C114新闻6月5日（YA YI）人工智能（AI）正在成为影响整个通信行业发展的主要驱动力。随着AI模型（例如DeepSeek）的出现，对计算能力计算的需求得到了加速。在明智的计算方案中，它涵盖了许多业务链接，例如数据输入，模型培训，分离和计算分离，模型发布和推理服务。由于不同业务情况的网络要求发生了巨大变化，因此如何开发网络体系结构以适应许多情况已成为当今的重要挑战。那么，发展人工智能对光网的发展有什么影响？在昨天举行的中国光学网站上，中国Unicom ResearchIntute副总裁Tang Xionagyan分享了他的深刻观点。他认为，人工智能的发展为光学网络带来了新的机会，并将在广泛的区域或数据中心实现深刻变化。互联网的广泛领域正在不断变化。作为光网络发展的历史，光网络经历了许多重要阶段：20年前：Incherent技术是主导的；十多年前：100克连贯的技术已被人占；到2023 - 2024年，进入400G时代，逐渐探索了800G和T级技术；将来：在提高光谱的效率后，遇到了瓶颈，频谱技术已经传播（例如S+C+L频段）成为发展的方向。除了继续追求更多的MATAAAS传输速率，在与广泛相关区域的智能计算中，灵活的敏捷性和传输能力丧失已成为决定网络性能的主要因素。由于很长一段时间以来，AI服务一直没有占据高带宽，因此如何建立动态的安排网络一直是重点。 curreNT光网络本质上是“硬管道”，并且非常固定。可以从传统IP网络的灵活性和灵活性中学到它们，以实现更明智的资源调度和服务功能。交付损失是智能计算网络的基本要求之一，尤其是在远程直接访问（RDMA）协议下。 Tang Xiongyan表示，中国联合会成功地证明了RDMA从上海的3,000公里Sa Zhongwei，Ningxia的交付，并依赖于不受控制的OTN网络流量以及与终端网络的合作伙伴关系的技术。在伙伴关系培训方面，在2024年，中国Unicom成功完成了与300公里大型型号合作的共享培训技术的验证。希望中国Unicom还将在今年7月的七月合作培训中发行技术成功。但是，Tang Xiongyan教导说，即使培训是培训的培训为可行性进行验证，仍然需要证明其市场价值。目前，在单个数据中心完成大型培训更为有趣。在纤维技术的发展方面，G.654E纤维仍然是宽区域提供的主要选择。同时，该行业还积极探索新的纤维技术，例如空气分割多路复用和空中核纤维。但是，这些新技术在实施工程和行业培养方面仍面临许多挑战。 Tang Xionyan believes that future broad area networks will not only need to improve basic transmission capabilities, but also need to introduce AI technology to achieve smart operations and maintenance, such as digital twins, network operations and maintenance agents, etc. With the rapid growth of high-performance computing demand such as artificial intelligence and large model training, network capacity, rate, energy consumption and delay within the dATA中心也在增加。设置了更高的要求。为了应对这些挑战，数据中心正在逐渐从未来的纯电气过渡到光电混合体系结构，并通过引入光学传输技术来提高性能和效率。如何实现光学交流和DE -Electric交流之间的协作良好管理已成为对该行业的主要关注主题。在光学模块的发展方面，速率继续上升，并从800克移动到1.6吨，单通道速率最高为200克。就光学模块形式而言，LPO（可插入线性的光学模块）和CPO（光学电信组合密封件）目前是研究和应用的热门主题。其中，CPO预计将来将成为3.2T及以上的主要方向。目前，许多公司，包括国内外领先的云制造商，都是活跃的NPROMotes与LPO和CPO相关的产品和技术的研究和开发表明，这一方向已成为行业和发展趋势的同意。此外，光学互连技术的应用逐渐扩展到芯片间连接。例如，GPU之间的光学I/O光学技术通过结合了光学芯片和电芯片的包装来获得更好的连贯性，这有望进一步促进智能计算和光学互连的未来开发。