在当今数字经济飞速发展的时代，数据流量正呈现爆发式增长态势。据IDC预测，到2025年，全球数据圈将达到175-181泽字节，约为2020年的三倍之多。这股数据洪流主要由AI大模型、生成式AI和边缘计算的爆发式增长所驱动。传统光通信系统在“容量-距离-效率”三角关系中一直寻求平衡，但面对如此巨大的数据传输需求，这一平衡正被打破，光通信网络作为数字经济的核心基础设施，正面临前所未有的机遇和挑战。
近日，中国信科旗下烽火通信联合中国移动、光通信技术和网络全国重点实验室、鹏城实验室等单位，实现了基于迁移学习的神经网络均衡技术在200公里标准单模光纤上突破254.7Tb/s的超高速传输。该技术覆盖19.8THz频谱带宽，频谱效率达到12.86bit/s/Hz，对未来光网络的架构设计、应用场景与产业生态具有深刻影响，为下一代光通信系统的发展树立了新的里程碑。
01 刷新世界纪录，光传输系统三项核心技术突破
此研究中的传输系统通过基于神经网络（NN）的均衡技术，成功实现了在200公里的单模光纤上传输254.7Tb/s的净数据传输速率。这一成果不仅打破了光纤通信领域的传输纪录，也为未来数据传输的容量和效率提升提供了强有力的技术支持。
在大容量传输方面，通过引入密集波分复用和多波段协同传输（S+C+L），使传输系统覆盖19.8THz的光谱带宽，较传统系统提升了4倍以上。为确保各波段信号功率的均匀性，系统集成先进谱平坦化技术与混合放大方案，频谱效率达12.86bit/s/Hz，展现“长距离+高容量”的协同优势，为未来网络应对数据洪流提供核心技术支撑。
在传输质量方面，系统设计在200公里传输后仍保持优异的信号质量，通过融合先进偏振复用技术与概率整形高阶调制方案，实现信号熵值精准优化，并结合组合放大技术及拉曼放大技术，有效优化信号衰减和非线性效应，确保传输的稳定性。在数据中心互联场景中，能够在保证传输质量的前提下，显著减少网络复杂度，为跨区域算力调度和海量数据协同等核心需求提供高效支撑，助力数字经济基础设施建设降本增效。
在智能化传输方面，利用AI算法加持，以迁移学习神经网络均衡技术使系统总吞吐量提升11.7%。传统数字信号处算法在补偿复杂非线性时面临精度瓶颈，而基于AI算法能够使每个波段配备独立的NN模型进行信号均衡，补偿和修正非线性误差，系统功耗有效降低，为AI赋能绿色数字创新发展提供新的解决路径。
02 光网络+AI，迁移学习赋能高效模型训练
本次研究的核心技术亮点之一，是通过神经网络（NN）对光纤传输系统进行误差修正。传统的光纤传输系统依赖于数学模型和硬件电路来补偿非线性效应，但效率和精度往往受限，而此AI算法能够更高效地提升系统效率。
在效率提升方面，传统方法S、C、L波段需分别训练独立的NN模型，面临数据需求量大、训练周期长的问题。该研究采用“先训练基准模型，再迁移关键参数”的策略，允许神经网络在C波段的训练基础上，将经验应用于S和L波段，数据需求量减少70%，训练周期缩短50%，突破性解决了光通信系统中“数据采集难、模型部署慢”的痛点，加速NN均衡器在现网落地。
在泛化能力方面，S和L波段模型在迁移C波段参数后，即使面对不同的波长特性、功率分布与非线性环境，仍能保持稳定性能。L 波段在引入NN均衡器后，净数据率提升12.3%，与C波段性能提升幅度相当；并且在光背靠背配置中测试了NN均衡器，发现其对收发机内部非线性（如调制器带宽限制、放大器噪声）的补偿效果显著。这种跨波段、跨场景的泛化能力，使迁移学习成为光通信系统中AI应用的关键使能技术，为未来光网络的智能化演进奠定了基础。
03 面向未来，国产先进技术引领P比特时代
本次传输纪录的创新突破，标志着光通信系统在AI赋能下迈入新的发展阶段。面向未来6G、低空经济等网络需求，光网络需具备更高容量、更低时延和更强韧性。随着AI技术与光通信的深度融合，我们有望看到更多“智能光网络”的出现，为全球数字化进程打造坚实的基础设施，提供超高速、高可靠的底层传输支撑，尤其适用于跨洲际、跨海洋等大容量长距离场景。伴随多波段扩展、算法优化与硬件集成的持续推进，光网络将真正迈入“智能、超宽、超高速”的P比特时代，为数字经济的蓬勃发展打造坚实的全光底座。
