C114訊 9月7日消息（水易）第24屆中國國際光電博覽會（CIOE）如期召開，在同期舉辦的“算力網絡與光技術發展論壇”上，中國電信光傳輸專業首席專家李俊杰表示，AI時代，數據中心已成為網絡流量的中心，也是光網絡建設的中心。
特別是隨著ChatGPT的爆火，人們逐漸意識到，模型參數規模與性能提升后，AI大模型訓練對于網絡的需求相比于傳統模型也隨之產生變化。對比現在緊缺的A100和A800的性能參數，A800被限制的是互聯帶寬，而不是算力。
“大模型訓練需要大規模集群算力的保障，網絡帶寬和性能限制影響集群算力的發揮。”李俊杰表示，因此在AI時代，進一步加強了對網絡質量的要求，尤其是數據中心內部組網要求大規模、高帶寬、低時延、零丟包。
DCN高速光互聯是剛需
對于大模型的發展，國內已是“百模”大戰之勢�！吨袊�人工智能大模型地圖研究報告》數據顯示，截至5月底，中國已經發布了79個大模型（10億參數以上）。
“百模”大戰帶來了數據中心流量的進一步升級，數通光模塊正逐漸實現100G-400G-800G三級跳躍。數據中心內部網絡（DCN）傳輸距離普遍在2km以內，考慮低成本IM-DD方案；數據中心間互聯（DCI）則必須使用相干（ZR/ZR+）。
在李俊杰看來，相對于數據中心互聯（DCI）網絡，數據中心內部（DCN）網絡面臨的挑戰更大，但機遇也更多。目前面向DCN的400G光模塊已日趨成熟，且標準完備。800G預計即將進入數通市場，相關標準仍在制定中，未正式發布，其中2km內光模塊將成為DC內主流。
不過，隨著速率的不斷提升，功耗和200Gb/s+ CEI電接口成為瓶頸。在主流設備商、互聯網廠商、光模塊廠商的推動下，CPO光電合封技術成為熱點， OIF等標準化組織也在積極推進CPO光模塊技術標準。
李俊杰指出，CPO能夠顯著降低功耗，降低電信號傳輸距離，提供信號質量；與可插拔相比，提高ASIC-光模塊互聯密度，高集成，節省空間。不過CPO相對依賴硅光子技術才能做到小型化高集成，需要借助硅光的工藝和封裝測試平臺；另外，更復雜的技術是否能帶來收益，目前可插拔方案能耗問題還能應對，沒到非用不可的地步。
在此背景下，LPO“線性直驅”成為新勢力。李俊杰介紹，LPO仍使用傳統光模塊封裝，DSP被放在設備側，非線性信號處理由設備實現，模塊只處理線性信號，這種方式降低了光模塊功耗和成本。
據了解，進入2023年以來，“線性直驅”已經開始影響產業界。今年3月，IPEC聯合Lightcounting舉辦了關于線性直驅技術的線上研討會；今年OFC上，模塊和芯片廠商聯合打造了112G Linear的樣機demo，OIF也在討論CEI-112G-Linear電氣標準。國內去年9月，由OTT牽頭在ODCC發布相關白皮書。
值得一提的是，全光交換技術開始走入數據中心。李俊杰介紹，先驅者已經將光線路交換（基于MEMS的OCS）引入DCN，展現了成本、功耗、時延等多方面優勢，但是需要架構性創新。“光線路交換技術進入數據中心內部是必然趨勢，光波長交換技術的應用值得研究。”
AI賦能光網絡智慧運營
發展AI大模型的主要目的是加速千行百業數字化轉型升級。因此光網絡技術的升級在推動AI大模型訓練高效可靠的同時，反過來AI技術和能力的持續提升，也將有效賦能光網絡智慧運營。
李俊杰指出，光網絡向超大容量、全光交換、超長距離、超大組網持續演進的同時，智慧運營也是光網絡發展的必然趨勢。
回顧光網絡智能化的進程，從傳統的人工運維，到逐步引入電層ASON、光層WSON，再到后來的SDN化實現集中管控和能力開放。如今已經邁入智能化，李俊杰介紹，目前AI技術已經在流量預測、態勢感知、故障溯源等多個場景展現了其價值。
在客戶流量預測場景，針對不同政企OTN用戶，實現對指定時段流量值的預測分析，現網數據（基于電信自研UMS控制器采集）驗證，預測準確度可達90%以上。“結合歷史數據，分析預測未來的流量趨勢，對路由選擇、擴容建設等有指導意義。”
網絡態勢感知場景，通過光纖傳感+AI算法，識別不同振動模式，提前預警光纜外破風險；通過光纖傳感+智能識別算法，檢測光纜同溝同纜風險。“引入AI，對各類破壞事件展開準確定位，快速精準指導搶修工作，提升運維效率。”
面向未來，數字孿生、大模型都將助力實現智能光網絡。數字孿生以數字化方式在物理網絡上建立一個鏡像數字網絡，實時反映網絡資源的狀態以及業務的運行狀態。對于大模型，高質量的數據是大模型發揮價值的基礎，運營商若希望借助AI提升智慧運營能力，首先需要大力夯實自主掌控的數據基礎。 
