原文：
一些摘录：
算网一体阶段,构建形成一体化的新型信息基础设施,实现新型生产要素的全国统筹调度。
tell story 的时候可以讲，新一代基础设施啦，统筹调度啦。
元国军等人从网络拓扑层面出发,通过引入光波长选择开关技术,使得底层网络结构能够支持物理拓扑重构,同时,提出了一种能够最大化利用剩余波长资源的拓扑重构配置算法,提高了网络资源利用率与系统灵活性。
这个研究还挺有趣的
当前任务映射研究中考虑的场景主要为传统广域网、云计算或者边缘计算场景,以满足带宽、实验、服务质量、功耗、负载等要求为目标,对算力、I/O设备、存储等资源进行调度。
然而,现有方法未充分挖掘算力、算法与数据间的耦合关系,导致任务映射策略难以通过三者联动进一步优化,制约了用户实际需求的精准满足。算力网络的任务映射研究应当通过将算法与数据纳入任务调度的范畴,在用户需求的多样性能够得到进一步提升的同时,更好地应对复杂的网络环境并保证服务质量。
当前：主要是算力（CPU/GPU等）、I/O设备（网络接口等）、存储资源（内存/磁盘）。关注的是物理或虚拟资源的分配。
但是算力、算法、数据三者之间是紧密联系的。接收一个任务进行mapping，要考虑这个任务本身的性质（算法+数据）。所以有人做“意图网络”。
将算法（任务本身的计算逻辑/模型）和数据（任务处理的对象及其位置） 也纳入任务调度/映射的决策范畴。不再只盯着“资源”，还要看“要做什么（算法）”和“做的东西在哪（数据）”。
通过对海量网络资源进行深度挖掘和精准分析,构建资源需求图,配置基础设施节点和链路以满足业务需求,为优化决策提供有力支持。
本文解决的问题：在InP的角度，看到了MNO与SP之间的SLA，怎样分配资源来满足。
┌──────────────────────────────────────────────────┐
│ InP（基础设施提供商）：基站、光纤、数据中心的拥有者 │
└──────────────────────────────────────────────────┘
↓ 租用资源 ↓
┌────────────────────────────────────────────────────┐
│ MNO（移动网络运营商）：从InP租用资源，创建管理网络切片 │
└────────────────────────────────────────────────────┘
↕ 签订SLA ↕
┌───────────────────────────────────────────────────┐
│ SP（服务提供商）：面向最终用户，如提供视频会议服务 │
└───────────────────────────────────────────────────┘
留存：一作有主页记录网络研究相关的会议/期刊/工具。
关键词的规范：
任务匹配 -> 任务映射（mapping）