第375章 咔嚓咔嚓地合上（2 / 2）

  网络中的数据包在路由器之间看起来是在隨机排队，但是如果把整个网络的拓扑结构嵌入一个底流形，给每个节点的队列状態定义一个局部能量，那么数据包在网络中的最优转发路径，就是这个底流形上连接源节点和目的节点的一条极小能量轨跡。
  传统的路由协议，不管是ospf的最短路径优先还是bgp的路径向量算法，本质上都是基於图论的离散优化，最优路径依赖於人为定义的链路权重，但是如果改用和乐框架，最优路径就不再依赖於任何人为设定的权重了，而是会直接从网络的全局几何结构中涌现出来。
  这还不是最有趣的。
  最有趣的是，如果把网络拓扑底流形上的每个节点的队列状態、链路容量、信號衰减这些物理量，统一编码成一个纤维丛的联络形式，那么信道的物理特性就不再是信息传输的障碍，而会变成纤维丛本身的几何约束。
  在传统的香农框架下，信道噪声是敌人，是限制容量的因素，但在和乐框架下，信道噪声本身就是约束条件的一部分，它规定了纤维丛的曲率。
  而极小能量轨跡，恰恰是在给定曲率约束下寻找最优路径的天然工具。
  这意味著，从这个方向出发，根本不需要去对抗噪声，而是直接把噪声变成了道路的一部分。
  这个视角一旦打开，肖宿脑子里那些之前散落的知识碎片就开始自动拼接起来了。
  香农的信道容量定理给出了理论上界，但是那个上界是在不考虑网络拓扑动態变化的前提下成立的。
  实际网络中的延迟，大部分根本不是物理信道本身造成的，而是因为路由层面的排队和拥塞。
  如果把路由问题用和乐框架重新求解，传统路由器几十毫秒的转发延迟可以被压缩到接近物理层传输延迟的极限，也就是光在光纤中跑完那段距离所需要的时间。
  再往下推一步，如果把这个新的网络协议栈和极昼一號的多模態感知系统做联合优化，把云端推理的部分计算下沉到网络边缘，用基於和乐约束的动態路由算法在端侧设备和边缘计算节点之间建立一条极低延迟的逻辑专线，那机器人做动作的时候就不再需要等几百毫秒去问云端，而是几乎实时的。
  延迟问题从根上解决，端侧就能承担更多实时推理任务了，对云端的依赖减少了，网络负载也会隨之下降，整个系统的鲁棒性就能进一步提升了。
  脑子里那片散落的拼图，咔嚓咔嚓地一块块合上了。 ↑返回顶部↑