現在是光通信產業最好的時代。不斷演進的通信技術影響著我們每一個人的生活，如高清視頻、云服務、大數據、移動互聯網以及即將來到的5G時代等。這些趨勢其實都折射出光網絡架構的不斷演進和變化，以及光網絡設備應該如何部署和需要具備怎樣的功能。

圖一：光模塊收入預測

如圖一所示，云服務快速興起是過去幾年的一個關鍵趨勢。未來幾年，這一趨勢將逐漸成為驅動光網絡設備市場增長的主導力量，并將從本質上改變高速光傳輸產品的特性、要求、開發周期和制造過程。

隨著相干光器件進入數據中心領域，光網絡設備將迎來更大的市場。這其中包含了兩個極為關鍵的技術：光電子器件和oDSP（Optical Digital Signal Processor 光數字信號處理器）。

?一方面，硅光技術已經在業界獲得了大量投資與關注，人們期望有一天，硅光芯片能夠像集成電路的制造方式一樣具備高度可重復性，以海量的產能帶來低廉的價格，并通過“打印”的方式實現各種光學功能，最終實現光電器件的完全融合。

?另一方面，oDSP算法仍然是傳輸技術創新中最重要的核心之一，就像光逐步取代銅線傳輸一樣，oDSP正承載著越來越多的功能，正以最大限度地提升傳輸容量，并將高速光傳輸的應用范圍擴展到前所未有的新領域。

相干oDSP最初是憑借100Gbps長距離傳輸能力成為主流技術的。從那時起，業界就不斷嘗試使用更加先進的前向糾錯（FEC）算法或均衡技術來獲取更高的性能，以及先進的信號調制碼型來獲得更高的頻譜效率。

但是經過10年發展之后，創新似乎變得舉步維艱，我們也開始聽到關于達到理論極限的說法，通信理論創始人克勞德·香農（Claude Shannon）推導出的“香農極限”似乎指明了這場競賽的終點。

實際上，FEC所帶來的凈增益正在趨于飽和，結合最新的概率整形技術，現有架構已經非常接近于理論性能極限了。幸運的是，每一個工程師的熱情大多來自于跳出思維限制的框架，以及對打破限制、突破極限的渴望。

當你在實驗室順利完成2000公里傳輸實驗，卻發現在現實網絡中僅能夠傳輸500公里時，所謂的傳輸極限就產生了。

事實上，真正的限制并非來自理論，而更多來自現實網絡的不完美。現在有許多新技術正在不斷開發，旨在進一步推動真實光纖網絡系統中的傳輸性能。

比如，華為采用的信道匹配整形（Channel Matched Shaping，簡稱CMS）算法，能夠感知真實網絡損傷，如光纖應力及老化、器件老化、非線性效應、甚至雷電帶來的偏振態瞬變等，并且相應地調整信號處理和補償技術來削弱這些損傷帶來傳輸代價。

傳統系統中的光信號就像冰塊一樣,不夠靈活，對傳輸場景無法實現自適應優化。而CMS使光信號傳輸如同水流經管道一樣，能夠迅速感知通道的形狀，并及時調整適應。在真實信道中，存在多種類型的損傷，因此需要借助多樣化以及具有針對性的技術手段，來實現傳輸性能的優化。

圖二：信道匹配整形技術（Channel Matched Shaping）

如圖二所示，除了多種星座圖整形技術以外，CMS還使用超奈奎斯特速率（Faster-than-Nyquist）及多載波傳輸（每個子載波有各自整形和編碼）等多種技術，針對實際網路中的特定問題，規劃不同的技術組合，以解決實際傳輸信道瓶頸并提升傳輸性能。

由此，在真實網絡應用中，傳輸性能可以盡可能地逼近實驗室中測試的性能指標。今天，CMS已經在華為最新的超高速光傳輸平臺上得到應用，用于支持業界最高性能的單波100G~600G速率可調光模塊。

光網絡中的另外一個重要趨勢是，網絡功能不同程度的分離，如線路終端和光線路系統、物理層和控制層的分離。這一趨勢仍在激烈的討論中，并認為非常適合數通網絡，尤其適合數據中心短距離互聯應用。但這需要運營商承擔額外的管理和維護成本，以實現基于SDN對于通用網元的直接統一管控（而原本這些工作是由系統集成商完成的）。

另外，網絡自動化需要依靠物理層和控制層的聯合設計與優化，這種分離的網絡架構也使網絡運營商們無法充分享受到光網絡自動化所帶來的好處。

具體來說，自治和自適應網絡將越發依賴人工智能（AI）來獲取網絡狀態并預測潛在故障事件，如光路重路由或信道容量降級。這些預測及行為必須以用戶無感知的方式運行，例如利用網絡空閑時段規劃重路由的維護窗口，升級線卡或是在業務中斷之前清除潛在故障。

這將非常依賴于先進的光層遙測技術，并且需要以極低的成本收集海量光網絡參數（如跨段損耗、OSNR或光纖非線性效應等），類似華為的AI神經元這樣的功能模塊將起到至關重要的作用。

圖三：內嵌了AI神經元的華為最新高速傳輸系統，采集大量光層狀態參數來支撐AI網絡控制

如圖三所示，AI神經元能夠協助收集大量的光層狀態參數，并將這些參數從物理層傳遞到管控層，以使能智能化的網絡控制。

這意味著，在一定程度下保留物理層與管控層的集成，將有助于運營商在光網絡獲得更好的可視化管控效果，進而通過AI實現智能管理和鏈路性能提升。否則，光網絡若只是被視為具有標準化監控接口的通用IT網元，這些獨特的智能化優勢則難以實現。

結合光器件的創新，光網絡的線路速率將進一步邁向800Gbps的城域應用和單波400Gbps長距傳輸。隨著單波速率提升至800Gbps，系統將變得更加復雜，需要我們做出更多的權衡取舍。

?一方面，如果采用更高階的調制碼型，會讓系統對于噪聲更加敏感，可能犧牲傳輸距離。

?另一方面，如果將波特率提高到95Gbaud以上，可能無法實現在100 GHz信道上進行傳輸，此時必須使用一些更先進的壓縮技術。

展望未來，以太網交換機ASIC容量大約每兩年翻一倍，因此，實現1.6Tbps的線路速率應該不會太遙遠。在這個容量節點上，可能需要對相干接口進行一些重大改變，例如使用廉價的激光器件進行多載波光子芯片集成，放棄可插拔概念，以及嘗試光電集成封裝技術等等。屆時，網元之間的界線可能會進一步變得模糊甚至消失。