中国电信李俊杰：DCN高速光互联提速AI大模型训练，AI赋能光网智慧运营

9月7日消息（水易）第24届中国国际光电博览会（CIOE）如期召开，在同期举办的“算力网络与光技术发展论坛”上，中国电信光传输专业首席专家李俊杰表示，AI时代，数据中心已成为网络流量的中心，也是光网络建设的中心。

特别是随着ChatGPT的爆火，人们逐渐意识到，模型参数规模与性能提升后，AI大模型训练对于网络的需求相比于传统模型也随之产生变化。对比现在紧缺的A100和A800的性能参数，A800被限制的是互联带宽，而不是算力。

“大模型训练需要大规模集群算力的保障，网络带宽和性能限制影响集群算力的发挥。”李俊杰表示，因此在AI时代，进一步加强了对网络质量的要求，尤其是数据中心内部组网要求大规模、高带宽、低时延、零丢包。

DCN高速光互联是刚需

对于大模型的发展，国内已是“百模”大战之势。《中国人工智能大模型地图研究报告》数据显示，截至5月底，中国已经发布了79个大模型（10亿参数以上）。

“百模”大战带来了数据中心流量的进一步升级，数通光模块正逐渐实现100G-400G-800G三级跳跃。数据中心内部网络（DCN）传输距离普遍在2km以内，考虑低成本IM-DD方案；数据中心间互联（DCI）则必须使用相干（ZR/ZR+）。

在李俊杰看来，相对于数据中心互联（DCI）网络，数据中心内部（DCN）网络面临的挑战更大，但机遇也更多。目前面向DCN的400G光模块已日趋成熟，且标准完备。800G预计即将进入数通市场，相关标准仍在制定中，未正式发布，其中2km内光模块将成为DC内主流。

不过，随着速率的不断提升，功耗和200Gb/s+ CEI电接口成为瓶颈。在主流设备商、互联网厂商、光模块厂商的推动下，CPO光电合封技术成为热点， OIF等标准化组织也在积极推进CPO光模块技术标准。

李俊杰指出，CPO能够显著降低功耗，降低电信号传输距离，提供信号质量；与可插拔相比，提高ASIC-光模块互联密度，高集成，节省空间。不过CPO相对依赖硅光子技术才能做到小型化高集成，需要借助硅光的工艺和封装测试平台；另外，更复杂的技术是否能带来收益，目前可插拔方案能耗问题还能应对，没到非用不可的地步。

在此背景下，LPO“线性直驱”成为新势力。李俊杰介绍，LPO仍使用传统光模块封装，DSP被放在设备侧，非线性信号处理由设备实现，模块只处理线性信号，这种方式降低了光模块功耗和成本。

据了解，进入2023年以来，“线性直驱”已经开始影响产业界。今年3月，IPEC联合Lightcounting举办了关于线性直驱技术的线上研讨会；今年OFC上，模块和芯片厂商联合打造了112G Linear的样机demo，OIF也在讨论CEI-112G-Linear电气标准。国内去年9月，由OTT牵头在ODCC发布相关白皮书。

值得一提的是，全光交换技术开始走入数据中心。李俊杰介绍，先驱者已经将光线路交换（基于MEMS的OCS）引入DCN，展现了成本、功耗、时延等多方面优势，但是需要架构性创新。“光线路交换技术进入数据中心内部是必然趋势，光波长交换技术的应用值得研究。”

AI赋能光网络智慧运营

发展AI大模型的主要目的是加速千行百业数字化转型升级。因此光网络技术的升级在推动AI大模型训练高效可靠的同时，反过来AI技术和能力的持续提升，也将有效赋能光网络智慧运营。

李俊杰指出，光网络向超大容量、全光交换、超长距离、超大组网持续演进的同时，智慧运营也是光网络发展的必然趋势。

回顾光网络智能化的进程，从传统的人工运维，到逐步引入电层ASON、光层WSON，再到后来的SDN化实现集中管控和能力开放。如今已经迈入智能化，李俊杰介绍，目前AI技术已经在流量预测、态势感知、故障溯源等多个场景展现了其价值。

在客户流量预测场景，针对不同政企OTN用户，实现对指定时段流量值的预测分析，现网数据（基于电信自研UMS控制器采集）验证，预测准确度可达90%以上。“结合历史数据，分析预测未来的流量趋势，对路由选择、扩容建设等有指导意义。”

网络态势感知场景，通过光纤传感+AI算法，识别不同振动模式，提前预警光缆外破风险；通过光纤传感+智能识别算法，检测光缆同沟同缆风险。“引入AI，对各类破坏事件展开准确定位，快速精准指导抢修工作，提升运维效率。”

面向未来，数字孪生、大模型都将助力实现智能光网络。数字孪生以数字化方式在物理网络上建立一个镜像数字网络，实时反映网络资源的状态以及业务的运行状态。对于大模型，高质量的数据是大模型发挥价值的基础，运营商若希望借助AI提升智慧运营能力，首先需要大力夯实自主掌控的数据基础。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。