智慧广电家庭服务算力评估模型和实现路径

傅丹妮，孙 昊，刘 越，陈 靓

（1.华数数字电视传媒集团有限公司，浙江 杭州 310056；2.浙江传媒学院，浙江 杭州 310018；3.浙江省中波发射管理中心，浙江 杭州 310061）

0 引 言

随着数字化和智能化的进展，智慧广电服务迅速兴起，取代传统有线电视。广播电视企业扩展至互联网电视、视频点播及智能设备等领域，提供多样化娱乐体验并创造商机。然而，广电市场正经历巨大变革，传统有线电视用户数量下降，与此同时，互联网电视用户数量持续增长。广播电视企业必须快速转型，提高竞争力，以抓住市场机遇。本文将分析广电家庭用户流失问题，重点关注智慧广电服务场景和市场趋势，聚焦分析算力不足等问题，并从技术层面提出解决方案。

1 研究背景

1.1 智慧广电服务场景

数字化和智能化的广电场景包括互联网电视、视频点播、智能电视盒子及移动电视等，推动了智慧广电服务的拓展。这些服务提供了便捷多样的娱乐体验，为广电企业创造了商机。智能电视盒子融合了互联网和电视，用户可以访问在线视频平台，享受高清观影。移动电视满足了用户的随身观看需求。智慧广电服务还包括智能家居控制和智能广告投放，改善用户在家的体验并提升广告效果。内容推荐和个性化定制服务通过算法模型满足用户需求，提供更便捷的方式，使用户更轻松地发现他们感兴趣的节目和信息。

1.2 广电市场变化趋势

随着互联网的崛起，广电市场正在发生巨大变革。有线电视用户逐渐减少，与此相反，互联网电视用户持续增加。究其原因，主要是传统电视无法满足多元化、高质量的内容需求。互联网电视与各类内容提供商合作，提供大量电影、剧集及综艺等内容，鼓励原创内容制作，增强了互动性，用户能够评论、分享、制作内容，增加了参与感。此外，互联网电视的便捷性提高了观影自由度，吸引用户通过各种设备随时随地观看内容。

互联网电视的崛起，对传统有线电视构成了挑战。对此，广电企业应升级网络，改善用户体验，解决算力不足问题。传统有线电视虽仍主导市场，但需广泛推广新兴产品，而提升算力是保持竞争力和留存用户的关键所在。

1.3 国内算力研究现状

2021 年，工业和信息化部和国家互联网信息办公室发布新基建政策，涵盖信息基础建设、融合基础设施和创新基础设施。在信息基础设施中，算力基础设施如数据中心和智能计算中心备受瞩目。国内学者正在积极研究算力概念和技术，侧重于算力系统的构建。史庭祥[1]等人通过搭建基础设施即服务（Infrastructure as a Service，IaaS）和平台即服务（Platform as a Service，PaaS）统一资源池实现算力供给新模式。贾庆民[2]等提出了分布式网络构建、节点状态感知和计算任务调度机制来实现算力网络的框架构建。唐雄燕[3]等人提出了算力服务原生技术体系，通过算力服务原生体系原型部署以及业务验证，实现“代码即服务”“算力即服务”的目标。张慷[4]等人初步研究了感知用户需求和全网的算力网络资源、编排和路由策略。这些研究表明，构建可靠、健壮的算力系统，将是提升算力的关键所在。

2 算力评估基本方法

本章主要介绍当前主要的算力分类以及未来算力种类的发展趋势、算力的评估方法以及广电家庭服务算力需求统计分析方案。

2.1 算力分类及发展趋势

算力的分类主要包括通用算力、智能算力、超级计算（以下简称超算）算力以及边缘算力4 部分。通用算力由中央处理器（Central Processing Unit，CPU）提供，智能算力则包括图形处理器（Graphics Processing Unit，GPU）、现场可编程逻辑门阵列（Field Programmable Gate Array，FPGA）以及人工智能（Artificial Intelligence，AI）芯片等，超算算力专注于超级计算任务，边缘算力为用户提供即时计算能力，是其他3 种计算形态的综合。下面分别简要介绍每一种算力种类的概念。

2.1.1 通用算力

通用算力以CPU 为主。CPU 内嵌指令集用于指导和优化计算。CPU 分为x86 和非x86 架构，包括x86、ARM、MIPS、Power、RISC-V、Alpha 等不同类型。通用算力的发展靠硬件技术、芯片体系结构及集群服务器来提高计算性能。

2.1.2 智能算力

智能算力主要以GPU、FPGA 及AI 芯片等为代表，主要芯片类型如表1 所示。

智能算力领域的发展呈现多方面趋势，如边缘计算、深度学习及量子计算等。这将引领技术创新，提高设备自主决策能力，拓展智能应用领域。与此同时，一些前沿概念如联邦学习、隐私保护及强化学习等也将推动智能算力的创新。跨领域交叉创新有望解决重大挑战，推动技术和社会共同进步。

2.1.3 超算算力

超级计算是一种利用多台计算机系统的集中式计算资源，通过专用操作系统来解决极端复杂或数据密集问题的计算科学。超级计算通常采用大型、高速、昂贵的计算机，被广泛用于尖端科研、国防军工等大规模科学和工程项目，不仅是国家科研实力的代表，也是综合国力的象征。

超级计算机的重要发展趋势包括提高计算性能，增加核心数量和异构计算来增速，以及探索量子和混合计算模型。此外，还将重点关注能效和散热管理，尝试云超算和分布式模式，以灵活利用资源。数据驱动和领域特定应用与超算相结合，将会推动科学和工程创新。

2.1.4 边缘算力

作为一种新型服务模型，边缘计算在网络边缘执行数据或任务，适用于实时应用。它结合了边缘智能和人工智能，促进智能数据处理和实时分析。将其与云计算融合，可支持多领域应用，但需重视安全和隐私，并管理维护边缘设备。可见，边缘计算正推动着计算模型的进一步演进，支持实时性、智能化和多领域应用。

综上，通用算力与硬件和体系结构密切相关，智能算力（包括GPU、FPGA、AI 芯片）主导多个领域的发展，超算算力（即超级计算机）专注于数据应用和高性能要求的计算，边缘算力（包括边缘计算、5G、智能化、云计算）支持实时性和创新。这些分类展示了算力领域多样化的趋势，驱动着科技领域的不断进步。

2.2 算力评估方法

对于不同的算力类型，应选择适当的评估方法。如通用算力，可用每秒浮点运算次数（Floating-point Operations Per Second，FLOPS）、每秒进行读写操作的次数（Input/Output operations Per Second，IOPS）及内存带宽等指标评估，实际运用中通常以数据中心或地区为单位比较。《中国算力发展指数白皮书（2022 年）》拓展了数据中心算力的内涵，结合综合概念和统计学方法构建了包括通用算力、智能算力、数据中心算效、网络算力及存储系统算力的五力模型。本文借鉴算力五力模型，提出了基于哈夫曼树的算力评估方法。本节先介绍相关定义，再阐述基于哈夫曼树的算力评估方法，最后给出评估方法的应用过程和结果。

2.2.1 相关定义

2.2.1.1 哈夫曼树

在“树”这种数据结构中，树中结点被赋予一个有意义的数值，称为该结点的权。从树的根到任意结点的长度（经过的边数）与该结点上权值的乘积，称为该结点的带权路径长度。树中所有叶子结点的带权路径长度之和称为该树的带权路径长度（Weighted Path Length，WPL），记为

式中：wi是第i个叶结点所带的权值，li是该叶结点到根结点的路径长度。

在含有n个带权叶结点的二叉树中，带权路径长度（WPL）最小的二叉树称为哈夫曼树，也称最优二叉树。

2.2.1.2 数据中心算力衡量指标

数据中心算力由数据处理能力、数据存储能力以及数据流通能力3 项指标决定。其中，数据处理能力，在应对以大数据、人工智能为代表的新一代数字化技术产业趋势过程中，又可以区分为以CPU为代表的通用计算能力和以GPU、AI 芯片为代表的智能计算能力。前者主要用于执行一般任务，后者主要承担图形显示、大数据分析、信号处理、人工智能以及物理模拟等计算密集型任务。综上，本文选取通用算力、智能算力、数据中心算效、网络算力及存储系统算力这5 个指标进行算力评估，对应的具体衡量指标如表2 所示。

2.2.2 基于哈夫曼树的算力评估方法

基于哈夫曼树的算力评估方法的思路是：首先将每个指标经过映射分级函数得到指标分级等级，其次根据指标分级等级构造哈夫曼树，最后求得哈夫曼树的带权路径长度。哈夫曼树的带权路径长度作为一个数据中心算力的最终评估指标。

每个指标经过映射分级函数得到对应的指标分级等级，其定义为

式中：PG、PAI、BC、BN、BS分别表示通用算力、智能算力、数据中心算效、网络算力、存储系统算力；Γ、H、Θ、Φ、Ψ分别表示5 个指标对应的映射分级函数；IG、IAI、IC、IN、IS分别表示5 个指标对应的分级等级。映射分级函数的作用是根据分级表将不同单位的衡量数值转换成无量纲的等级。

然后，根据5 个指标的分级等级构造哈夫曼树。给定n个权值分别为w1,w2,…,wn的结点，构造哈夫曼树的算法如下。

（1）将这n个结点分别作为n棵仅含一个结点的二叉树，构成森林F。

（2）构造一个新结点，从F中选取两棵根结点权值最小的树作为新结点的左、右子树，并且将新结点的权值置为左、右子树上根结点的权值之和。

（3）从F中删除刚才选出的两棵树，同时将新得到的树加入F中。

（4）重复步骤（2）和步骤（3），直到F中只剩下一棵树为止。

最后，计算出的哈夫曼树带权路径就是数据中心的算力值。

2.2.3 基于哈夫曼树算力评估模型的案例分析

现给出3 个数据中心对应的5 个指标（通用算力、智能算力、算效能力、网络能力、存储能力）数据，如表3 所示。

根据专家的经验和数据分布的情况，评估步骤如下。

（1）根据数据将所选的5 个指标进行分级，结果如表4 所示。

表4 数据中心五力指标分级

（2）将表3 的数据根据表4 数据中心算力指标分级表进行定级，结果如表5 所示。

表5 数据中心算力指标定级结果

（3）根据定级构造哈夫曼树，如图1～图3所示。求得哈夫曼树的带权路径长度，可得每个数据中心的算力，结果如表6 所示。

图1 数据中心DC1 的哈夫曼树

图2 数据中心DC2 的哈夫曼树

图3 数据中心DC3 的哈夫曼树

表6 3 个数据中心的算力评估结果 单位：TELOPS

最终得出3个数据中心的算力大小关系为DC2＞DC1 ＞DC3。

2.3 广电家庭服务算力需求

分析广电家庭服务的算力需求，不仅需要综合考虑业务范围、受众及服务类型等因素，还需考虑未来业务扩展和用户增加时的算力可扩展性。下面给出统计当前算力需求的初步分析方案。

（1）业务需求分析。分析公司的业务类型和目标，确定需要提供的服务类型。

（2）应用场景。确定每种应用场景所需要的算力，考虑算法复杂度、计算量以及并发用户数量等因素。

（3）用户量估计。估计每种服务的预期用户数量，根据公司的市场调研、用户需求等来预测潜在用户量。

（4）数据处理量。考虑每种服务需要处理的数据量，包括输入数据和输出结果，从而确定数据处理的计算需求。

（5）计算负载预测。基于应用场景和用户量，预测不同时间段（如高峰期和低谷期）内的计算负载。

（6）性能指标和需求。确定服务的性能指标，如响应时间、处理速度等，以满足用户期望。

（7）硬件和软件要求。考虑所需硬件（如服务器、GPU、FPGA）和软件（如框架、算法）来支持服务的运行。

（8）实际测试和监控。在实际部署之前，进行一些实验和模拟负载测试，以评估系统在不同负载情况下的性能表现。

（9）容量规划。根据以上信息，制定容量规划，包括所需服务器数量、配置及网络带宽等。

（10）监控和自动化。设置监控系统，跟踪算力使用情况、性能指标等，以便根据实际情况做出调整。

（11）弹性扩展方案。设计弹性扩展方案，以应对突发的高负载情况，如使用云计算的自动扩展功能。

多方面考虑算力需求，需根据实际数据进行详细建模和分析，包括共享、绿色、智能以及可信算力服务。赵倩颖[5]等总结了算力服务为满足业务需求应具备的算力服务特性。

3 广电家庭服务算力实现方式

广电家庭服务算力实现方式有云端、终端以及云终端结合3 种方式。为了给出3 种方式的实现方案，需要先对比3 种方式的区别。三者的主要区别如表7 所示。

表7 3 种算力实现方式的区别

广电服务终端算力系统侧重于终端用户体验，广电服务云端算力系统专注于后台内容处理和分发，而广电服务云终端算力系统试图在终端和云之间找到平衡，以实现更好的性能和用户体验。

3.1 云端为主

广电家庭服务主要使用云端计算，将资源集中在云端并通过网络提供给用户服务。本文参考文献[6]的分层思想，设计了云端算力系统架构。广电家庭服务云端算力系统架构如图4 所示。

图4 广电家庭服务算力系统架构

广电家庭服务的云端算力系统分为服务层、网络管理层、计算资源管理层、数据存储资源管理层以及基础设施层。

（1）服务层，提供多项服务，包括云视频、虚拟现实以及实时直播，利用推荐系统提供用户感兴趣的内容。

（2）网络管理层，负责内容传输、流媒体传输以及网络安全。使用内容分发网络（Content Delivery Network，CDN）技术提高内容传输速度，关注网络安全以减少攻击。

（3）计算资源管理层，有效管理计算资源，支持顶层服务执行，包括资源调度、分配、监控及优化等功能，使用分布式计算技术提升算力。

（4）数据存储资源管理层，组织和管理数据存储，保障数据安全和效率，包括选择存储技术、备份策略、数据安全及监控等功能。

（5）基础设施层，提供基础资源，确保系统稳定性、性能及安全性，适应不同业务需求和变化。

值得注意的是，以上架构设计为广电家庭服务云端算力系统提供基本方向，实际技术应根据业务需求和可用资源选择。

3.2 终端为主

广电家庭服务终端算力系统的核心是建立端侧算力网络系统，可以从网络和算力有效利用两个角度进行构建，主要目标是提高用户的智能化、个性化应用服务体验，设计的架构如图5 所示。

基于端侧算力网络的特性，该架构有以下4 种主要形态。

（1）时空高度动态组网，适用于移动设备，网络拓扑随设备移动而高度变化。

（2）室内泛在大连接组网，智能设备通过互联协同工作，如家庭中各种智能设备的联动。

（3）多协议动态自治组网，各种设备使用不同的通信技术，根据资源和需求进行联网和任务分配。

（4）多层次算力智能调度，不同设备层次的算力智能共享，以优化资源利用。

这些形态在端侧算力网络中实现不同用途，如提高效率、电量管理以及资源共享。

3.3 云终端融合

云终端算力系统协同工作包括云端和终端两部分的协作。云端负责内容管理、转码等，终端负责展示和请求服务。终端设备向云端发送请求，云端通过实时转码和个性化推荐提供适用的内容，终端展示内容以提供用户体验。

云终端算力系统构建需要考虑多个方面，主要分为云端部分、终端部分及用户体验3 个部分。每个部分还需要考虑细粒度的功能实现。图6 和图7分别展示了云终端系统的架构和实现结构。为了简化云终端算力系统架构图，此处云端算力系统的架构以服务器代替。

在云终端协同工作中，终端设备要求性能较低，云计算平台提供卓越的计算和资源存储功能。用户可在终端浏览内容，复杂计算则由云端执行，以获得高质量内容和个性化推荐，同时保持终端设备轻量和用户友好。

4 结 语

本文首先分析出广电家庭用户极速流失的根本原因是产品算力不足，其次讨论了目前的算力分类，包括通用、智能、超算及边缘算力，最后提出了构建云端算力系统、终端算力系统及云终端算力系统3 种方案来解决算力不足的问题。云端算力系统的核心在于结合当前流行的容器编排、云计算及分布式计算技术将计算资源抽象化、云化、分布式集中化，来达到便于管理计算资源和提升算力的目的。终端算力系统的关键在于提升与终端设备互联的硬件设备的性能和可靠性，比如，提升机顶盒性能的同时增加其可靠性。云终端算力系统的精髓在于如何使终端和云端协同工作，实现无缝切换。这需要高性能、高可靠、容错性高的硬件和软件系统来支持。

尽管本文提出的方案是雏形方案，具体可落实的方案需要根据业务需求、技术复杂度等进一步讨论，但本文为产品算力不足问题的解决提供了思考的方向，即广电家庭服务算力关注的方向应该是边缘算力和智能算力。边缘算力可通过计算机集群、容器编排技术以及分布式计算来提高，而智能算力则需要应用当前流行的AI 技术如AI 推荐系统、AI 语言模型来提升用户体验。