熱門資訊> 正文
2025-09-11 10:39
C114訊 9月11日消息(九九)在昨日下午舉行的2025中國國際光電高峰論壇—AI時代光傳輸技術演進論壇上,中國移動研究院基礎網絡技術研究所傳送網研究室主任韓柳燕發表題為《AI與光網絡融合促進技術及展望》的主旨演講。
韓柳燕指出,人工智能已經走出實驗室與技術沉澱階段,實現了從關鍵技術研發到規模化商業應用的關鍵跨越。中國移動正積極推進AI與信息通信網絡的深度融合,未來AI有望深度融合爲光網絡的內生關鍵能力。
光網絡賦能AI演進
韓柳燕介紹,智算互聯提出的需求集中在超高可靠、超低時延、超大帶寬三方面。面向跨智算集羣互聯對光網絡的新需求,中國移動提出無損智算OTN( Hitless intelligent computing OTN,HIC-OTN)。
韓柳燕進一步介紹,面向智算集羣互聯可靠傳輸需求,中國移動創新提出無損保護、基於PFC的OTN抗擁塞等技術機制,實現由傳統50ms保護、OTN透傳傳輸到「0丟包」無損保護、OTN協同抗擁塞的能力跨越。
向智算集羣互聯超低時延需求,中國移動創新精簡電交叉架構、簡潔映射機制等OTN新技術,實現由傳統全向電交叉、小顆粒逐級映射到針對性電交叉、大時隙高效復接的性能提升。
面向智算互聯超大帶寬需求,中國移動近期共享400G QPSK骨干網關鍵技術催化800G短距技術應用,中期重點推動多波段超寬譜T比特全光網技術攻關,長遠期顛覆性空芯光纖及系統有望進一步打破實芯光纖容量限制瓶頸。
AI賦能光網絡智能化
韓柳燕強調,AI與光網絡深度融合,正逐步向物理基礎設施、網元智能、網絡管控多層延伸。
在網絡級智能調度方面,光傳輸網絡規模大、業務動態,流量潮汐效應顯著,是AI賦能網絡級動態資源調度的關鍵契機。從海量原始數據中提取高質量信息是構建可靠智能決策體系的首要環節。光網絡涵蓋設備、端口、隧道等多維實體,數據標註和關聯映射覆雜,對模型構建提出較高要求,所以光網絡需結合層級結構和業務關係對數據進行標註映射,以支撐AI精準特徵提取與智能分析。此外,如何針對優化目標評估並篩選出最適配的AI算法,是網絡級智能調度必須解決的問題,「匹配智能調度需求的AI模型應更注重‘穩健’而非‘精確’,需訓練和選擇專用模型確保泛化能力。」韓柳燕説。
韓柳燕表示,AI傳送網進入規模部署階段,面臨的最大問題是可靠性疑慮。在環網結構下,若預測結果觸發節能休眠操作,一旦發生光纜中斷或流量突增,需快速啟動保護倒換和休眠單板喚醒。為此,中國移動創新提出時空多維耦合流量預測算法,前期在廣東等省份現網試點驗證中,基於流量預測結果選擇最佳節能優化路徑,網絡級節能收益約8%,資源利用率提升超10%,有效支撐了節能策略制定與容量預規劃。
在器件級智能引入方面,AI在光網絡中的應用正從集中管控延伸至網元設備,逐漸滲透至物理層關鍵器件。作為光網絡的基礎單元與核心感知節點,光模塊有望成為AI實現智能運維的理想切入點。
光模塊引入AI的難點與挑戰:一是光模塊外形尺寸嚴格遵循標準,內部集成大量元器件,新增傳感器等難尋額外物理適配空間,任何新增元件均需精密設計;二是「智能」需運行更復雜算法、處理更多數據,會顯著增加功耗。額外功耗產生的更多熱量可能危及激光器壽命與性能;三是當前光模塊難獲高精度數據,智能光模塊需內部MCU具備更強實時處理能力,且現有故障等關鍵數據稀缺,無法有效運用AI。
中國移動進行智能模塊數據層面關鍵技術創新和智能模塊輕量化故障識別算法創新。軟件升級支持高精度數據採樣,同時不增加現有光模塊額外物理空間負擔;針對AI訓練故障樣本稀缺和不均衡的問題,引入數據增強模塊,解決現網難以採集海量故障數據的限制。並將故障定位時間從小時級縮短到秒級,現網常見5類故障識別準確率超95%,在減少誤報和漏檢方面具備強可靠性。
在啞資源級智能運維方面,我國已建成全球規模最大的光纖光纜網絡,伴隨算力網絡等新需求發展,光纜建設正在提速,部分光纜也已達設計壽命,提質升級空間大,光纜故障已成為影響網絡質量的關鍵問題建立高效可靠的啞資源管理對光網絡智能化運維管理具有關鍵作用。
光纖啞資源的無源特性以及人工運維的不準確性導致的啞資源信息不準確使得現網同路由故障多發,一旦主備路由同時中斷,將造成用户業務完全中斷,嚴重影響用户體驗並導致巨大經濟損失,需開展現網數據採集與標註工作以支持同路由識別AI模型訓練。在解決數據採集難題后,面對現網複雜多樣的同路由場景,還需有針對性地進行模型和算法設計,分場景逐點攻關同路由識別問題,並進一步提升方案實用性。
韓柳燕介紹,針對實際同路由場景複雜多樣、光纜長度不一致的問題,中國移動提出部分同溝段識別方法並創新OTDR特徵提取算法,核心方案已在雲南、江蘇等地開展試點應用,為現網同路由識別難題提供有效解決方案。
演講的最后,韓柳燕總結説,未來AI有望深度融合爲光網絡的內生關鍵能力,影響網絡架構、光層、幀結構、協議等,但數據是難點,包括標準化、可靠準確的數據獲取,以及結合網絡特徵的數據映射和標註。光網絡引入AI的落地應用,以及輕量化的硬件加持,能夠助力其找到「最優性」和「可靠性」之間的平衡點。