值可能代表某種決策)，這意味著對每個(gè)信息比特進(jìn)行加密的經(jīng)典做法可能是不必要的。第二，通算一體網(wǎng)絡(luò)中，智能體之間交互的可能是原始數(shù)據(jù)，也可能是模型參數(shù)或中間計(jì)算結(jié)果，不同類型的數(shù)據(jù)發(fā)生泄露或者被篡改所造成的后果可能差別迥異，因此，在設(shè)計(jì)安全增強(qiáng)方案時(shí)，不應(yīng)當(dāng)對所有待傳輸?shù)男盘枴耙灰曂省?，而?yīng)當(dāng)考慮數(shù)據(jù)屬性的不同進(jìn)行差異化的按需防護(hù)，建立針對數(shù)據(jù)資產(chǎn)的安全保障體系。3.總結(jié)與展望1948年，香農(nóng)發(fā)表《通信的數(shù)學(xué)理論》，信息論由此創(chuàng)立。在香農(nóng)信息論的指引下，通信技術(shù)蓬勃發(fā)展，無線系統(tǒng)快速演進(jìn)，從僅能支持模擬話音通信的1G系統(tǒng)發(fā)展成為可支持人機(jī)物共生互聯(lián)的5G系統(tǒng)。但在無線通信的發(fā)展歷程中，通信與計(jì)算始終相對獨(dú)立和割裂。展望未來，通信與計(jì)算將深度融合并走向一體化，從而使通信網(wǎng)絡(luò)演進(jìn)為能夠同時(shí)提供連接和計(jì)算的雙服務(wù)基礎(chǔ)設(shè)施。通算一體呼喚基礎(chǔ)數(shù)學(xué)、信息論、編碼理論、空口技術(shù)、網(wǎng)絡(luò)架構(gòu)、計(jì)算理論與技術(shù)、信息安全等多個(gè)領(lǐng)域的理論創(chuàng)新和交叉碰撞。本白皮書提出通算一體網(wǎng)絡(luò)在理論基礎(chǔ)、架構(gòu)協(xié)議、算法機(jī)制等層面的十大基礎(chǔ)問題，以期引發(fā)學(xué)術(shù)界和產(chǎn)業(yè)界的思考，推動通算一體理論和技術(shù)的創(chuàng)新，形成業(yè)界共識。文獻(xiàn)[1]徐宗本，人工智能的10個(gè)重大數(shù)理基礎(chǔ)問題，中國科學(xué)：信息科學(xué)，第51卷,第12期,1967-1978,2021年12月.[2]R.Appuswamy,M.Franceschetti,N.Karamchandani,andK.Zeger,“Networkcodingforcomputing:Cut-setbounds,”IEEETransactionsonInformationTheory,vol.57,nopp30,Feb.2011.[3]X.Guang,R.W.Yeung,S.Yang,andC.Li,“Improvedupperboundonthenetworkfunctioncomputingcapacity,”IEEETransactionsonInformationTheory,vol.65,no.6,pp.3790-3811,Jun.2019.[4]C.D.Schuman,S.R.Kulkarni,M.Parsa,J.P.Mitchell,P.Date,andB.Kay,“Opportunitiesforneuromorphiccomputingalgorithmsandapplications,”NatureComputationalScience,vol.2,pp.10-19,Jan.2022.[5]Q.Zeng,J.Liu,J.Lan,Y.Gong,Z.Wang,Y.Li,andK.Huang,"Realizingultra-fastandenergy-efficientbasebandprocessingusinganalogueresistiveswitchingmemory,"/abs/2205.03561,May2022.[6]L.Sun,Y.Wang,A.LeeSwindlehurst,andX.Tang,“Generative-adversarial-networkenabledsignaldetectionforcommunicationsystemswithunknownchannelmodels,”IEEEJournalonSelectedAreasinCommunications,vol.39,no.1,pp.47-60,Jan.2021.[7]S.Dorner,S.Cammerer,J.Hoydis,andS.tenBrink,“Deeplearning-basedcommunicationovertheair,”IEEEJournalofSelectedTopicsinSignalProcessing,vol.12,no.1,pp.132-143,Feb.2018.[8]6GANA，6G網(wǎng)絡(luò)內(nèi)生AI網(wǎng)絡(luò)架構(gòu)十問白皮書，2022年6月.[9]吳建軍，鄧娟，彭程暉，等，任務(wù)為中心的6G網(wǎng)絡(luò)AI架構(gòu)，無線電通信技術(shù)，第48卷，[10]彭程暉，鄧娟，吳建軍，等，6G通算融合網(wǎng)絡(luò)架構(gòu)，無線電通信技術(shù)，第48卷，第4期，583-591，2022年7月.[11]Y.Yang,M.Ma,H.Wu,Q.