服务生成网络涵盖 GAI赋能意图驱动层、数字孪生网络映射层、深度全可编程网 络层。
GAI 赋能的意图驱动层基于知识图谱、强化学习、 深度学习等基础模型库进行 GAI 大模型训练，以获得大（型）语言模 型（LLM，large language model）和大（型）决策模型（LDM，large decision-making model）。
意图驱动层详细展示了基于 LLM 模型与 LDM 模型，从用户意 图输入到智能决策生成、智能网络解决方案自优化的整体流程。首先， 在用户输入自然语言意图文本后（包含用户对网络设计、规划、配置、 运维的需求），基于 LLM 模型进行 GAI 意图转译，挖掘用户的网络 可靠性需求、成本开销等意图实体内容；随后，通过用户意图输入进 行 LDM 模型训练，根据网络状态与意图反馈进行标签任务的预训练、 重训练以及微调，生成智能决策模型；最后，通过映射层闭环反馈进 行 GAI 优化以实现决策模型的意图保障与验证，如支持网络协议、 网络切片的自动设计与遥测分析等智能管控。其中，GAI 模型主要包 括语言模型 GPT-4、PaLM（Pathways Language Model）和 LLaMA（Large Language Model Meta AI）模型等。
GAI 赋能的意图驱动生成的智能方案包含三个阶段： （1）自动设计：首先，根据网络场景与用户意图设计并生成新 的网络协议。例如高并发场景下的自适应传输控制协议，大规模异构 网络场景下的自主生成网络优化方案，解决网络可扩展性问题。 （2）优化部署：基于意图需求自动生成网络部署方案，例如在 骨干网络规划时，根据当前流量矩阵和可靠性需求，给出 IP+光层拓 扑，以及所需的设备数、光纤数，并最小化设施成本开销。
（3）智能管控：GAI 感知物理网络环境，学习历史配置操作数 据，构建智能运维模型，从而在故障或告警时自动给出智能配置操作 建议，比如在网络拥塞时自动增加某链路带宽或迁移重载应用的路径。 综上，SGN 架构集合了意图驱动 GAI 智能化决策生成能力，数 字孪生网络虚实映射与配置验证特性以及可编程网络数据平面深度 可编程、灵活功能卸载等优点。意图驱动层能够基于 LLM 模型进行 预训练、适应性调整、利用和容量评估，通过对物理网络进行高效的 分析、诊断、仿真和控制及策略在线迭代，可基于 LDM 模型实现网 络的智能化决策。生成的智能决策方案可以在映射层内进行调整、优 化和验证，以此实现数字孪生网络对实际物理网络的实时控制、反馈 与优化，最终实现网络自学习、自验证、自演进的闭环。
通过深度全可编程网络技术，数字孪生网络映射层可对网络数据 平面和控制平面进行实时更新，对物理网络进行高效的操作和配置， 并基于数字孪生体，实现对物理网络的低成本试错验证[5]。数字孪生网络映射层基于 DTN（digital twin network）架构[6] 集中了服务映射模型、虚拟数字孪生网络、网络孪生体管理模块以及 共享数据仓库四个子系统。其中，虚拟数字孪生网络是基于网络层的 可编程网元基本配置、环境信息、运行状态、链路拓扑等信息，建立 的对应于物理实体网络的孪生网络体。服务映射模型根据意图驱动层 的智能方案建立数据建模实例，以最大化网络业务的敏捷性和可编程 性。数字孪生体管理负责网络孪生体的网络编排与控制以及全生命周 期管理。共享数据仓库负责存储各种测量到的网络数据，并向服务映 射模型和数字孪生网络提供数据服务。此外，映射层还通过孪生北向 接口与南向接口连接网络层与意图驱动层。
首先，服务映 射模型通过孪生北向接口收到智能网络方案后，充分利用数据仓库中 的网络数据，调用网络规划、调度、诊断、预测等各种功能模型构建 网络模型实例。在虚拟数字孪生网络中，网络模型实例通过程序驱动 在虚拟拓扑与网元中对调度优化等目标进行充分仿真验证，保障下发 物理网络网元控制指令与配置信息的有效性和可靠性。整个仿真验证 与迭代优化过程形成闭环，并可以通过服务映射模型生成意图反馈与意图驱动层互动。共享数据仓库通过孪生南向接口测量并存储网络实 体的各种配置和运行数据，形成数字孪生网络的单一事实源，为各种 服务于应用的网络模型提供准确完备的数据。网络孪生体管理子系统 完成数字孪生网络的模型、拓扑、安全和意图管理，支持孪生的网络 控制与编排，包括跨域协同、时延保障等功能。 在层间接口方面，孪生南向接口通过远程直接数据访问（RDMA， remote direct memory access）协议以实现频繁、高速的测量数据传输， 节省对 CPU 算力的消耗同时降低业务的传输时延，提高数据测量上 传和控制信息下发的效率。孪生北向接口通常采用轻量级、易扩展的 RESTful API 来实现服务映射模型与意图驱动层连接，支持映射模型 接收智能网络方案输入与抽象化意图反馈[7][8]。
服务生成网络架构的深度全可编程网络层包含了 可编程网络交换设备以及可编程网络端侧设备，这些数据平面可编程 网元共同组成了底层物理网络，并将数据分组处理逻辑与网络控制逻 辑开放给用户，以进行系统快速和可理解的重新配置的能力。其中， 可编程网络交换设备利用可编程数据交换芯片提供报文解析、处理逻 辑自定义的能力，突破转发设备功能固定的限制，配合数据平面可编 程语言可以快速地开发和部署新的网络功能，例如用户自定义转发逻 辑、灵活解析协议以及业务动态部署等功能。可编程网络端侧设备主 要通过“软件定义，硬件加速”的软硬件协作方式，将网络、存储和安全等功能从服务器 CPU 中卸载，从而为应用提供更多的处理能力 [3]，包括智能网卡（SmartNIC，smart network interface card）和数据 处理单元 (DPU，data processing unit，也称数据处理器）。其主要通过 编程转移 CPU 的大量功能，比如 OpenvSwitch、VxLAN 等，从而节 省了 CPU 资源，以支持快速联网、高效数据处理、加速数据传输。 因此，网络层具备低延时/高速率转发性能、低成本定制化可编程能力， 可实现多类基础设施操作卸载与零信任信息安全保护。
在深度全可编程网络层中，数据平面可编程语言可支持用户自定 义网络数据分组处理，包括 P4、packetC、PX、NPL（natural language processing）等语言[4]。其核心设计目标包括可重配置性，协议无关性 和平台无关性。具体功能体现在交换机的分组处理方式可修改且不受 协议限制，对于处理描述不受底层平台限制。可编程数据交换芯片的 转发逻辑取决于编译到芯片的可编程语言程序，不再固定于硬件。目 前，根据使用的芯片技术可大致分为以下几类：专用集成电路（ASIC, application specific integrated circuit）、现场可编程门阵列（FPGA, field programmable gate array）、网络处理器（NP, network processor）等。
