Page 18 - 网络电信2024年9月刊

表3 分地区算力密集度 从第一类算力节点内部看，京津冀节点北京、天津的算力
密集度更高，需就近向张家口等地疏解实时算力。同理，上海
的实时算力需向算力密集度较低的芜湖等地进行疏解。

由表3可知，华北地区是我国算力最为密集的地区，密集度远高于 3 第一类枢纽节点省份流量流向现状分析
全国平均值；华东地区的算力密集度与全国平均水平接近；其他地区
的算力密集度均低于全国平均值，华中地区最低。 在实时算力、非实时算力合理分布的基础上，还需要实时
算力的合理调度、就近服务，尽可能减少业务流量无效绕转，
2.4 “东数西算”枢纽节点算力密集度 才能实现用户感知的稳定提升和网络资源的高效利用。
统计8个“东数西算”枢纽节点所涉及省份的算力密集度，统计范
围及结果如表4所示。 第一类枢纽节点及周边区域作为人口、经济、用户、流量
的聚集地，其用户流量是否由区域内部算力服务和就近服务的
表4 枢纽节点涉及省算力密集度 流量比例大小，可显著影响骨干网资源的利用率，并一定程度
影响用户业务体验。以中国联通为例，对于4个“东数西算”
第一类枢纽节点，以每个节点所涉及省份作为一个区域，分别
统计区域内骨干网、城域网以及直连骨干网的数据中心（简称
“直连数据中心”）之间的链路连接和流量，观测流量流向现
状的特征和合理性。基于统计数据的网络拓扑及流量如图1、图
2、图3和图4所示，其中箭头线条的宽度代表流量大小。

图1 京津冀网络拓扑及流量流向示意

由表4可知，在4个第一类枢纽节点中，京津冀节点现有 图2 长三角网络拓扑及流量流向示意
算力密集度远高于全国平均水平，也是全国算力密集度最高的 观察图1、图2、图3和图4可知，同一枢纽节点涉及的各
区；长三角节点的算力密集度略高于全国平均水平；大湾区节
点算力密集度略低于全国平均水平，成渝节点的算力密集度较
低。在4个第二类枢纽节点中，内蒙古节点现有算力密集度远高
于全国平均水平；贵州节点、宁夏节点的算力密集度略低于全
国平均水平，甘肃节点的算力密集度较低。

2.5 算力密集度特征分析
综合以上数据可知，考虑用户规模后，我国算力分布的现
状仍呈现地区间、省间严重不平衡的特点。数据中心资源向北
京、天津、上海、河北等少数省份高度集中，这些地区的资源
密集度远远超过大部分省份。
从全国角度看，北京、天津、河北、上海等地区资源过
于密集，带来较高的用能成本和碳排放，需积极向第二类枢纽
节点疏解非实时算力需求。在承接算力转移到第二类枢纽节点
时，内蒙古由于与京津距离较近，已有较高的算力密集度，可
直接承接第一类枢纽节点的算力转移，而其他节点，尤其已有
算力资源基础较弱的甘肃节点，还需进一步增加算力资源供给。

网络电信 二零二四年十月 15