电信生态系统如何对可持续发展产生更有意义、更可观的影响

目前，网络消耗了全球约 3% 的电力，造成了全球约 2% 的温室气体排放。如果我们能够改变这一现状，使网络更具可持续性，将是一件极具意义的事情。而且我相信，所有电信服务提供商都希望通过提高能效来降低网络运维成本。然而，实现可持续发展目标是一个错综复杂且多层次的问题，要求整个生态系统的各方共同努力，以有效减少电信行业的碳足迹。 

许多服务提供商正在探索利用人工智能（AI）驱动的高级数据分析，以期获得更出色的成果。但是，AI 的性能优劣依赖于所输入数据的质量，而如何在传统网络、云网络及多供应商网络中收集到足够且准确的数据（如流量模式和能源消耗等信息），仍是一个有待攻克的挑战。要想通过大规模的自动化将 AI 建议转换为对网络和相关工作流的实时操控，也面临着不小的挑战。另外，AI 本身可能也是电力消耗的一个重要源头，因此我们在将 AI 用于网络功耗优化时需要非常谨慎。 

即便在今天，仍有许多可持续发展项目采用孤立实施的方法，仅聚焦于个别的网络领域或挑战，这种方法已然暴露出局限性。为了最大化能效战略的影响力，我们需要借助基于高级数据分析、人工智能和自动化的开放平台，采取一种更加全面且跨网络领域的方法。在这篇博客文章中，我想概述这种统一方法的一些构建模块，重点介绍红帽正与合作伙伴积极开展的一些联合工作。

借助开放式 5G 核心基础架构实现价值最大化并降低功耗

红帽、NEC 和英特尔携手合作，共同推出了一种开放式 5G 核心基础架构，以帮助降低与电力成本和能耗相关的运维支出。现在，借助面向 5G 核心网络的 Intel® Infrastructure Power Manager，NEC 可将红帽 OpenShift 上运行的 NEC 融合 5G 用户平面功能（UPF）的商业功耗降低 30% 以上。使用面向 5G 核心网络的 Intel® Infrastructure Power Manager 时，每个处理器核心可在正确的时间获得合适的供电，从而将排放和成本降至最低。详细了解红帽、NEC 和英特尔如何携手为 5G 网络的可持续发展和节能降耗做出贡献。

更强大的可持续呼叫处理和数据包连续性

去年，我们展示了红帽和 Arm 之间的合作，借助红帽开源技术和 Arm® 计算平台提供能效更高的 5G 和 vRAN 解决方案。

最近，我们与 NEC、Arm 和 Qualcomm Technologies, Inc. 合作，成功演示了 NEC 开放式虚拟化无线接入网络（vRAN）和 5G 核心产品在商用等效环境中的端到端运维，演示中使用了 Qualcomm® X100 5G RAN 加速器卡和基于 Arm Neverse™ 的 CPU 并运行在红帽 OpenShift 上。通过集成我们的技术，我们成功展示了可持续的呼叫处理和数据包连续性，同时增强了功耗和空间节省，并有望显著降低服务提供商 RAN 部署的总拥有成本。

利用 Kepler 和 AI 监测功耗

模型训练和推理会在容器、容器集和命名空间层面上消耗大量能源。开源项目 Kepler（即基于 Kubernetes 的高效功率级别导出器）可跨各种平台采集功耗指标，以帮助系统管理员和开发人员了解、优化和规划功耗。这项技术由红帽与 IBM 研究院携手开发，并被红帽 OpenShift 应用于功耗监测领域。它能够捕获 CPU 和图形处理单元（GPU）的能耗数据，进而提供关于训练和推理任务算力利用率模式的深刻见解，并为后续调优和优化工作提供有力依据。

Kepler 能够提供必要的数据，协助其他开源项目和技术更有效地管理能耗。例如，SusQL 是一个用于跟踪分布式环境中 AI 模型训练作业的开源项目，它使用 Kepler 指标来聚合分析分布式训练作业的功耗，将功耗方面的洞察延伸到集群层面。 

它还支持优化模型推理服务，例如红帽 OpenShift AI 上的服务。红帽 OpenShift AI 是一个 MLOps 平台，用于在 OpenShift 上构建、训练、部署和监测支持 AI 的应用。两者相结合，可通过监测功耗来推导用电模式，而且推导出的模式可与系统配置和服务置备相关联，从而推荐性能功耗比最佳的配置。通过将 Kepler 等工具集成到红帽的 AI 产品组合中，我们可以推动 AI 向更具可持续性的方向发展。

在边缘提供高能效的 AI 分析

红帽积极投身于 IOWN 全球论坛的工作，以帮助提供更为智能、前瞻且兼顾可持续性发展的解决方案。最近，红帽、NTT、富士通和英伟达联合展示了一款基于 IOWN 的高能效平台解决方案，该解决方案采用了适用于 AI 分析服务的 NTT 加速数据管道。我们将 IOWN 全光纤网络（APN）和以数据为中心的基础架构（DCI）与红帽 OpenShift 相结合来提供大规模 AI 数据分析，通过在边缘为大规模视频摄像头数据分析提供优化的 AI 推理，成功实现了功耗的大幅降低。

此次合作表明，我们可以在边缘视频 AI 分析用例中实现大幅降低功耗和保持低延迟。我们发现，即使在连接了大量摄像头时，通过 AI 聚合和分析数据所需的延迟也比使用集中式云时的延迟缩短了 60%。通过采用红帽 OpenShift 实施容器技术，NTT 能够轻松、灵活地运维 AI 分析处理。这也证明了这款解决方案的广泛适用性，不仅可用于智慧城市中的视频 AI 分析，还可应用于拥有许多分布式传感器的类似场景。

红帽、英特尔和爱立信携手降低网络功耗

红帽正与英特尔和爱立信通力协作，一同开发、集成和部署更具可持续性的云原生技术，以降低网络的能源成本和碳排放水平。在优化和降低能耗的同时保持网络性能，这需要找到一个平衡点。红帽、英特尔和爱立信最初聚焦于无线接入网络（RAN），并成功展示了使用具备 vRAN 增强功能的第四代英特尔® 至强® 可扩展处理器最多可将处理功耗节省 20%。该解决方案包含三大支柱：硬件，包括高能效服务器和加速器；软件，例如针对 RAN 分布式单元（DU）和集中式单元（CU）工作负载实时动态扩展 CPU 核心；以及自动化，即基于网络利用率和流量模式实时进行能源感知自动化。观看这一视频 ，了解红帽、英特尔和爱立信如何帮助服务提供商打造更具可持续性的云解决方案。

电信数据中心的智能扩展

红帽和 Intracom Telecom 正在开发一款解决方案来优化基于 OpenShift 的基础架构（包括本地和云端基础架构），它能够通过主动调整服务器工作负载并有策略地关闭未充分利用的服务器，在不影响工作负载性能和稳定性的前提下解决闲置功耗问题。工作节点的数量可基于对资源需求的实时预测来动态增减，以确保最佳的基础架构可扩展性和效率。该解决方案非常适合供托管有 5G 网络功能（如用户平面功能容器集、控制平面容器集）和相关服务（AI 容器集、边缘容器集）的融合电信数据中心使用，因为这些服务的流量负载会按照每天和每周的模式呈现出周期性的波动。智能扩展功能已展现出巨大潜力，能够大幅减少工作节点的平均数量，即便是电信数据中心在一天中的负载只有轻微波动时也能实现，因而能够达成重要的能源和成本节约目标。

协作可以推动可持续的创新

红帽带来了其在开发开源工具、功能和方法方面的丰富经验，使可持续发展成为云原生架构控制和管理中一个不可或缺的部分。此外，我们还将继续发扬推动更加一致和开放协作的传统，激励原始设备制造商（OEM）、独立软件供应商（ISV）、客户以及政策制定者等各方力量，共同倡导有益于整个行业的可持续发展最佳实践。数据收集和分析将是我们客户基于测量适当的指标来做出最佳决策的关键所在。红帽继续着眼于结合 AI 平台和大规模自动化来增强可观测性能力，以大规模分析数据并及时提出应采取的行动建议。通过与广大客户和合作伙伴紧密合作，我们能够在 IT、网络、边缘、核心及云环境中实现一种全面覆盖、数据驱动且高效节能的先进方法。 

如需了解更多信息，欢迎在本周巴塞罗那世界移动通信大会（MWC）期间，前往 2F30 号展位，与红帽进行现场交流。我们还将于 2 月 28 日下午 14:45 - 15:45（欧洲中部时间）在 MWC Stage B 亮相，参与关于目标驱动的可持续网络的讨论。