AI重塑光网络五大趋势：从传输扩容到算力底座 原创

来自运营商、设备企业、科研院所、研究机构以及产业链上下游企业的专家学者齐聚一堂，围绕超高速光传输、800G/1.6T光模块、光电融合、新型光纤、全光智能网、智算中心光互联、万兆接入等议题展开交流。

这场研讨会释放出一个清晰信号：AI正在重新定义光网络的产业坐标。过去，光通信行业主要围绕更高速率、更大容量、更远距离演进；进入大模型和智能体时代后，网络要承载的不只是流量增长，还包括算力调度、模型推理、跨集群训练和Token服务带来的系统压力。

中国工程院院士邬贺铨在会上指出，智能体时代Token消耗量增长速度远超算力增长速度，而算力需求增长又显著快于电力基础设施投资增速。按测算，到2030年，全球200GW算力对应的用电需求相当于200座大型核电站装机容量。算力、电力、网络之间的约束关系，正在把光网络推向AI基础设施的前台。

趋势一：算力协同改变网络建设逻辑

AI应用对网络的压力，最先体现在时延、可靠性和调度效率上。

一次用户请求中，后台会触发多轮模型推理和工具调用。每一轮调用都会产生新的数据传输，网络时延也会在多轮协同中累积。对智算中心内部、智算中心之间以及广域算力网络来说，网络已经开始影响算力利用率和服务体验。

这也是今年研讨会上“光网络for AI”被反复提及的原因。AI集群需要更高带宽，但带宽只是起点。协同训练需要低时延，分布式推理需要稳定调度，跨地域算力调用需要可靠恢复，用户侧AI服务还需要端到端体验保障。光网络如果仍按传统流量承载方式建设，就很难完整覆盖这些新场景。

中国电信研究院院长张成良围绕ROADM网络发展指出，ROADM全光网具备超大带宽、超低时延、超高可靠和大规模组网能力，是支撑算力集群海量数据传输与调度的重要路径。面向未来，ROADM全光网将向更多方向、更大容量、更快恢复和更大规模演进。

基于此，中国电信联合华为发布“高可靠WSON光网络系统”成果，完成多节点MESH组网50ms确定性恢复验证。对智算互联、云网融合和高价值专线业务而言，故障恢复时间不是单纯的运维指标。恢复越快，算力任务连续运行和业务链路稳定保障就越有基础。

趋势二：Token经济扩展运营商新空间

AI也在改变运营商的业务逻辑。

过去，运营商的网络价值更多体现为连接、带宽和专线能力。云计算兴起后，运营商开始把网络与云资源结合起来。进入Token时代，用户购买的就不再是单纯算力，也不是简单模型访问，而是可计量、可调度、可保障的智能服务。

中国联通研究院副院长唐雄燕在《Token运营时代的光网络机遇与挑战》中提出，运营商开展Token运营具备三方面优势：算网资源优势、安全合规优势和生态聚合优势。运营商可以依托全域算网资源优化Token输出质量与服务效能，也可以凭借网络安全保障体系和合规治理能力，为Token运营提供稳定运行环境。

这一判断背后，是运营商角色的再定位。Token服务如果要像通信服务一样普及，就需要统一接入、统一度量、稳定计费和质量保障。单个模型厂商可以提供模型能力，但跨模型、跨地域、跨算力资源的组织，需要网络侧具备更强调度能力。运营商拥有全国性网络、边缘节点、数据中心和安全体系，因此具备把Token服务产品化的基础条件。

中国电信研究院光网络技术研究所副所长蒋铭也提到，AI应用爆发推动Token需求指数级增长，催生电信行业从传统“卖算力”向“卖服务”的Token经营新范式转变。面向AI时代算网资源新需求，中国电信研究院正在推进构建算力融合、高速无损、确定性链路一体化的接入光算体系，探索光接入网全流程内生智能化。

如今，网络已经不只是后台基础设施，而是会影响Token服务的质量、成本和体验的要素。谁能把模型、算力、网络和用户入口组织得更顺畅，谁就更可能在AI服务运营中获得新的增长空间。

趋势三：智算互联推高传输能力门槛

AI训练和推理对光网络的第三个影响，是推动超高速传输继续升级。

传统数据中心互联主要服务于备份、同步、数据分发和云资源调度。很多场景对时延有要求，但通常可以容忍毫秒级甚至更高时延。但是，跨集群训练、分布式推理和大规模GPU协同，对丢包、时延抖动、带宽利用率和端口密度更加敏感。网络传输效率下降，或将直接转化为算力利用率下降。

中国信息通信研究院副院长敖立在演讲中提到，面向智算中心光互联，需要覆盖集群内、节点间以及集群间互联等多类网络。Scale up、Scale out、Scale across对应不同距离、不同带宽和不同架构要求。特别是面向跨智算中心GPU协同的Scale across场景，与传统DCI相比，在传输距离、流量类型、时延要求和端口密度上都有明显差异。

这对设备企业提出了新的要求。华为光传送领域副总裁兰磊从产业视角分享了全光网络演进方向，他提出“光网络for AI，AI for光网络”的双向促进。中兴通讯OTN产品规划总工陈勇则指出，波段持续扩展和传输能力之间存在约束，多路并行是演进方向之一。面向中短距场景，空芯光纤的低时延和低非线性优势开始显现；面向长距高速场景，还需要继续提升容量与传输性能，并验证工程稳定性。

趋势四：光电融合开始影响智算成本

AI算力规模扩张后，互联链路的功耗问题更加突出。

国家信息光电子创新中心总经理肖希提出，AI算力互联正从机柜间进一步延伸到机柜内。随着Token数量增长，单机柜功耗已经接近极限。未来如果还要在有限功率预算下继续提升AI算力，光互联将成为重要路径。光子技术向板卡级乃至芯片级渗透，是提升算力和降低功耗的可行方案。

目前，AI互联需求主要集中在机柜间光模块市场，800G已经成为重要方向，1.6T正在加速推进。进入1.6T时代后，产业链将面对更复杂的技术分叉，可插拔、LPO、NPO、CPO等方案并行推进，各自将对应不同的功耗、成本、集成度和维护方式。

肖希提到，在1.6T时代，硅光凭借高产能、高可靠性和低成本优势，已占据重要份额；到3.2T时代，硅光方案的重要性将进一步提升。背后的原因是，速率越高，电链路越短越有利；端口密度越高，功耗和散热越难通过传统方式解决。光电融合要解决的，正是更高带宽下的能耗和封装问题。

这一变化也将带来产业链分工的调整。传统光模块企业需要面对更高密度封装、更复杂测试、更深度的交换机协同。设备商、芯片企业、封装平台、测试仪表企业之间的合作会更加紧密。

对AI基础设施而言，互联功耗并不是局部指标，随着数据中心能耗压力逐渐增大，单bit传输能耗、单Token服务成本的价值就越重要。光电融合能否规模落地，将影响智算中心的建设成本和运行效率。

趋势五：工程化能力决定产业落地速度

光网络升级不能只看设备速率，还要看光纤材料、接入能力、测试验证和标准协同。

在基础材料层面，多芯光纤和空芯光纤成为本次研讨会的重要议题。敖立表示，多芯光纤可通过空分复用实现超大容量和高密度，空芯光纤则凭借超低时延、超低损耗和超大带宽，为智算中心分布式互联和大模型训练提供底层物理传输能力。多芯光纤正从应用探索迈向工程化落地，传输容量已突破P比特级，并优先在海缆场景展开应用。

长飞光纤光缆股份有限公司全国重点实验室执行主任熊良明也提出，人工智能、大模型和智算中心快速发展，正在推动全球光网络进入新一轮升级周期。超宽高速、超低时延、全光交换、安全智能，以及空天地海一体化，将成为下一代光网络的重要特征。

在接入网层面，万兆光网正在成为AI服务下沉的重要条件。大会期间，中国电信研究院牵头，联合华为、中兴、烽火完成三代共存50G-PON OLT设备与ONU设备互通性系统验证，为万兆光网规模应用解决互通障碍。中国移动研究院基础网络技术研究所副所长张德朝提出，面向AI时代“Byte+Token”的高速增长需求，需要构建基于50G PON与FTTR智能协同的新一代“通感智”融合的网光，并进一步攻关FTTR+RFID、算网一体等能力。

这说明，AI时代的光网络升级并不只发生在骨干网和数据中心。家庭网络、园区网络、行业专线和边缘节点也需要更高带宽、更低时延和更智能的服务能力。AI Agent如果成为新的业务入口，接入网就要从接入互联网，延伸到接入算力和智能服务。

测试体系则决定了这些技术能否稳定落地。上海海回科技有限公司产品总监周建表示，1.6T产业受到产品方案多、系统环境复杂、送样时间紧、缺乏1.6T交换机环境、现场调试困难、仪器功能受限等因素制约。高速互联进入规模商用前，需要测试仪表覆盖以太网、OTN、相干等多场景，帮助产业链缩短验证周期、提高故障定位效率。

值得注意的是，大会同期展区也集中展示了数据中心800G、1.6T、3.2T以太网技术演进及光电接口测试方案，以及OTN网络协议分析仪、光电融合测量方案、单通道448G光电测试方案等产品。从展示内容看，产业链正在从“做出高速器件”进入“稳定交付系统能力”的阶段。

AI对光网络的改变，表面看是带宽继续提升，放到产业链里看，则是网络角色发生了变化。算力越分布，模型调用越频繁，Token服务越普及，光网络就越需要同时处理高速传输、低时延调度、高可靠恢复、低功耗互联、智能接入和工程验证。

对中国光通信产业而言，这既是技术升级窗口，也是产业链协同能力的一次集中检验。运营商需要把网络与算力服务组织起来，设备商需要提供面向AI场景的系统方案，光纤光缆、光模块、光芯片和测试仪表企业需要补齐底层能力，标准组织和科研机构则要推动路线收敛。

AI时代的全光网络，不会由某一项技术单独决定，而取决于整个产业链能否把带宽、时延、功耗、可靠性和可运营性协同创新。