【日本 6G 三线并进·第 3 篇】光通信 IOWN下光网络可视化 DSP 与光电融合摘要这是系列第 3 篇继续光通信线。上一篇拆解了物理层的“跑多快”这一篇转向系统层的“看得见、管得住、省得下”。核心内容NTT 如何将端到端光网络可视化功能集成到相干 DSP 芯片把计算负载降至传统方法的 1/100IOWN 光电融合PEC从 PEC-1 到 PEC-4 的完整路线图以及 APN 从骨干网走向数据中心和计算内部的实际落地。标签#IOWN#APN#光电融合#PEC#相干DSP#NTT#光网络运维一、从“跑得快”到“看得见”光网络运维的痛点第 2 篇讲了 NICT 430Tbps 传输和 NTT 200GHz 光电探测器解决的是光通信“能跑多快”的问题。但一条 1000 公里以上的光网络如果某个中继段出现损耗异常传统做法是派工程师到现场携带 OTDR光时域反射仪等专用测量设备中断业务或安排维护窗口进行测量。OTDR 通过向光纤发射光脉冲测量背向散射光的时间来定位故障点精度高但代价也大需要专用设备、需要人工到场、难以在通信不中断的情况下持续监测。对于 AI 时代动辄数千公里的数据中心互联光网络这种运维模式显然不可持续。NTT 的思路是能不能不依赖专用设备只用光收发器接收到的通信信号本身就能“看见”整条光路的功率分布如果做到这一点每一台光模块就同时成了一台“内置 OTDR”运维成本将大幅下降。NTT 此前已经开发了这种技术但有一个致命限制计算量太大只能在外部计算系统上做概念验证无法塞进光模块内部实用的 DSP 芯片里。第 3 篇的核心突破就是解决这个计算量问题。二、NTT 光网络可视化 DSP把“诊断仪”塞进光模块2.1 世界首次通信 DSP 芯片内的端到端可视化2026 年 5 月NTT 宣布成功将在役、端到端的全光网络可视化功能集成到相干 DSP 芯片中这是世界首次。该成果作为OFC 2026 Post-deadline Paper最高评分论文类别发表。核心效果仅使用接收端可插拔光收发器无需专用测量设备无需中断业务自动定位 1000 公里以上链路的网络异常端到端持续可见性显著提升光网络运维效率。从架构上看这个功能被实现在 NTT Innovative Devices 制造的800G 相干 DSP 芯片上搭载于小型可插拔光收发器OSFP 封装中。这意味着运营商不需要在网络上新增任何硬件设备只要升级光模块固件就能获得网络可视化能力。2.2 核心突破计算负载降至 1/100NTT 的关键创新在于专有算法将可视化所需的计算处理量降至传统方法的1/100。这个“1/100”为什么重要相干 DSP 芯片的算力资源极其有限主要留给信号解调、偏振解复用、自适应均衡等核心通信功能。网络可视化算法如果占用太多算力就会挤占通信性能。降低到 1/100 后可视化功能可以作为“附加任务”在 DSP 上并行运行不影响正常通信。具体算法细节 NTT 未完全公开但从公开信息可以推断其思路传统方法可能需要对接收信号做逐段、逐频的完整信道估计和反演NTT 的专有技术应该是利用了通信信号本身已经包含的信道信息通过某种低复杂度的方法提取出各段的损耗特征避免了冗余计算。2.3 与第 2 篇器件的协同第 2 篇的 NTT 200GHz 光电探测器解决的是“光-电转换的速度和灵敏度”第 3 篇的可视化 DSP 解决的是“光-电转换之后的信息处理”。两者配合构成了 IOWN APN 在物理层和 DSP 层的完整能力层面第 2 篇第 3 篇器件200GHz 光电探测器800G 相干 DSP 芯片能力高速、高灵敏度光-电转换在役网络可视化 通信解调目标支撑 3.2Tbps 光模块实现光网络“自诊断”三、IOWN 光电融合PEC从网络到计算内部的完整路线图光网络可视化 DSP 是“运维层”的突破。但 IOWN 更大的野心在于光电融合PEC不仅让网络用光还要让计算机内部也用光。3.1 PEC 的四个阶段NTT 的 IOWN 路线图清晰定义了四个阶段PEC-1IOWN 1.02023 年商用光电器件部署在网络连接点的中继设备和连接数据中心、服务器的网络系统中。这一阶段实现了骨干网的光化APN IOWN 1.0 于 2023 年 3 月商用。PEC-2IOWN 2.02025 年启动2026 年度商用PEC 器件开始进入计算机内部。用光配线替换计算机板卡之间的传统电气配线。NTT 在大阪·关西万博的 NTT Pavilion 上展示了使用 PEC-2 的光计算机原型功耗仅为传统系统的 1/8。PEC-3IOWN 3.0规划中同一板卡上芯片之间的通信转为光配线。CPU/GPU 等半导体封装之间的光配线化将带来“戏剧性的低功耗”。PEC-4IOWN 4.0约 2032 年光子技术进入芯片内部直接在芯片级实现光配线。3.2 PEC-2 的关键数据PEC-2 是当前最接近商用的阶段关键指标如下指标PEC-2 数据商用时间2026 年度中开始商用提供计算功耗传统系统的1/8已在大阪万博展示光配线距离缩短至约 30mm光开关容量102.4 Tbps单开关光开关功耗较传统方案降低 50%96W → 48W能效3.9 pJ/b光开关其中102.4 Tbps的容量值得特别关注NTT 社长岛田明在 RD Forum 2025 上指出最新 GPU 间通信速度约为 14.4 TbpsPEC-2 光开关的容量是其7 倍以上“对 AI 处理也能发挥充分性能”。3.3 最终目标功耗降至 1/100IOWN 的终极目标是到 IOWN 4.0约 2032 年将功耗降至当前水平的 1/100。这不是单一环节的优化而是从骨干网到芯片内部的全链路光化带来的系统性收益。用一张表来看四个阶段的能力递进阶段时间光化范围功耗目标PEC-12023 商用网络连接点、中继设备骨干网光化PEC-22026 商用计算机板卡之间1/8PEC-3规划中板卡上芯片之间接近 1/100 量级PEC-4约 2032芯片内部1/100四、MATLAB 仿真可视化算法的计算负载对比以下代码模拟 NTT 可视化算法的计算负载优化效果对比“传统全量信道估计”与“专有低复杂度算法”在不同链路长度下的计算量差异。%% NTT 光网络可视化 DSP 计算负载仿真% 对比传统全量信道估计与专有低复杂度算法的计算量clear;clc;close all;%% 参数设置linkLengths_km[100,200,500,1000,2000,5000];% 链路长度 (km)spanLength_km50;% 每个中继段长度 (km)% 传统算法: 每个中继段需要完整的信道估计% 假设每段计算量为 N_ops归一化单位ops_traditional_per_span1000;% 传统方法每段计算量归一化% NTT专有算法: 利用通信信号已有信息计算量降至1/100reduction_factor100;% 1/100ops_nict_per_spanops_traditional_per_span/reduction_factor;%% 计算总计算量numSpansceil(linkLengths_km/spanLength_km);ops_traditionalnumSpans*ops_traditional_per_span;ops_nictnumSpans*ops_nict_per_span;%% 绘图figure(Position,[100100800350]);subplot(1,2,1);bar([ops_traditional/1e3,ops_nict/1e3]);set(gca,XTickLabel,cellstr(num2str(linkLengths_km)));xlabel(链路长度 (km),FontSize,11);ylabel(计算量 (×10^3 归一化单位),FontSize,11);title(可视化计算量对比,FontSize,12);legend(传统全量估计,NTT专有算法 (1/100),Location,northwest);grid on;subplot(1,2,2);bar(numSpans,FaceColor,[0.30.70.4]);xlabel(链路长度 (km),FontSize,11);ylabel(中继段数量,FontSize,11);set(gca,XTickLabel,cellstr(num2str(linkLengths_km)));title(各链路长度对应的中继段数,FontSize,12);grid on;%% 输出fprintf( NTT 光网络可视化 DSP 计算负载仿真 \n);fprintf(链路长度 | 中继段数 | 传统计算量 | NTT计算量 | 降幅\n);fprintf(----------|-----------|-------------|------------|-------\n);fori1:length(linkLengths_km)fprintf(%4d km | %4d 段 | %8.1f k | %6.1f k | %.0f%%\n,...linkLengths_km(i),numSpans(i),ops_traditional(i)/1e3,...ops_nict(i)/1e3,(1-ops_nict(i)/ops_traditional(i))*100);endfprintf(\n结论:\n);fprintf(1000km链路 (20个中继段): 传统算法需 %.1fk 计算量, NTT算法仅需 %.1fk, 降幅 %.0f%%\n,...ops_traditional(linkLengths_km1000)/1e3,...ops_nict(linkLengths_km1000)/1e3,...(1-ops_nict(linkLengths_km1000)/ops_traditional(linkLengths_km1000))*100);fprintf(计算量降低后可视化功能可嵌入DSP芯片而不挤占通信解调算力。\n);运行环境MATLAB R2018b 及以上无需额外工具箱。五、APN 的商业化落地从骨干网到 GPU 远程调用技术最终要看落地。IOWN APN 的商用进展比很多人想象的要快。5.1 All-Photonics Connect800Gbps 带宽保证型服务NTT 东日本和 NTT 西日本于 2024 年 12 月开始提供“All-Photonics Connect powered by IOWN”这是基于 APN 的带宽保证型通信服务最大 800Gbps用户站点之间提供 Point-to-Point 带宽保证和波长专有型连接。关键特性世界最高水平的 800Gbps 用户站点间带宽保证型通信回线终端装置设置在 NTT 局舍内顾客站点无需终端装置两个站点合计最多削减 940W 功耗电力效率较传统方案提升13 倍。NTT 西日本已于 2026 年 9 月宣布将该服务类型 3 和类型 4的提供区域扩展至西日本全域2027 年 9 月起覆盖北陆地区2028 年 1 月起覆盖四国地区及冲绳。NTT 的计划是到 2027 年度在 47 个都道府县厅所在地构建 800Gbps 的 APN 基盘。5.2 GPU over APN远程 GPU 像本地一样用APN 最引人注目的落地场景是GPU over APN即通过 APN 低延迟链路让远端的 GPU 资源像本地一样可用。NTT DOCOMO Business 的 8 据点数据中心互联测试床2026 年 7 月利用 IOWN APN 连接全国 8 个据点的数据中心构建了“无地理距离意识”的 AI 训练和推理环境。在约1000 公里的福冈—东京之间实现实时协作25GB 数据约一张蓝光光盘可在约 2 秒内传输。GMO 互联网的东京—福冈远程分散型 AI 基础设施实证2025 年 11 月—2026 年 2 月在东京存储和福冈GPU之间铺设 IOWN APN 实回线将 GMO GPU 云的 GPU 与大容量存储连接。在大规模语言模型LLM训练中远程环境与本地环境的性能差距仅约 0.5%。这意味着企业不需要在每个站点都部署昂贵的 GPU 集群可以通过 APN 将计算资源和存储资源在地理上分离按需调用远方 GPU同时享受本地处理级别的性能。5.3 数据中心间互联的其他进展JPDC All-Photonics Connect2026 年 1 月起东京都内部分数据中心之间开始提供 APN 连接。三菱 UFJ 银行 PoCNTT DATA 和 NTT 西日本发布了使用 IOWN APN 进行数据中心间连接的概念验证报告实现工作负载在多个数据中心之间的无缝迁移。海外扩展NTT 在印度孟买的数据中心之间已引入商用 APN 连接。六、小结与下一篇预告第 3 篇的核心逻辑可以概括为三个递进运维层光网络可视化 DSP 让光模块“自己诊断”计算负载降至 1/1001000 公里链路异常自动定位器件层PEC-1 到 PEC-4 的路线图将光化从网络推进到板卡间2026、芯片间IOWN 3.0、芯片内约 2032最终目标功耗降至 1/100应用层APN 800Gbps 商用服务已覆盖关西、东海、中国、九州正在向西日本全域扩展GPU over APN 实证表明1000 公里外的远程 GPU 性能差距仅 0.5%。第 4 篇无线接入上AI-RAN 从外挂到内生下一篇将从光通信线转入无线接入线重点拆解AI-RAN 的三种形态AI-for-RAN、AI-and-RAN、AI-on-RAN的架构差异软银 × 爱立信在 5G 商用网络中的 AI 原生链路自适应调度器验证NTT DOCOMO × 三星的用户级 AI-RAN 优化技术诺基亚 × 英伟达的商用 AI-RAN 平台AI-RAN 如何让基站从“规则驱动”走向“学习驱动”的 MATLAB 仿真。