6月15日~16日,华为伙伴暨开发者大会2022成功举办。在“与光同行,F5G行业创新技术分享”专场,华为光系统首席专家张德江,分享了在数据中心互联网络的发展趋势,以及华为光技术在数据中心网络的创新应用。
华为光系统首席专家张德江
数据中心互联网络(DCI)是行业数字化转型的重要基础设施。随着大数据、云计算、移动互联网快速发展,全球数据中心的流量和数量与日俱增。根据相关报告,DCI流量年复合增速达到45%,全球数据中心的数量也将增加4倍以上。流量持续的高速增长,也意味着运营成本的增加。因此,通过技术创新,帮助企业建设能满足数字化发展的更高速、可靠、高效的联接,成为了华为的投入方向。
提供更大单纤容量,降低单bit成本
WDM(波分复用)将多个不同的波长复用到一根光纤中进行传输,极大提升了光纤的带宽传输能力,成为DCI大带宽时代的首选方案。而超大型数据中心互联网络原规划使用8~10年的DCI网络,不到3年就面临带宽瓶颈,促使WDM技术在单波道速率和波道数量上持续创新,突破传输容量的瓶颈。
在单波道速率方面,华为依托自研光电器件和DSP能力,通过光电合封工艺,端到端损伤补偿算法,不断逼近香农极限:在DCI干线将200G速率,提升到300G/400G,在传输距离能力不变的前提下提升单波速率,为业界提供单纤容量最大的长距解决方案;在城域DCI传输上,从400G全面演进到800G代际,不断下降单Bit成本,为业界提供城域覆盖最完整,成本最优的解决方案。
在波道数量方面,华为坚持扩展频谱,向频谱要带宽,通过新型增益光纤与工艺突破,SRS效应控制技术等创新,实现业界首个Super C+L的超宽频谱创新,为光纤传输提供更多的波道数,领先业界能力25%。同时,华为独有的Super C 和L的联动控制技术,通过Dummy Light提升光谱稳定性,保障系统端到端的可靠。
张德江表示:“华为通过单波速率提升和频谱不断扩展,将实现单纤96T bit/s的传输能力。最大限度释放光纤潜力,助力数据中心互联带宽提速。”
提供更可靠的DCI网络,为业务保驾护航
超高速的数据中心互联网络,意味着每1微秒都有海量的数据在网络中流动,一旦出现故障,会有海量的数据丢失或者阻塞,影响应用业务。据统计,一线城市光纤故障每年约200次,而每一次光纤故障都可能导致高额的经济损失或者客户流失。
华为推出“存储与光协同”(SOCC)技术方案,在光链路和存储I/O链路两个层面,提供更高效的链路冗余保护机制。一方面,基于创新的光器件和智能算法,在光链路层面,将保护倒换时间从50毫秒降低至5毫秒,性能提升90%,大大提升了数据中心应用的业务体验。另一方面,在存储I/O链路层面,因存储设备无法直接感知光层链路的健康状态,I/O链路恢复时间过长,从而导致上层应用操作失败。基于华为的创新技术,将原来需要2-3分钟才能完成的链路切换过程,缩短至1秒,大幅度降低了应用操作的失败率。特别在金融行业,为关键数据中心业务提供了更可靠的保障。
在产业上,华为在持续投入和追求更高的技术能力发展;在行业上,数字化转型也为光技术创新提供了更多可能性。任何创新技术的产生、落地与成长,都是从业务发展现实需求出发的主动探寻,华为也将携手客户不断创新,构筑超宽、可靠、智能的全光数据中心解决方案,为客户创造新的价值。
好文章,需要你的鼓励
上海交通大学研究团队开发出革命性AI癌症诊断系统,通过深度学习技术分析50万张细胞图像,实现94.2%的诊断准确率,诊断时间从30分钟缩短至2分钟。该系统不仅能识别多种癌症类型,还具备解释性功能,已在多家医院试点应用。研究成果发表于《Nature Communications》,展示了AI在精准医疗领域的巨大潜力。
南华理工大学等机构提出3DFlowAction方法,让机器人通过预测物体3D运动轨迹来学习操作技能。该研究创建了包含11万个实例的ManiFlow-110k数据集,构建了能预测三维光流的世界模型,实现了跨机器人平台的技能迁移。在四个复杂操作任务上成功率达70%,无需特定硬件训练即可在不同机器人上部署,为通用机器人操作技术发展开辟新路径。
这是首个系统性探索跨视角协作智能的综合性研究,由南京大学、东京大学等顶尖机构联合完成。研究团队首次将"第一人称视角"与"第三人称视角"的协作应用进行了全面梳理,提出了三大技术方向和十三个关键任务,涵盖从智能厨房到手术机器人的八大应用场景。这项突破性工作为人工智能向人类认知迈进提供了重要的技术路径和理论基础。
这项由台湾大学与微软研究团队合作的研究探索了使用音频感知大语言模型(ALLMs)作为自动评判员来评估语音生成模型的说话风格。研究设计了"语音风格指令跟随"和"角色扮演"两个任务,测试了四种语音模型的表现,并比较了人类与AI评判的一致性。结果表明,特别是Gemini-2.5-pro模型,其评判结果与人类评判的一致性甚至超过了人类评判者之间的一致性,证明ALLMs可以作为可靠的自动评估工具。同时研究也发现,即使是最先进的语音模型在说话风格控制方面仍有显著改进空间。