训练一个大模型，往往需要成千上万块GPU协同工作。受限于电力、散热、场地等因素，这些GPU无法集中在同一个机房，被分散到相隔数十甚至数百公里的多个数据中心，再通过光纤连成一张分布式算力网络。这也意味着，光传输的速率与距离，直接决定了算力能被发挥出多少。
光信号在光纤中传输时会发生衰减，每隔一段距离就需要中继设备重新增强信号——中继越多，时延越长、成本越高。因此，无中继条件下“一次传得更远”的光纤成为行业共同的探索和期待。G.654.E光纤，正是为此而生。
光纤能否支撑长距离传输，关键要看两个指标：衰减与有效面积。
衰减：光信号在光纤中传输时，能量会逐步损耗，衰减即是指光信号每公里损耗多少能量。通常用每公里损耗多少分贝（dB/km）来衡量。
传统光纤的衰减约为0.19dB/km，G.654.E光纤可以降低至0.17dB/km以下。数字上看似乎差别不大，但在上百公里的距离上，累积差距会非常明显——如同两辆油耗相近的汽车，短途行驶难分高下，长途行驶就会拉开一次加油的差距。衰减越低，意味着中继站可以建得更少，站与站之间的间距也可以拉得更长。
有效面积：指的是光在纤芯中占用的横截面积，代表光信号传输的“通道”有多宽。
传统光纤的有效面积约80平方微米，G.654.E光纤则将有效面积扩大到110—130平方微米。面积增大后，同样功率的光被分散在更宽的区域内，单位面积的光强随之下降，从而抑制了信号在强光下相互干扰，即降低了光纤中的“非线性效应”。传输通道更宽，不仅能容纳更强的光功率、承载更多数据，也让信号传输更加“纯净”。
G.654.E光纤正是通过同步优化这两个指标，为大容量、长距离传输带来了直接的价值：系统的光信噪比（OSNR）提升约3dB，信号质量更好；单个跨段的传输距离延长30%以上，减少中继站建设。
把这两项能力放进真实的AI场景，其价值便清晰可见。
跨数据中心训练
十万卡级集群分布在不同地域，训练时每一轮都要同步海量参数与梯度。G.654.E光纤凭借超大带宽与超长跨距，让异地GPU高效协同，大幅降低算力受地理距离的限制。
推理服务
对用户而言，AI的响应速度很大程度上受传输时延影响。G.654.E光纤让端到端时延更稳定、更可控，响应速度不再被传输环节拖累。
更少中继、更低成本
衰减更低，意味着百公里级距离可以实现无中继直连。中继站减少后，建设成本与能耗同步下降，时延累积更小，网络可靠性也更高。
也正因如此，同时具备大带宽、低时延、长跨距的G.654.E光纤，被业界公认为400G、800G乃至未来Tbit/s超高速AI算力网络传输的首选光纤。
G.654.E光纤能够承担起今天AI算力网络的重任，并非一蹴而就。从技术验证到规模商用，它经历了十几年的产业化历程，也跨越了标准、工艺、产业链配套等多道门槛。
早在2010年，长飞公司便启动了G.654.E光纤的研发工作。2015年，长飞在美国OFC大会上面向全球发布G.654.E光纤，成为国内首家、全球第三家掌握该产品技术的企业。此后十年间，长飞公司持续推动技术迭代与工程验证。
长飞公司多次以最大份额中标运营商G.654.E光纤干线集采，其G.654.E光纤已完全实现从制造设备、生产工艺到关键原材料的自主可控——这意味着AI算力网络的底层光基础设施具备了规模化、可持续的供应能力。
以十年前瞻放眼AI未来的G654.E光纤，让光网络从单纯的“传输通道”，升级为释放算力的“加速器”。无论是算力枢纽之间的互联，还是数据中心的高速接入，每一次算力调用背后，G654.E光纤以其优异的传输性能，让算力像水电一样随取随用、奔向千行百业。
