普林斯顿大学Michael Henry Strater讲席教授，美国科学院、工程院院士，中科院外籍院士。主要研究方向为信息论、机器学习和网络科学，及其在无线网络、能源系统及相关领域中的应用。

引言

近日，清华大学长聘教授陈巍和普林斯顿大学Michael Henry Strater讲席教授H. Vincent Poor联合撰文，对无线缓存的理论与关键技术前沿进行了综述，文章探讨了无线缓存与传输、定价、推荐、压缩和计算单元等的交互作用机理，阐明了其为无线接入网带来的“超越比特管道”潜力，展望了未来通信网走向多领域融合发展的新形态。

随着各类无线应用的大量涌现，人类对无线接入网的能力需求不断提升。而当先进传输技术不断逼近香农理论界，传统接入体制就不可避免地走向以规模、资源换发展的增长模式。另一方面，由于频谱资源的分配殆尽、“双碳”目标下对能耗的严格限制等，迫切需要支持无线接入网可持续发展的新思路。近期研究发现，缓存技术虽然发源于计算机领域，但与无线通信有许多天然的契合点——无线通信的组播特性、时变特性和用户移动性，都为缓存的深度应用提供了潜在机遇。为充分挖掘无线缓存的潜在增益，仅讨论“存，还是不存”是不够的，需要进一步思考“什么时候存”，“缓存代价是什么”，“为什么要缓存”，以及“是否保持缓存透明性”等新问题，本文即尝试回答上述问题。

无线缓存的增益、代价和前提

本文从时域观点讨论无线缓存的增益、代价和前提，从时域角度理解缓存增益的统一框架如图1所示。在通信传输中，存在大量以时间换效率的技术，但是它们都会增加通信的延时，特别是为等待接入机会、收割能量和相同内容需求而导致的随机延时。因此，这类“以时间换效率”的方法，其应用受到了服务质量中延时需求的限制。

图1. 从时域角度理解缓存增益的统一框架。

无线缓存恰能很好解决这一问题，它通过AI和大数据预测用户未来需求，在用户提出请求前发起内容推送，从而在不影响用户延时体验的情况下，显著提升传输的可用时间。换言之，无线缓存发掘了用户发起请求之前的“负时间轴”上的高效传输机会，在提升资源效率的同时让用户感受到“虚拟实时”的服务体验。

从经济学视角看待缓存的意愿

无线缓存的应用前景，取决于频谱拥有者、运营商和用户对该技术的偏爱程度。本文介绍了一种分层计费机制，允许虚拟运营商从网络购买带宽，以灵活的方式服务用户。用于缓存授权RAN的分层定价基础设施如图2所示。用户按照实际读取的信息量，向虚拟运营商付通信服务费。由于推送的带宽成本低于实时传输，因此虚拟运营商有动力提升缓存服务的占比，而用户也可以利用虚拟运营商的竞争而享受更低的通信资费。

图2. 用于缓存授权RAN的分层定价基础设施。

让主动服务更主动的推荐系统

缓存和推荐系统间有微妙的内在联系，引入推荐系统可进一步提升缓存的主动性。通信、缓存和推荐的协同，进一步拓展了跨层设计的概念范畴。这种转换体系结构激发了对图3中有效通信的重新思考。经典通信关注传输可靠性，即信息的对与错，依靠差错控制提升可靠性；无线缓存关注信息的有用性，即用户是否感兴趣，依靠推荐系统提升有用性。传输正确且用户感兴趣的信息，才构成通信中的有效信息，需要在确保缓存“透明性”的同时，尽量提升推荐与纠错的综合效能。

图3. 有效沟通：可靠性与实用性。

边缘二次压缩与边缘主动计算

缓存赋能网络借助AI和大数据对用户进行分析、学习，从而拓展了应用层优化的空间，边缘压缩和主动计算就是两个潜在方向。用户对边缘缓存中内容的偏好差异，导致了读取符号流的统计特性不同于边缘缓存，因此存在进一步压缩的空间，如图4所示。这种以用户为中心的二次压缩，展示了将AI和应用层模块压向边缘设备的潜在增益。在边缘计算中，可借鉴缓存的思想，对用户未来请求的计算任务进行预测和预先执行，即主动计算。此时，缓存赋能网络中推送的信息，可为主动计算提供数据支撑，降低边缘设备的峰值计算压力。

图4. 支持缓存的RAN中具有用户偏好意识的边缘压缩。

结论

缓存赋能思路为无线接入网的可持续发展提供了一种新途径。本文通过综述缓存增益的获取途径与代价、缓存服务的定价机理、推送与推荐的协同模式，以及面向缓存的边缘压缩、主动计算等，展示了无线缓存对接入网的潜在影响。缓存的引入，不仅将通信、AI乃至人类行为分析等联系起来，衍生出一系列多学科交叉问题，也将深刻地改变未来网络的形态，使之超越单纯的“比特管道”。