在當今數字經濟飛速發展的時代，數據流量正呈現爆發式增長態勢。據IDC預測，到2025年，全球數據圈將達到175-181澤字節，約為2020年的三倍之多。這股數據洪流主要由AI大模型、生成式AI和邊緣計算的爆發式增長所驅動。傳統光通信系統在“容量-距離-效率”三角關系中一直尋求平衡，但面對如此巨大的數據傳輸需求，這一平衡正被打破，光通信網絡作為數字經濟的核心基礎設施，正面臨前所未有的機遇和挑戰。

近日，中國信科旗下烽火通信聯合中國移動、光通信技術和網絡全國重點實驗室、鵬城實驗室等單位，實現了基于遷移學習的神經網絡均衡技術在200公里標準單模光纖上突破254.7Tb/s的超高速傳輸。該技術覆蓋19.8THz頻譜帶寬，頻譜效率達到12.86bit/s/Hz，對未來光網絡的架構設計、應用場景與產業生態具有深刻影響，為下一代光通信系統的發展樹立了新的里程碑。

01  刷新世界紀錄，光傳輸系統三項核心技術突破

此研究中的傳輸系統通過基于神經網絡（NN）的均衡技術，成功實現了在200公里的單模光纖上傳輸254.7Tb/s的凈數據傳輸速率。這一成果不僅打破了光纖通信領域的傳輸紀錄，也為未來數據傳輸的容量和效率提升提供了強有力的技術支持。

在大容量傳輸方面，通過引入密集波分復用和多波段協同傳輸（S+C+L），使傳輸系統覆蓋19.8THz的光譜帶寬，較傳統系統提升了4倍以上。為確保各波段信號功率的均勻性，系統集成先進譜平坦化技術與混合放大方案，頻譜效率達12.86bit/s/Hz，展現“長距離+高容量”的協同優勢，為未來網絡應對數據洪流提供核心技術支撐。

在傳輸質量方面，系統設計在200公里傳輸后仍保持優異的信號質量，通過融合先進偏振復用技術與概率整形高階調制方案，實現信號熵值精準優化，并結合組合放大技術及拉曼放大技術，有效優化信號衰減和非線性效應，確保傳輸的穩定性。在數據中心互聯場景中，能夠在保證傳輸質量的前提下，顯著減少網絡復雜度，為跨區域算力調度和海量數據協同等核心需求提供高效支撐，助力數字經濟基礎設施建設降本增效。

在智能化傳輸方面，利用AI算法加持，以遷移學習神經網絡均衡技術使系統總吞吐量提升11.7%。傳統數字信號處算法在補償復雜非線性時面臨精度瓶頸，而基于AI算法能夠使每個波段配備獨立的NN模型進行信號均衡，補償和修正非線性誤差，系統功耗有效降低，為AI賦能綠色數字創新發展提供新的解決路徑。

02  光網絡+AI，遷移學習賦能高效模型訓練

本次研究的核心技術亮點之一，是通過神經網絡（NN）對光纖傳輸系統進行誤差修正。傳統的光纖傳輸系統依賴于數學模型和硬件電路來補償非線性效應，但效率和精度往往受限，而此AI算法能夠更高效地提升系統效率。

在效率提升方面，傳統方法S、C、L波段需分別訓練獨立的NN模型，面臨數據需求量大、訓練周期長的問題。該研究采用“先訓練基準模型，再遷移關鍵參數”的策略，允許神經網絡在C波段的訓練基礎上，將經驗應用于S和L波段，數據需求量減少70%，訓練周期縮短50%，突破性解決了光通信系統中“數據采集難、模型部署慢”的痛點，加速NN均衡器在現網落地。

在泛化能力方面，S和L波段模型在遷移C波段參數后，即使面對不同的波長特性、功率分布與非線性環境，仍能保持穩定性能。L 波段在引入NN均衡器后，凈數據率提升12.3%，與C波段性能提升幅度相當；并且在光背靠背配置中測試了NN均衡器，發現其對收發機內部非線性（如調制器帶寬限制、放大器噪聲）的補償效果顯著。這種跨波段、跨場景的泛化能力，使遷移學習成為光通信系統中AI應用的關鍵使能技術，為未來光網絡的智能化演進奠定了基礎。

03  面向未來，國產先進技術引領P比特時代

本次傳輸紀錄的創新突破，標志著光通信系統在AI賦能下邁入新的發展階段。面向未來6G、低空經濟等網絡需求，光網絡需具備更高容量、更低時延和更強韌性。隨著AI技術與光通信的深度融合，我們有望看到更多“智能光網絡”的出現，為全球數字化進程打造堅實的基礎設施，提供超高速、高可靠的底層傳輸支撐，尤其適用于跨洲際、跨海洋等大容量長距離場景。伴隨多波段擴展、算法優化與硬件集成的持續推進，光網絡將真正邁入“智能、超寬、超高速”的P比特時代，為數字經濟的蓬勃發展打造堅實的全光底座。