6月4日至5日，以“萬兆光網(wǎng) 協(xié)同智算”為主題的2025中國光網(wǎng)絡(luò)研討會(huì)（OptiNet China）在北京盛大召開。本屆大會(huì)匯聚來自運(yùn)營商、供應(yīng)商、研究機(jī)構(gòu)及產(chǎn)業(yè)鏈上下游的技術(shù)領(lǐng)袖與行業(yè)專家，圍繞全光網(wǎng)絡(luò)、智算互聯(lián)、空芯光纖等前沿技術(shù)話題，共同探討AI時(shí)代下光網(wǎng)絡(luò)演進(jìn)的新趨勢(shì)、新路徑與新格局。

在此次會(huì)議上，上海諾基亞貝爾股份有限公司基礎(chǔ)網(wǎng)絡(luò)業(yè)務(wù)集團(tuán)光網(wǎng)絡(luò)事業(yè)部總經(jīng)理張寒崢出席并發(fā)表了“激發(fā)AI在網(wǎng)絡(luò)基礎(chǔ)設(shè)施中的潛能”的主題分享。他表示，“AI正在不停地改變我們的生活，而作為傳輸領(lǐng)域的從業(yè)者，我們更關(guān)注它對(duì)網(wǎng)絡(luò)流量的實(shí)際影響�！�

▲上海諾基亞貝爾股份有限公司基礎(chǔ)網(wǎng)絡(luò)業(yè)務(wù)集團(tuán)光網(wǎng)絡(luò)事業(yè)部總經(jīng)理 張寒崢

據(jù)Nokia Bell Labs預(yù)測(cè)，到2033年，全球每月與AI相關(guān)的網(wǎng)絡(luò)流量將超過1000EB，這是一個(gè)極為龐大的數(shù)字。其中，消費(fèi)者AI流量預(yù)計(jì)達(dá)1006EB/月，復(fù)合年增長率23%；企業(yè)AI流量雖基數(shù)較�。�81 EB/月），但增速高達(dá)57%。這意味著，未來十年AI流量將成為網(wǎng)絡(luò)帶寬需求的核心驅(qū)動(dòng)力。

需要強(qiáng)調(diào)的是，AI正在影響和增強(qiáng)我們的網(wǎng)絡(luò)。面向消費(fèi)、工業(yè)、企業(yè)等不同場景的AI應(yīng)用，對(duì)網(wǎng)絡(luò)的需求截然不同。例如，消費(fèi)級(jí)AI更多涉及短視頻、智能助手等實(shí)時(shí)交互場景，而企業(yè)級(jí)AI則聚焦于工業(yè)視覺檢測(cè)、供應(yīng)鏈優(yōu)化等專業(yè)領(lǐng)域。這種差異化需求，正推動(dòng)網(wǎng)絡(luò)架構(gòu)向更靈活、更智能的方向演進(jìn)。

AI對(duì)網(wǎng)絡(luò)基礎(chǔ)設(shè)施的雙重挑戰(zhàn)：Networking for AI

從應(yīng)用場景看，AI對(duì)網(wǎng)絡(luò)的需求可概括為“Networking for AI”，即面向AI的網(wǎng)絡(luò)構(gòu)建。

當(dāng)前，大模型訓(xùn)練與推理業(yè)務(wù)正從單數(shù)據(jù)中心向分布式架構(gòu)演進(jìn)。在數(shù)據(jù)中心內(nèi)部，大模型訓(xùn)練對(duì)帶寬和無損傳輸要求極高，哪怕一個(gè)數(shù)據(jù)包丟失都可能影響模型學(xué)習(xí)效率。例如，GPT系列模型的訓(xùn)練過程中，數(shù)千臺(tái)服務(wù)器間的海量數(shù)據(jù)同步需確保低時(shí)延、高帶寬的網(wǎng)絡(luò)連接。

隨著模型規(guī)模指數(shù)級(jí)增長（如萬億參數(shù)模型），跨數(shù)據(jù)中心的分布式訓(xùn)練成為必然。此時(shí)，網(wǎng)絡(luò)需支持突發(fā)的大帶寬數(shù)據(jù)遷移。例如，一次模型迭代可能需要傳輸數(shù)百PB的數(shù)據(jù)，且對(duì)時(shí)延敏感——這要求網(wǎng)絡(luò)具備彈性調(diào)度能力，能在短時(shí)間內(nèi)快速分配帶寬資源。

AI應(yīng)用向邊緣側(cè)下沉已是大勢(shì)所趨。終端設(shè)備（如VR 頭顯、工業(yè)傳感器）與邊緣節(jié)點(diǎn)間的流量增長尤為迅猛。以沉浸式VR為例，不僅需要中心向邊緣的下行大帶寬，用戶實(shí)時(shí)交互產(chǎn)生的上行流量同樣可觀，這種對(duì)稱業(yè)務(wù)對(duì)傳統(tǒng)網(wǎng)絡(luò)架構(gòu)提出了全新挑戰(zhàn)。

AI業(yè)務(wù)可分為訓(xùn)練與推理兩大類型，二者對(duì)網(wǎng)絡(luò)的要求近乎相反。

訓(xùn)練業(yè)務(wù)追求 “越快越好”。為加速模型迭代，需調(diào)用海量算力集群與存儲(chǔ)資源，傳輸帶寬需求呈爆炸式增長。例如，訓(xùn)練一個(gè)自動(dòng)駕駛模型可能需要每天傳輸數(shù)EB的數(shù)據(jù)。但這類業(yè)務(wù)多為離線處理，對(duì)實(shí)時(shí)性要求相對(duì)較低，允許一定的調(diào)度靈活性。

推理業(yè)務(wù)強(qiáng)調(diào)“實(shí)時(shí)響應(yīng)”。當(dāng)用戶通過語音助手提問或使用AI客服時(shí)，系統(tǒng)需在毫秒級(jí)內(nèi)返回結(jié)果，這要求網(wǎng)絡(luò)具備極低的時(shí)延和穩(wěn)定的連接質(zhì)量。但推理階段的數(shù)據(jù)量通常遠(yuǎn)小于訓(xùn)練階段，帶寬需求相對(duì)可控。

這種矛盾的需求倒逼網(wǎng)絡(luò)架構(gòu)走向“分層設(shè)計(jì)”：核心層專注于大帶寬傳輸，邊緣層則優(yōu)化時(shí)延性能，同時(shí)通過智能調(diào)度算法平衡資源分配。

值得注意的是，AI流量在網(wǎng)絡(luò)中的分布并非均勻。Nokia Bell Labs研究表明，終端到城域邊緣的流量增長速率最快，其次是邊緣到核心的流量。這意味著，接入側(cè)和邊緣側(cè)將成為未來網(wǎng)絡(luò)擴(kuò)容的重點(diǎn)。

例如，在工業(yè)場景中，傳感器數(shù)據(jù)從終端到邊緣服務(wù)器的傳輸量，可能比邊緣到云端的數(shù)據(jù)量高出3-5倍。這種分布特征要求網(wǎng)絡(luò)建設(shè)從“核心優(yōu)先”轉(zhuǎn)向“邊緣優(yōu)先”，在接入網(wǎng)部署更高帶寬的光纖資源，在邊緣節(jié)點(diǎn)集成更強(qiáng)的算力與網(wǎng)絡(luò)調(diào)度能力。

AI賦能網(wǎng)絡(luò)：AI for networking的三大價(jià)值維度

AI對(duì)網(wǎng)絡(luò)運(yùn)維的改造，可概括為“AI for networking”。傳統(tǒng)網(wǎng)絡(luò)運(yùn)維中，重復(fù)的配置巡檢、惡劣環(huán)境下的設(shè)備排查、高危場景的故障處理，以及耗時(shí)耗力的資源優(yōu)化，都可通過AI驅(qū)動(dòng)的自動(dòng)化工具解決。

此外，AI可自動(dòng)生成網(wǎng)絡(luò)配置腳本，替代人工重復(fù)操作，將配置效率提升 80%以上。而且，通過無人機(jī)搭載AI視覺系統(tǒng)，可替代人工完成高壓輸電線路附近的光纜巡檢，降低作業(yè)風(fēng)險(xiǎn)；避免下水道偵察、擠牛奶、尸檢和礦井勘探，遠(yuǎn)離骯臟環(huán)境。成本方面，AI通過分析全網(wǎng)流量模式，動(dòng)態(tài)調(diào)整路由策略，減少網(wǎng)絡(luò)擁塞，每年可為運(yùn)營商節(jié)省數(shù)千萬美元的帶寬成本。

AIops通過AI增強(qiáng)網(wǎng)絡(luò)運(yùn)維，其價(jià)值可進(jìn)一步歸納為三個(gè)“S”：

Service（服務(wù)）：人工智能可以提高網(wǎng)絡(luò)運(yùn)營效率，從而加速服務(wù)交付并確保持續(xù)遵守服務(wù)等級(jí)協(xié)議（SLA）。

Security（安全）：AI/ML技術(shù)可以幫助及早準(zhǔn)確地檢測(cè)DDoS活動(dòng)，并采取即時(shí)、有針對(duì)性和優(yōu)化的緩解措施來阻止此類攻擊。

Sustainability（可持續(xù)）：通過優(yōu)化網(wǎng)絡(luò)資源，人工智能可以幫助降低功耗，最大限度地減少能源消耗和環(huán)境足跡。

在實(shí)現(xiàn)這些價(jià)值的過程中，意圖驅(qū)動(dòng)的網(wǎng)絡(luò)成為了我們追求的目標(biāo)。這樣的網(wǎng)絡(luò)需要具備感知、思考和行動(dòng)的能力，通過海量數(shù)據(jù)的收集和學(xué)習(xí)，對(duì)網(wǎng)絡(luò)狀況進(jìn)行準(zhǔn)確判斷，并在此基礎(chǔ)上做出決策，實(shí)現(xiàn)閉環(huán)的網(wǎng)絡(luò)管理。對(duì)于運(yùn)維人員而言，AI的應(yīng)用將帶來諸多便利。

傳統(tǒng)上，網(wǎng)絡(luò)運(yùn)維人員主要依靠經(jīng)驗(yàn)和經(jīng)驗(yàn)庫來分析故障，而AI的引入則能夠顯著提升他們的分析能力，快速準(zhǔn)確地定位和解決問題。

同時(shí)，AI還能夠?qū)崿F(xiàn)輔助功能，通過自然語言與網(wǎng)絡(luò)設(shè)備進(jìn)行交互，發(fā)出指令，讓網(wǎng)絡(luò)執(zhí)行相應(yīng)的操作，無需運(yùn)維人員掌握復(fù)雜的編程技能。這不僅提高了網(wǎng)絡(luò)運(yùn)維的效率，還降低了對(duì)人員專業(yè)技能的要求，使更多的人能夠參與到網(wǎng)絡(luò)管理中來。

諾基亞貝爾一直在積極探索和實(shí)踐AI在網(wǎng)絡(luò)基礎(chǔ)設(shè)施中的應(yīng)用，曾經(jīng)進(jìn)行了一個(gè)有趣的實(shí)驗(yàn)，利用大語言模型（LLM）作為代理，通過自然語言指令來實(shí)現(xiàn)網(wǎng)絡(luò)的跨域編排。

當(dāng)需要建立一個(gè)新的業(yè)務(wù)連接時(shí)，只需用自然語言向LLM代理表達(dá)需求，它便能分析指令并調(diào)用相應(yīng)的專業(yè)函數(shù)，協(xié)調(diào)多個(gè)域的網(wǎng)絡(luò)設(shè)備，完成從IP到光傳輸的配置，甚至可以驅(qū)動(dòng)機(jī)器人執(zhí)行物理連接操作，如光纖切換等。

諾基亞的AI網(wǎng)絡(luò)基礎(chǔ)設(shè)施，構(gòu)建全球最關(guān)鍵的網(wǎng)絡(luò)

諾基亞貝爾構(gòu)建了完善的AI驅(qū)動(dòng)網(wǎng)絡(luò)基礎(chǔ)設(shè)施產(chǎn)品體系，產(chǎn)品覆蓋固網(wǎng)接入、IP傳輸、數(shù)據(jù)中心、海纜等多個(gè)領(lǐng)域。核心目標(biāo)是為客戶提供靈活的容量方案，以滿足各種業(yè)務(wù)的靈活需求。同時(shí)，確保網(wǎng)絡(luò)始終保持在線，保障業(yè)務(wù)的連續(xù)性和穩(wěn)定性。

彈性擴(kuò)容（Scalable）方面，通過FP系列路由硅片、PSE相干光DSP等自研芯片，支持單波長400G/800G超高速傳輸，滿足AI流量爆發(fā)式增長需求。高可用性（Available）方面，采用多層級(jí)冗余架構(gòu)，如光層1+1保護(hù)、IP層FRR（快速重路由），確保AI應(yīng)用99.999%的在線率。

安全可信（Secure）方面，從芯片到系統(tǒng)的端到端加密方案，支持國密算法與零信任架構(gòu)。綠色高效（Efficient）方面，Elenion硅光子技術(shù)將光模塊功耗降低 30%，Quillion接入處理器實(shí)現(xiàn)邊緣節(jié)點(diǎn)的低功耗算力整合。

激發(fā)AI在網(wǎng)絡(luò)基礎(chǔ)設(shè)施中的潛能，非單一企業(yè)之力所能及，需構(gòu)建廣泛的生態(tài)合作體系，芯片廠商、云服務(wù)商、運(yùn)營商等生態(tài)伙伴的協(xié)同。目前，諾基亞貝爾已與聯(lián)想、Carahsoft、Verizon、騰訊等企業(yè)合作，共同定義AI網(wǎng)絡(luò)的技術(shù)標(biāo)準(zhǔn)與應(yīng)用場景，構(gòu)建開放、合作、共贏的產(chǎn)業(yè)生態(tài)。

結(jié)束語

AI給網(wǎng)絡(luò)基礎(chǔ)設(shè)施帶來的變革，既是挑戰(zhàn)，更是機(jī)遇。作為基礎(chǔ)網(wǎng)絡(luò)領(lǐng)域的深耕者，諾基亞將持續(xù)投入芯片、軟件與自動(dòng)化技術(shù)創(chuàng)新，以“構(gòu)建為AI而生的網(wǎng)絡(luò)，賦能網(wǎng)絡(luò)以AI的智慧”為使命，與生態(tài)伙伴攜手，共同推動(dòng)光網(wǎng)絡(luò)向更靈活、更智能、更可持續(xù)的方向發(fā)展。