《中國電信研究院：AI驅動光傳送網技術白皮書（2025版）（25頁）.pdf》由會員分享，可在線閱讀，更多相關《中國電信研究院：AI驅動光傳送網技術白皮書（2025版）（25頁）.pdf（25頁珍藏版）》請在三個皮匠報告上搜索。

1、AI 驅動光驅動光傳送網傳送網技術白皮書技術白皮書（2025版）版）中國電信股份有限公司研究院中國電信股份有限公司研究院2025 年年 5 月月第 2頁,共 25頁前言前言隨著數字經濟的蓬勃發展，全球正加速邁入以數字化、網絡化、智能化為核心的新一輪科技革命和產業變革時代。光網絡作為新一代信息技術的核心支撐，是信息通信網絡和數字經濟發展的堅實底座，為海量數據的快速傳輸、高效調度與智能服務提供了有力保障。中國電信緊緊抓住新一輪科技革命和產業變革的機遇，主動順應技術演進趨勢，牢牢把握數字化、網絡化、智能化方向，積極貫徹“東數西算”等國家戰略，踐行“云網融合”和“智能敏捷”的理念，發布中國電信云網運營

2、自智白皮書；以“云改數轉”作為企業戰略轉型目標，發布中國電信全光網2.0技術白皮書。在此基礎上，中國電信為進一步探索人工智能（AI）驅動的光傳送網智能化演進路徑，打造具備自感知、自決策、自優化能力的光傳送網絡，發布AI驅動光傳送網技術白皮書。本白皮書聚焦于光傳送網絡的智能化發展演進，首次提出了AI驅動光傳送網絡的智能化技術方案，以智能管控為基礎，深度融合通感一體、數字孿生和人工智能等新技術，形成“三層原生智能”光網絡智能化架構，包含網絡智能、運營智能和業務智能，從而支撐光網絡包括“規劃、建設、維護、優化、運營”全生命周期的業務與流程，打造具備智能化和數字化等高級屬性的自愈自治的光傳送網絡。本白

3、皮書由中國電信研究院撰寫和發布，深入探討了AI時代的行業發展變化，全面闡述了光傳送網絡智能化的技術內涵、關鍵架構與典型應用，展望未來發展方向，致力于推動產業界在AI與光傳送網絡融合方面的深入思考與協同創新，攜手邁向全面自智的下一代光傳送網絡。第 3頁,共 25頁目錄目錄前言.2目錄.31 背景.52 AI驅動的光傳送網.62.1 定義及內涵.62.2 新需求.62.3 新架構.62.4 新技術.82.4.1 智能管控.82.4.2 通感一體.92.4.3 數字孿生.112.4.4 人工智能.123 網絡智能 典型應用及技術方案.143.1 光纖智能感知.143.1.1 現狀及挑戰.143.1.

4、2 方案及關鍵技術.153.1.3 應用及成效.153.2 網元智能優化.163.2.1 現狀及挑戰.163.2.2 方案及關鍵技術.163.2.3 應用及成效.174 運營智能 典型應用及技術方案.174.1 光傳送網故障溯源.184.1.1 現狀及挑戰.184.1.2 方案及關鍵技術.184.1.3 應用成效.194.2 光層性能智能評估.194.2.1 現狀及挑戰.19第 4頁,共 25頁4.2.2 方案及關鍵技術.194.2.3 應用成效.204.3 WSON智能優化.204.3.1 現狀及挑戰.204.3.2 方案及關鍵技術.204.3.3 應用成效.215 業務智能 典型應用及技術

5、方案.225.1 OTN業務流量預測.225.1.1 現狀及挑戰.225.1.2 方案及關鍵技術.225.1.3 應用成效.235.2 智算業務智能承載.235.2.1 現狀及挑戰.235.2.2 方案及關鍵技術.235.2.3 應用成效.246 未來展望.25第 5頁,共 25頁1背景背景在“東數西算”等國家發展戰略的牽引下，我國開始邁進算力時代，構建智能算力網絡成為未來網絡發展的愿景。中國電信作為建設“數字基礎設施”的中堅力量，實施了“云改數轉”等戰略，率先建成了一二干融合的基于可重構光分插復用（ROADM）技術的骨干全光交換網絡、覆蓋全國主要城市和重要互聯網數據中心（IDC）的端到端全光

6、傳輸網絡、覆蓋城鄉的光纖到戶（FTTH）全光接入網絡。面對光網絡向超大組網、超長距離、超大容量及高維度全光交換方向發展的新趨勢，傳統運維模式已難以應對網絡數據指數級增長和需求復雜多變的挑戰，AI驅動的智能光傳送網絡正加速演進為新一代光網絡的核心技術底座，持續夯實數字中國建設的網絡根基。圖 1 智能光網絡發展階段20世紀70年代光網絡開始商用以來，智能光網絡的發展經歷了傳統光網絡、軟件定義光網絡（SDON）和智能光網絡三個階段，如圖1所示。傳統光網絡是點到點的傳輸網絡，主要是網管控制的人工運維；2008年左右，網絡由人工控制逐步轉化為自動化控制，其特點是電層自動交換光網絡（ASON）、光層自動交

7、換光網絡（WSON）；2016年，軟件定義網絡（SDN）開始全球廣泛商用部署，并被引入光網絡。近幾年，智能管控、通感一體、數字孿生和人工智能等創新技術，使光傳送網絡在的全生命周期中實現智慧化運營，形成一張架構穩定、智慧敏捷、行業領先的智能光傳送網絡。當前光傳送網智能化普遍處于L3+級（條件自智），基本上所有執行和感知類的任務都由系統自動完成，部分分析和決策類的任務由系統根據人工定義的策略自動完成，但還面臨管控開放程度低，數據質量低、AI使能弱和全生命周期閉環管理能力弱等挑戰。目前中國電信持續升級光傳送網的建設，積極推動光傳送網智能化程度突破L4級（高級自智），實現光傳送網全生命周期的意圖識別、

8、智能分析、高效決策、自動執行的智能化目標，為數字中國建設構筑全光智能底座。第 6頁,共 25頁2AI 驅動的驅動的光光傳送傳送網網2.1定義及內涵AI驅動光傳送網（AI for OTN）的智能化轉型，以智能管控為基礎，深度融合數字孿生、通感一體和人工智能等新技術，形成“三層原生光智能”架構，包括網絡智能、運營智能和業務智能。原生光智能基于原生在網絡各層次中的AI技術全面賦能光網絡“規劃、建設、維護、優化、運營”全生命周期全流程，使網絡規劃更精準地預測業務需求、網絡建設更高效地安裝調測，網絡維護更快速地處理故障、網絡優化更及時地發現和調優隱患、網絡運營更敏捷地滿足多樣性業務訴求，從而實現AI時代

9、的智能光傳送網。2.2新需求當前，光傳送網規模龐大，提供快速和差異化的服務來提升用戶感知并實現業務收入的增加、提升網絡運行質量增強用戶粘性、提升網絡運維效率并降低運營成本是AI驅動光傳送網絡的重要內容。智能管控、通感一體、數字孿生、智能體（Agent）、大小模型等技術與光傳送網絡的結合為網絡智能化提供支撐，從而滿足光傳送網絡“規劃、建設、維護、優化、運營”全生命周期需求：規劃與建設：構建高可靠、低時延、敏捷的網絡。具備需求分析、規劃模擬、資源模擬，路由預演，業務匯總和資源匯總等能力。維護：提升故障處理效率。具備故障智能根因分析能力，并通過大模型實現交互式運維助手和精準故障定位、光纜遭遇外破場景

10、提前預計與定位，動態建路等能力。優化：實現網絡隱患的自動識別和主動優化。具備在纖纜層自動識別光纖同溝/同纜，主動優化路由。在網絡層評估光鏈路光性能，并主動調優，主動預警時延繞路等風險，開展拓撲優化。運營：實現分鐘級業務發放和差異化服務水平協議（SLA），具備快速業務發放，業務一體化動態拆建、客戶極優體驗（自助服務率、開通體驗提升率）等能力。2.3新架構光傳送網通過構建原生智能深度賦能的網絡智能化體系，向全域智慧化新范式演進，實現光傳送網絡全生命周期智能化轉型。在新一代云網運營系統框架下，光傳送網絡以原生光智能為根基，深度融合智能管控、通感一體、數字孿生和人工智能等新技術，形成“三層原第 7頁,

11、共 25頁生光智能”架構，為千行百業提供“自進化、自優化、自安全”的全網智能服務，如圖2所示。圖 2 光傳送網智能化技術架構在網絡智能網絡智能層層，通過融合光時域反射（OTDR）、分布式振動傳感（DAS）、數字信號處理（DSP）等技術、嵌入AI實時推理能力與原生算力，實現光纖鏈路多維度的精確感知、數據快速采集以及設備的劣化分析、自動調優等。為加速技術落地，業界正聯合研制智能光模塊與板卡，并已在骨干網絡與數據中心互聯場景中試點部署，推動光傳送網從“被動響應”向“主動感知-決策-優化”的智能化躍遷。在運營智能運營智能層層，通過數字孿生、人工智能與大模型技術深度融合，構建覆蓋全域的智能化管控體系，基

12、于智能體技術，實現聯接智能調度、網絡健康度動態評估、故障精準溯源與端到端協同管理?；诙嘀悄荏w協同架構，實現網絡資源的動態博弈與全局最優配置?；陂_放架構整合多廠商設備能力，支持靈活策略生成與自動化運維閉環。當前業界正聯合產業鏈開展關鍵技術攻關，并在現網多場景試點驗證網絡自愈、資源優化等核心能力，推動網絡運營從“人工干預”向“意圖驅動、自治閉環”的智能化轉型。在業務智能層業務智能層，通過智能化能力與業務場景深度融合，實現業務全生命周期的自動化、精準化服務?；谥悄荏w技術構建業務流協同管理框架，實現復雜場景的實時決策與意圖理解；基于算力動態調度算法，構建動態感知與智能決策體系，自適應匹配業務需求

13、與底層資源，保障服務鏈路的彈性與效率，支撐業務敏捷發放、SLA風險預判及資源彈性調度，構建“需求-策略-執行”的智能閉環，推動業務體系從“應答式服務”向“主動服務”升級。第 8頁,共 25頁2.4新技術2.4.1智能管控早期的電信網絡的網絡管控主要聚焦于設備的監管方面。隨著網絡規模的不斷擴大、網絡結構的龐雜及對應用服務的差異化需求增加等，傳統地依賴人工的網絡管控難以滿足大規模、高彈性、智能化的管理要求。與此同時，AI、大數據、云計算、數字孿生等技術不斷發展和成熟，為提升網絡管控能力和運維效率帶來了新的方法和機遇。這些技術在特性挖掘分析、動態策略生成、高效數據計算、精準彈性服務等方面具有天然的優

14、勢，如何將這些技術和ASON/WSON、綜合管控結合來共同為網絡賦予新動能，是電信領域技術創新的一個重要方向，光傳送網的智能管控思想也由此孕育而生，如圖3所示。圖3 智能管控編排系統總體架構示意圖1）ASON/WSON技術技術光傳送網發展和應用早期階段，其僅支持通過網管進行網絡管理和配置，網絡智能化特性十分薄弱。隨著光網絡規模日益增大，光網絡的控制平面與管理平面分離，網絡資源的控制能力逐步增強。光傳送網的控制平面技術包括電層ASON和光層WSON，ASON技術對電層VC/ODUk顆粒進行調度，在以電交叉為主的網絡中得到了廣泛應用；WSON技術對光層波長級業務進行調度，可實現節點、拓撲和資源的自

15、動發現。WSON技術使物理層設備具備靈活建立連接的能力，實現業務的一鍵式開通；在發生故障時，可以快速建立新路徑，實現業務的快速恢復。隨著網絡規模的超大化、業務的云化，以及新型業務對高品質和差異化服務訴求的提升，第 9頁,共 25頁早期部署的WSON存在大網管理能力不足、重路由恢復時間不確定、跨域互通較難等挑戰。通過引入通感一體、數字孿生、人工智能等技術，可提升網絡利用率、提高魯棒性、縮短業務重路由時間以及保證業務可靠性，同時在協議、光學波長選擇開關（WSS）器件、光放大器、光模塊方面的技術創新，將推進毫秒級WSON技術落地，進一步推動光傳送網的智能化演進。2）綜合綜合管控技術管控技術在當前光傳

16、送網管理和控制相互分離的管控架構下，網管系統與控制器之間存在著網絡數據同步、對象模型不一致、管控功能上的交叉、重疊等問題，給新型管控技術的部署帶來不便。同時，考慮到網絡切片管控、多層多域管控和業務端到端管控等新需求的驅動，以及網絡運營智能化、業務域和運營域融合、云網融合等各種網絡熱點技術的發展，對綜合管控的需求越來越明確。光傳送網智能化過程中將傳統模式下的網管功能和基于SDN理念的多層多域的管理控制功能融為一體，實現對轄區網元及網元連接的集中統一管控；基于全網視野協調與控制所有網元的活動，統一調度網絡資源、處理網絡狀態變化；借助AI和數字孿生技術的能力，實現維護簡單化、智慧化、自動化，使網絡始

17、終處于正常高效的服務狀態，保障網絡服務能力和質量的持續性。2.4.2通感一體通感一體技術基于既有光傳送網絡，利用物理層感知器、高效數據采集及信號解析技術，實現網絡感知、業務感知、環境感知，如圖4所示，顯著提升網絡韌性，為光傳送網智能化提供強有力的數據信息支撐。圖4 通感一體技術架構1）精確感知技術精確感知技術網絡感知方面，由于光纖散射的強度、頻率、相位和偏振態等參數與光纖周邊環境密切第 10頁,共 25頁相關，使得光網絡具備天然的通感一體化能力?；诠饫w傳感技術，將溫度、應變等物理量沿光纖的空間分布轉化為時域/頻域特征參數，通過光時域反射或光頻域反射技術實現空間定位，可在米至百公里范圍內實現光

18、纖的質量感知、同路由風險感知等，實現數字化、智能化監測運維，提高運維管理效率和靈活性。此外，基于相干光傳輸系統的前向DSP感知技術，通過處理數字相干接收機信號的偏振態（SOP）、相位及非線性特性等參數，可實現光纖縱向分布的光功率分布、色散（CD）、放大器增益傾斜等物理鏈路參數估計。業務感知方面，通過設備內置高性能的業務流分析能力，可實現毫秒級的流量突發感知，通過報文流量的統計特征分析（速率/包長/包間隔）或終端設備隨流攜帶的應用標識，可實現應用識別，結合不同應用特點對業務進行應用級SLA保障。面向波長級業務，基于物理模型和機器學習模型構建光性能感知能力。環境感知方面，結合光纖傳感技術，通過挖掘

19、既有光纖網絡的物理層特征參量，面向光纖復雜外部環境和業務場景化應用要求，構建通信-感知協同創新機制。一方面及時發現陸纜光纖被施工挖斷、海纜光纖被拋錨影響等網絡故障風險，另一方面通過解調振動、溫度、應力等多維物理場信息，并依托高靈敏度與廣域覆蓋特性，為城市交通態勢感知、橋梁健康監測及海底地震預警等場景提供感知預警能力。該技術驅動了“光纖即傳感器”的新型基礎設施變革，為空天地海全域智能監測網絡構建提供了關鍵技術支撐。此外，通感一體技術融合傳感與人工智能、數字孿生等技術，從通感數據中提取更多特征信息，減小誤報，實現高精度、智能感知處理能力。2）高效數據采集技術）高效數據采集技術精確感知的基礎是數據準

20、確和及時，因此必須提高數據的采集量和采集效率。傳統方式采用“拉模式”，即信息接收者主動從信息發送者請求所需的信息的方式，數據采集效率比較低，一般為分鐘級、小時級，欠豐富的數據量無法滿足精確感知的需求。網元設備通過“推模式”周期性地主動向采集器傳送各種性能、告警等信息，相對傳統“拉模式”的問答式交互功能，提供了更實時、更高速和更精確的網絡監控功能。遙測技術（Telemetry）是一種基于“推模式”的網絡監控技術,通過周期性采集設備狀態數據并主動上報至采集器，實現秒級甚至亞秒級的實時監控。面對大規模、高性能、實時、全路徑網絡數據監控需求，基于Telemetry的高效數據采集技術呈現出強大優勢。第

21、11頁,共 25頁2.4.3數字孿生光傳送網數字孿生以“虛實映射、智能閉環、全域協同”為核心，構建分層解耦、跨域融合的技術體系，涵蓋數據層、模型層、服務層、交互層四大層級，其通過對物理網絡中的網元實體及光纖鏈路進行全要素建模，構建與物理網絡實時映射的數字鏡像系統。該系統通過物理層與數字孿生系統間的雙向實時交互，實現對光傳送網全生命周期的仿真推演、性能評估及迭代優化，最終形成“物理網絡-數字孿生體-應用服務”的閉環協同體系，支撐光網絡全生命周期智能化管理。光網數字孿生系統遵循分層解耦架構，由網絡層、數字孿生層、網絡應用層構成，如圖5所示，各層通過標準化接口實現數據交互與功能協同：圖5 光網絡數字

22、孿生架構圖1）光傳送網網絡層）光傳送網網絡層作為物理實體層，承載光信號傳輸的基礎設施，包括網元設備、光纖鏈路及底層硬件資源，其中，網元可以是傳統網元，也可以是智能網元。該層通過北向接口向數字孿生層實時輸出網絡運行數據（如鏈路帶寬利用率、設備溫度、信號衰減值、鏈路時延等），同時接收來自數字孿生層的控制指令（如資源調度策略、設備配置參數等），實現物理網絡與數字空間的雙向映射。2）光傳送網數字孿生層（核心功能層）光傳送網數字孿生層（核心功能層）光傳送網數字孿生層支撐網絡智能化和運營智能化，包含數據層、模型層以及數字孿生第 12頁,共 25頁管理，其中數據層是基礎，通過研究光傳送網多維度、實時、精確感

23、知技術，采集孿生體對應的光網實體從設計、規劃到運維、優化全生命周期的狀態與性能數據，實現數字化、智能化監測運維，高效支撐系統建模和數據分析。模型層是核心，包括基礎模型和功能模型兩大類，囊括了仿真、評估、預測、驗證的各類模型，其可通過機理驅動方法、數據驅動方法和機理-數據混合驅動方法實現等。數字孿生管理負責完成孿生體全生命周期服務管理、模型管理、數據管理和仿真管理。3）網絡應用層）網絡應用層面向全生命周期場景，集成數字孿生層輸出的能力，形成具體應用模塊，并在網絡應用層應用如：網絡規劃和建設應用：基于數字孿生體仿真網絡擴容方案，評估新建鏈路對現有系統的影響等；網絡維護應用：實時監測網絡異常，通過故

24、障模擬模型提前定位潛在風險點等；網絡優化應用：控制光信號傳輸過程中的配置以優化整體傳輸性能；網絡運營應用：孿生業務特征，驗證新型業務（如超低時延專線）的網絡承載能力，加速業務上線等；光傳送網數字孿生通過“數據實時映射-模型精準推演-決策智能閉環”，實現從規劃到運維的全流程全周期數字化可視，降低人工巡檢成本，提升網絡透明度；通過故障預測與性能仿真，提前識別網絡瓶頸，將被動運維轉為主動優化。既保障了底層數據采集的實時性，又滿足上層應用的靈活性，為光傳送網的智能化升級提供了可擴展的技術框架。2.4.4人工智能小模型、大模型等技術與智能體結合，可使光傳送網系統具備自動分析、自主決策、動態優化的自智管控

25、能力，如圖6所示，其目標就是實現業務的動態自動調度、故障的智能診斷與修復、網絡隱患的主動識別與保障等，從而構建高效、可靠、自適應的智能光傳送網絡。第 13頁,共 25頁圖6 光傳送網絡智能體架構1）小模型技術小模型技術AI小模型適合特定任務，針對每個任務的目標和特點，選擇線性回歸、邏輯回歸、決策樹、聚類以及輕量級深度學習等算法進行訓練和推理。在光傳送網自智中，AI算法可以提升網絡風險識別能力、增強故障定位效率等，例如：光纖同路由風險識別中，首先通過硬件探測光纖數據，再通過AI算法提取光纖特征，并對不同光纖的特征進行相識度分析，從而實現光纖同路由檢測。故障原因識別中，光模塊可以采集故障發生前的高

26、精度功率曲線數據，通過AI分類算法識別數據特征，區分出對端掉電、光纖彎折、松動等不同故障類型。2）大模型技術大模型技術將大模型的感知、推理、生成能力應用于光傳送網，實現網絡狀態感知智能決策動態優化的閉環，結合光傳送網數據源構建運維大模型。在故障處理場景，用統一的自然語言交互入口，降低裝維使用門檻，提升排障效率；在業務發放場景，實現交互式的路由意圖調整，滿足用戶多樣性、定制化需求。構建光傳送網運維大模型的主要技術包括：預訓練語料治理：對光傳送網絡領域數據源進行分類，通過文本提取、標準化、去重、濾毒等操作將語料處理成未標記的文本數據并訓練語言模型，使模型能夠學習語料的普遍規律和結構，實現模型在光傳

27、送網領域的泛化能力和語言理解能力。電信語料增量預訓練：光網絡領域和通用領域數據集在分布特征上具有一定的差異，分層治理電信域知識、光領域知識、通用語料，制定訓練參數和訓練策略，使其融合大量光領域電信專業知識。高質量數據微調：基于分層的業務邏輯結合業務場景構建數據集，通過指令微調讓大模型進行學習并激活預訓練的知識內容，知道如何理解和回答用戶問題。知識問答：將產品文檔、操作手冊、運維案例等知識治理后存儲在向量數據庫中，在知識問答過程中通過將檢索到的相關知識片段輸入給模型，提升模型回答的正確性和專業性。第 14頁,共 25頁思維鏈排障：構建模型的復雜任務規劃能力，使得模型能夠理解故障場景，生成排障方案

28、，分解排障步驟，輸出完整的排障思維鏈進行故障的自動化定界定位。3）智能體技術智能體技術光傳送網智能體是一種基于人工智能和自主決策能力的網絡管理技術，其核心思想是賦予網絡“自主意識”，通過智能體的感知、學習、推理和行動能力，實現光傳送網的自優化、自配置、自修復和自保護。光傳送網智能體技術架構設計聚焦光層智能運維場景，在傳統SDN控制架構中嵌入AI決策引擎，構建感知-決策-執行-優化閉環體系，其架構設計與實現路徑如下：意圖管理：識別用戶業務需求，通過AI模型推理將業務需求轉換為光路策略意圖。網絡感知：實現對任務意圖相關光傳送網狀態信息的實時查詢，包括但不限于網絡拓撲、業務配置、設備狀態、告警、性能

29、等。任務規劃：基于AI模型推理能力，將光傳送網任務意圖拆解為多個子操作。行動：根據具體操作選擇適當工具，自動調用相關工具或接口執行操作。例如，調用OTN設備北向接口執行光通道重構（波長調諧、功率均衡）、ASON控制面協議觸發保護倒換等物理層操作。反思與自優化：基于光傳送網評估模型分析評估智能體的歷史決策過程與行動結果，自動調整優化智能體的策略、參數等。記憶：負責存儲和處理智能體運行過程中的各類信息。短期記憶（STM）存儲智能體當前感知且需用于執行復雜認知任務的信息，例如毫秒級性能信息等。長期記憶（LTM）可存儲數天至數月甚至數年的長期信息，例如告警信息等。多智能體協作：基于多智能體協同，實現光

30、傳送網資源的動態分配與全局最優配置，同時也可以完成不同層級或不同應用場景下多智能體間的協作。3網絡智能網絡智能 典型應用典型應用及技術方案及技術方案3.1 光纖智能感知3.1.1現狀及挑戰光纖網絡面臨外力破壞頻發、業務瞬時閃斷、定位困難等突出問題。此外，由于光纜擴容、割接、標簽丟失等，數據難以實時更新，物理網絡和邏輯網絡可能存在偏差，有同路由第 15頁,共 25頁風險，而一旦業務主備路徑位于同路由易引發業務雙斷，形成網絡孤島風險。目前存在人工巡檢，智能化水平低的問題，亟需突破光纖態勢精準感知、資源智能管理及故障高效診斷等關鍵技術，解決運維低效、安全隱患與用戶體驗失衡等核心矛盾，保障光傳送網安全

31、可靠運行。3.1.2方案及關鍵技術基于通感一體技術的光纖監測方案，如圖7所示，采用物理層、數據層、模型層、管控層及應用層五層協同架構，形成光網絡智能感知閉環體系。物理層依托光纖傳感技術，以光纖本體為傳感器，實時采集應變、溫度、振動等多維物理量，實現全域環境感知。數據層通過標準化接口協議實現設備互聯，完成數據清洗、格式轉換與高效傳輸，保障數據可用性與一致性。模型層基于機器學習與深度學習算法，構建多場景分析模型，支撐光纜損傷預測、外力破壞識別等核心功能。管控層通過動態資源調度與安全監控機制，統籌系統運行，利用南北向接口實現數據流與業務流協同控制，支持模型參數動態調整與算法靈活部署。應用層結合業務需

32、求，將模型分析結果轉化為預警決策、運維優化等實際服務。圖7 光傳送網絡智能感知整體技術方案3.1.3應用及成效當前，國內外廠商和運營商都在積極探索基于通感一體的光纖智能感知應用。針對地埋光纜存在施工等外力破壞的風險，中國電信在省公司部署了光纖傳感系統，基于-OTDR技術采集不同振動時光纖探測樣本數據，通過AI算法實現不同外破模式的識別，事件的平均準確率大于90%。針對光纜同路由風險的問題，中國電信在省公司開展了技術驗證，使用第 16頁,共 25頁-OTDR同時檢測兩根纖芯，結合AI算法，通過兩條光纜振動的相似度自動識別是否同路由，準確率大于90%，定位精度小于10m，可以在不開井、不損害光纜的

33、前提下判斷同路由風險。新型的光纖傳感系統采用故障識別算法分析故障原因，結合業務系統實現分鐘級故障上報，可實現“監測-識別-定位-處置”全流程智能化閉環。通過構建光纖智能感知網絡，將突破傳統人工巡檢局限，有效提升網絡可靠性與運營效率，助力光網絡運維智能化演進。當前，光網絡通感一體正向高速、長距離、實時、多參量通感融合演進，追求高精度、高可靠、智能化感知，通過引入數字孿生技術構建自智網絡實現網絡自評估和自決策，加速云網自智。此外，隨著通感一體技術從電信運維向更廣泛場景延伸，光纖可以同時感知光纖內部物理狀態與外部環境，構建高可靠、可感知、全連接的全域智能感知光基座。3.2 網元智能優化3.2.1現狀

34、及挑戰當前，光傳送網智能網元實現了硬件升級與多維感知能力躍升，可支持毫秒級光參量采集及高精度AI推理。然而，其發展仍面臨網元計算能力（網元算力）與功耗矛盾、海量數據實時處理瓶頸、模型泛化不足以及跨廠商協同壁壘等核心挑戰，亟需通過芯片制程優化、增量學習框架及標準化生態構建實現技術突破。3.2.2方案及關鍵技術智能網元相比非智能網元在算力方面增加了AI計算板卡，與網絡上其他網元算力高效協同，滿足網元內部和上層智能應用的AI計算訴求，并根據業務場景按需擴展網元算力；在數據感知方面，相比非智能網元部分光性能參數分鐘級上報，智能網元能夠實現光功率、BER、OSNR等全量光性能參數毫秒級別采樣上報，為打造

35、數字化智能光纜網提供數據基礎；在AI模型方面，智能網元通過基于AI模型的功率曲線、性能劣化AI模型對光纖閃斷故障類型分類和對網元進行健康度分析等。智能網元從感知面、管理面、計算面維度提供3大核心能力，如圖8所示。在感知面上提供光/電層參量的完整感知體系，毫秒級感知、秒級/分鐘級上報；在管理面上提供網元算力發現和網元算力調度的能力；在計算面上通過網元內生計算能力，結合內置的網絡感知、網元健康度預測等模型完成AI推理和計算。當前，業界正研制智能光模塊與板卡，并逐步從試點到商業部署演進，實現光傳送網智能化。第 17頁,共 25頁圖8 智能網元能力3.2.3應用及成效智能網元在光傳送網數字化與智能化轉

36、型中展現出顯著價值?；诤撩爰壒庑阅軈挡蓸优c多維度感知能力，智能網元可實時捕獲光纖閃斷、激光器掉電和瞬間抖動等突發異常，結合內置的AI模型精準判斷故障類型與位置，實現“分鐘級定位”；當網元處于亞健康狀態時，數字孿生系統根據采集的數據，基于AI算法進行多種優化方案的模擬仿真，對優化效果進行分析并驗證無誤后再生成最優策略，以實現分鐘級網元自動化策略的生成、驗證和配置。未來，將基于數字孿生和AI技術，構建傳送網能耗模型，持續監測識別熱點功耗節點、區域，實現網元級能耗仿真及預測，在不影響業務的前提下，降低傳送網設備及板卡功耗，使網元能耗最優化。4運營智能運營智能 典型應用典型應用及技術方案及技術方案

37、隨著SDN技術的普及，光網絡的運營呈現“集約+開放”特性，可進行多域多廠商統一管理，北向能力開放，并通過統一定義與傳輸設備交互的數據接口，從源頭提高網絡數據的質量。要實現運營智能，智能管控系統是基礎，其需具備：1）開放管控架構，進行多廠商統一管控、數據開放、管理開放、以及各種智能化能力開放從而實現端到端的智能化；2）數據采集與整合能力，通過Telemetry技術實現高速數據采集，整合來自不同廠商和系統的數據，形成統一的數據平臺；3）智能分析與診斷能力：應用AI算法，對網絡數據進行深度分析；4）自動化運維能力：通過意圖驅動網絡，將用戶的業務需求轉化為具體的網絡配置第 18頁,共 25頁指令，提高

38、網絡配置的靈活性和響應速度；5）可視化管理能力：通過圖形化界面展示網絡狀態和關鍵指標，提供直觀的網絡視圖。4.1 光傳送網故障溯源4.1.1現狀及挑戰隨著光網絡規模和復雜性的爆炸式增長，傳統的人工操作和維護方法無法滿足當前網絡的維護效率要求，特別是在網絡故障定位方面。因此，實現智能高效的故障識別至關重要。目前故障溯源的挑戰集中在以下方面：1）網絡多層耦合，物理層光纖故障可能引發業務層中斷，動態組網技術導致傳統靜態規則失效；2）數據瓶頸，海量告警信息中存在噪聲干擾，跨域數據孤島阻礙全局分析；3）隱性故障（如光纖微彎損耗）難以實時捕獲；4）分鐘級故障恢復需求對實時處理提出更高要求；5）技術局限性，

39、AI模型對新型故障適應性不足；6）高精度監測技術成本高昂等制約運維效率等。4.1.2方案及關鍵技術故障根因分析方案通過解析光網絡告警大數據，構建時空關聯規則模型實現智能故障定位，其架構如圖9所示。系統首先實時采集網管告警數據流，執行包含關鍵字段提取、數據格式歸一化、標簽標注及時間間隔統計分析的多層次預處理；繼而通過數據過濾環節篩選出高價值告警數據，運用時空維度聚類分析算法進行數據切片生成故障事件單元。在故障定位環節，基于告警關聯矩陣構建Apriori/FP-Growth算法模型挖掘潛在規則，建立置信度權重評估機制，規則置信度與告警根因概率呈正相關，據此實現告警數據智能壓縮。隨后構建卷積神經網絡

40、（CNN）等AI算法型完成故障分類與精準定位。最終，綜調系統/APP集成大模型AI智能助手，為運維人員提供故障處置決策支持。第 19頁,共 25頁圖9 光傳送網絡智能故障分析及定位方法流程圖4.1.3應用成效中國電信自研故障溯源方法在山東和浙江等地現網試點，其中故障溯源在山東試點覆蓋達到1500以上傳輸設備節點，采集光網絡現網百萬量級告警數據，故障壓縮率達80%以上，故障溯源分類準確率90%，定位準確率90%。未來，強化大模型賦能，通過“網絡大模型+專業小模型”協同，故障精準溯源、提供處置建議、輔助人工決策，在網絡故障發生時，實現1分鐘發現、5分鐘定位、10分鐘處置的目標，提升網絡運營效率，繼

41、而提高上層業務質量。4.2 光層性能智能評估4.2.1現狀及挑戰隨著數字化發展的加速，網絡規劃對計算能力和數據的需求激增，光傳送網的物理層性能評估是一個復雜且多維的場景，需要面對高帶寬需求、復雜性增加、動態變化等現狀，具體挑戰包括：1）復雜物理過程：性能評估受各種光器件引入的物理損傷（如光纖引入色散、非線性等）影響，需要精確感知并進行建模。2）非平穩網絡環境：光器件的制造工藝、使用周期以及安裝環境具有不確定性，需要高效的算法來分析大規模實時監測數據。3）多目標優化：需要在多個目標（如最大化帶寬利用率、最小化延遲和誤碼率等）之間找到最優平衡。4.2.2方案及關鍵技術光傳送網性能評估的目標是利用人

42、工智能算法實現光傳送網絡物理層傳輸狀態精確掌握，完成性能評估和預測。光傳送網性能評估基于機器學習方法的強大數據挖掘能力，發掘光物理層參數與光路傳輸質量之間的映射關系，學習信道狀態與傳輸質量間的非線性關系，在模型收斂后快速計算并確保計算復雜度與精確度間的均衡。具體方案如圖10所示，基于AI的物理層傳輸性能評估技術首先基于現網網管和設備進行數據采集，而后對數據集進行整理、清洗，最后將清洗后的數據集分成訓練集和測試集，訓練集用于訓練基于AI的性能評估模型，測試集上的模型精度用于評估模型，從而實現對已部署或者未部署光路的自動性能評估，可實現按需配置、實時監測及自動調優，確保資源利用的最大化與網絡安全的

43、動態第 20頁,共 25頁保障。圖10 光傳送網性能評估技術路徑4.2.3應用成效當前網絡運營中，光路狀態具有不確定性，光路傳輸質量難以感知。業界正在積極探索基于AI模型的光傳送網性能評估方案，利用CNN和Transformer等AI算法實現光物理層參數與光路傳輸質量的復雜映射。目前中國電信已完成自研模型搭建及實驗室驗證，并在現網試點中驗證模型評估準確度小于0.5dB?；贏I的光傳送網性能估計技術能夠實現光傳送系統的規劃設計、性能實時估計和未部署光路性能預測，提升重路由恢復成功率90%，支撐網絡主動運維和資源動態優化。4.3 WSON智能優化4.3.1現狀及挑戰隨著網絡逐年擴容，網絡節點數、

44、復雜度隨之攀升，并伴隨著光纖信道的不斷劣化，重路由恢復時波長沖突的問題突出，恢復時長與成功率下降，分布式計算的控制平面難以應對越發復雜的網絡情況，局限性越發顯著。為此，中國電信提出“集中算路+分布式控制”的技術方案，并聯合設備廠家完成設備開發，進行了骨干ROADM網絡的升級。這一技術方案的實現需要攻克多個關鍵技術挑戰，包括集中算路節點的算路性能挑戰、集中算路節點及大網的可靠性挑戰以及WSON控制平面大網測試挑戰。4.3.2方案及關鍵技術為了保證路由計算準確性及大網高可靠性，在集中式路由計算單元引入路由AI芯片，解決風險共享鏈路組的資源沖突和重路由的業務沖突，結合分布式WSON并行計算，實現全第

45、 21頁,共 25頁局最優解。在網絡仿真系統中部署孿生模塊進行多點故障模擬，確定最佳恢復策略，實現單點故障恢復率100%，通過采集在線數據孿生可視的1:1數字網絡，實現業務規劃驗證與故障預測，保證所有配置可100%按預期打通。同時，“集中算路+分布式控制”的WSON控制平面系統還可基于提前計算的全網業務恢復路由對網絡進行在線生存性分析，在故障發生前提前消除隱患，提高網絡運維效率及網絡可靠性，而在C+L系統中還可基于Dummy Light假光技術實現恢復路由的站間、站內故障和損耗監測，實時評估恢復路由的可用性，在發現恢復路由性能劣化時基于OSNR損傷建模計算滿足光傳輸性能要求的恢復路由，保證故障

46、后的一次恢復成功率。未來ROADM網絡WSON能力的演進方向，是保證超高可靠恢復能力的同時，進一步縮短重路由恢復時間，在協議、WSS器件等多方面都進行技術攻關，從秒級動態重路由恢復降低至百毫秒級。4.3.3應用成效2024年，中國電信已完成華北和華南兩張100G ROADM區域網的“集中算路+分布式控制”創新升級工作。通過集中算路+分布式控制的升級，現網故障和割接恢復能力有明顯的提升：1）降低波長資源沖突率，波長沖突率由35%降低到4%。集中算路+分布控制，全網資源統籌管理，不同業務的恢復路徑協同計算，單點故障波長沖突率降為0，多點故障波長沖突率也顯著下降，業務恢復性能提升明顯。2）故障時免實

47、時算路，提升業務恢復性能。在故障發生前進行路徑計算，故障發生時直接根據提前計算的恢復路徑建路，提升了業務恢復性能，故障和割接恢復時間提升到秒級。3）不改造硬件，組網規模提升6倍。全光ROADM組網分期建設，持續擴容部署新網元。由于站點設備硬件能力和支持的組網能力存在差異，通過設備資源分區管理+路徑集中計算機制，降低對單設備的硬件依賴，利用存量老設備可支持網絡擴容平滑演進。第 22頁,共 25頁5業務智能業務智能 典型應用典型應用及技術方案及技術方案5.1 OTN業務流量預測5.1.1現狀及挑戰近年來，網絡流量不僅呈現出爆炸式增長的趨勢，還有高復雜性和高突發性等特征，網絡流量預測是保護網絡穩定性

48、和提升用戶服務質量的重要技術。當前，流量預測技術主要用于三方面：一是動態資源調度，通過時間序列模型預測業務峰值，提前分配網絡的波長與頻譜資源，降低擁塞風險；二是故障預防，結合SDN技術實時比對預測閾值，觸發保護倒換；三是智能化決策，利用數字孿生模擬網絡擴容方案，優化路由策略。核心挑戰有以下三方面：1）數據與實時性瓶頸，流量受業務類型、用戶行為等多因素影響，特征提取復雜，且算力網絡等場景需毫秒級響應，傳統模型計算效率不足；2）多業務適配難題，不同業務周期性和突發性特征差異大，單一模型難以兼容，跨域數據孤島進一步限制分層建模；3）模型局限深度學習黑盒化導致決策可信度低，模型泛化能力不足。5.1.2

49、方案及關鍵技術流量預測是利用歷史性能數據，實現對未來指定時段流量值的預測分析。其通過管控系統采集政企用戶的收發包數，針對不同政企客戶，自動分析其流量的周期性、自相關性等特性。針對周期性較明顯，流量變化較平穩的用戶，可用傳統時間序列預測方法；針對周期性不太明顯、混沌性較高的用戶，可用基于CNN，遞歸神經網絡（RNN）等的AI技術進行預測；針對峰值持續時間極短且隨機、周期性不穩定的用戶，可使用基于傳統時間序列的白盒和基于機器學習的黑盒相結合的灰盒模型，該模型既有機器學習強大的擬合能力，也有基于傳統物理模型預測趨勢和緊急情況的能力，預測結果如圖11所示，業務流量預測的歸一化誤差小于0.1。第 23頁

50、,共 25頁圖11 政企用戶流量預測圖5.1.3應用成效中國電信流量預測方案已在接入型OTN統一管控系統（UMS）上加載，最多可監測上萬條業務的流量變化，均方誤差0.1。針對不同的用戶場景，該方案可提供差異化、精細化的高質量服務，利用準確的流量預測刻畫精確的用戶畫像，提供高質量業務服務。該方案可通過預知流量變化趨勢、動態規劃網絡資源、智能化地選擇路由、擴容傳輸管道，從而節省人力資源、降低網絡運營成本和提高服務質量，提升用戶體驗感，最終保障網絡穩定運營。5.2 智算業務智能承載5.2.1現狀及挑戰隨著大數據、人工智能和云計算等智算業務的迅速發展，智算中心對光傳送網絡的要求越來越高，傳統光傳送網絡

51、面臨一系列挑戰：1）智算中心的帶寬需求不斷增長，傳統的光傳送網絡無法快速動態調節資源以適應實時業務需求，導致資源浪費或不足，無法滿足高負載、高動態應用的需求。2）智算中心的應用場景多樣，既需要超低時延的實時計算，又要求高帶寬的支持，現有網絡架構無法根據不同的業務需求動態調整資源，導致網絡資源的利用效率較低。3）網絡的容錯能力和故障恢復能力不足，不能有效應對鏈路故障或流量擁堵等問題，無法保證智算中心業務的連續性。因此，面向智算業務的光傳送網絡需要實現智能化，以提高資源的動態調度能力、容錯能力和故障恢復速度，滿足智算中心的高效運作需求。5.2.2方案及關鍵技術為應對智算中心在高帶寬、低時延、高可靠

52、性和靈活資源調度方面的嚴苛需求，光傳送網絡亟需全面邁向智能化，需要實現資源的自適應調度、鏈路的高可靠性恢復以及面向業務的網絡編排。其中，波長動態拆建技術與50ms WSON是當前的關鍵核心技術。波長動態拆建技術為光信道資源的按需分配提供保障。傳統波長配置通常為固定速率與數量，不具備彈性。該技術通過引入可變速率調制和實時業務識別機制，實現對單一波長速率的動態調整，支持從100G到800G的按需自適應，如圖12所示。同時，借助智能調度算法，可靈活分配參與特定智算任務的波長數量，從而根據業務負載動態拆建光通道，實現資源按第 24頁,共 25頁需部署與精細化運營。這一機制顯著提升了帶寬利用率，降低了整

53、體能耗，并有效避免資源閑置。圖12 面向差異化業務的資源分配50ms WSON技術則以面向服務恢復為核心，利用波長可切換的WSS器件、快速路由計算與快速DSP算法，實現毫秒級的光路重構。與傳統保護相比，WSON具備更高的鏈路恢復效率和更細粒度的服務保障能力。通過與SDN控制器聯動，可實現基于故障感知、業務優先級和網絡拓撲的動態路由重配置，確保關鍵任務在斷纖或節點故障情況下迅速恢復，極大提升網絡可靠性與業務連續性。在此基礎上，進一步引入AI驅動的智能調度系統，可通過對歷史流量、業務模式與故障日志的學習，實現預測性資源編排與負載均衡。此外，結合數字孿生，可進行業務仿真與路徑優化，提前識別潛在瓶頸。

54、SDN/網絡功能虛擬化（NFV）架構為這些技術提供了靈活的控制面支撐，使得光層資源可通過編程方式實時重構，真正實現從“靜態連接”到“智能調度”的轉變。5.2.3應用成效當前，中國電信在現網開展了基于50ms WSON的測試與驗證工作，針對兩個智算中心組網，設計了三條路由，并模擬了兩次光纖斷纖情況，均可以實現50ms的無損保護倒換，對訓練效率無影響，且能夠切換至對應的波道。面向未來，智能光傳送網絡將在智算中心展現顯著效能。通過波長動態拆建，網絡可根據實時業務需求靈活調整波長速率與數量，顯著提升帶寬利用率并支撐多任務并發調度。配合50ms WSON技術，光網絡在鏈路故障時可實現毫秒級快速重路由，確

55、保高優先級計算任務不中斷，顯著提升網絡可用性與業務連續性。預計波長動態拆建技術將隨著智算中心訓練與推理業務的快速擴展，有望優先在流量密集區域部署，提升帶寬資源的靈活調度能力；50ms WSON 技術則將率先應用于對可靠性要求較高的智算中心互聯及部分城域網互聯場景，待技術成熟后實現規?；茝V。第 25頁,共 25頁6未來展望未來展望信息通信技術處于加速融合、系統創新和智能引領的重大變革期，400G/800G骨干網技術、支持千億參數的大模型、光網參數毫秒級感知算法等，驅動光傳送網絡加速邁入智能時代。融合光纖通信和人工智能等技術，中國電信正在構建一張具備自配置、自優化、自修復能力的智能化光傳送網絡，

56、實現精確感知、深度分析、高效決策、自動執行、智能意圖識別等目標，為用戶提供零等待、零接觸、零風險的極致業務體驗，夯實光傳送網規劃、建設、維護、優化、運營全生命周期的數字化、智能化轉型。目前，光傳送網絡的智能化發展如火如荼，展望未來，隨著網絡規模的進一步增長和數字中國戰略的深入推進，光傳送網絡將向完全自智網絡方向發展，但仍存在許多挑戰需要面對。其中，智能管控技術正在朝著全生命周期自智的方向發展，但存在著廠家/數據異構等問題；通感一體正在朝著通感算長距一體化方向發展，但其實時性要求高和信號融合困難等問題亟待解決；數字孿生正在朝著動態自主孿生的方向發展，但仍然存在許多算法、技術需要業界共同合作和完善；人工智能正在往基于智能體的大小模型協同方向發展，但其可解釋性和高計算成本值得探討。在光傳送網絡發展歷程中，運營商、設備制造商、光器件和模塊廠商正在攜手合作，從創新合作、標準制定、樣機研發、試點驗證等不同方面，共同推動光傳送網絡的智能化發展。中國電信愿意繼續攜手產業合作伙伴，共建自主可控的光傳送網絡智能化的產業鏈。