通信世界网消息（CWW）随着大模型从“能聊天”向“会干活”演进，具备任务拆解、动态适配与闭环迭代能力的智能体（Agent）正迎来规模化应用。智能体的爆发式增长，正在彻底重构底层的流量结构与算力基础设施格局。在这一进程中，海量Token调用量的狂飙不仅带动了算力需求的指数级攀升，更直接暴露出传统网络在带宽、时延和可靠性上的瓶颈，倒逼整个通信网络必须完成全链条的代际升级。
近日，中国工程院院士邬贺铨在2026中国光网络研讨会（OptiNetChina2026）上发表了题为《智能体时代的光网络》的主旨演讲。邬贺铨指出，在智能体时代，Token消耗量的增长速度远超算力增长速度。
智能体流量将高速增长，攀升至75%
在智能技术飞速迭代、算网融合深度推进的行业背景下，智能体技术的普及正在重塑网络流量结构与算力基础设施发展格局。邬贺铨指出，智能体依托大模型、智能系统与工具调用能力，具备任务拆解、动态适配、经验记忆与闭环迭代的核心能力，相较于传统大模型对话式服务，实现了技术能力的跨越式升级。单个智能体能力存在局限，而智能体群可通过记忆共享、工具协同实现能力倍增，在此基础上形成的智能体互联网，能够依托云平台提供标准化智能服务，让企业无须自建算力、算法体系，即可轻量化落地智能应用，大幅降低行业智能化门槛。
当前，智能体产业正处于高速增长阶段，尽管前期火热的类大模型对话应用热度有所回落，但智能体ToB、ToC市场仍保持高增长率。从流量结构来看，当前，全网流量仍以传统对话类为主，占比约50%，但流量结构将迎来颠覆性变革。预计到2030年，传统对话类Token流量占比将降至12%，而智能体Token流量占比将攀升至75%，成为网络流量的核心主体。
在智能体时代，Token消耗量的增长速度远超算力增长速度，而算力需求增长又显著快于电力基础设施投资增速，邬贺铨强调，算力增速低于Token调用增速，核心原因在于智能体多采用小模型架构，提升了算力利用效率，有效降低了单位Token的算力消耗。
国内光网络需全面升级以适配智能体需求
智能体与AI算力业务的高速增长，对底层承载的光网络提出了极致的性能要求，也暴露了现有算力网络与光传输体系的短板。邬贺铨指出，当前算力体系主要分为通算、智算、超算三类，三者技术架构、应用场景各不相同，功能各司其职且无法相互替代。所谓一体化算力网，并非打造一套可兼容三种算力的通用算力体系，而是通过网络统筹调度，按需合理配比三类算力资源，实现各类算力的协同复用。随着大模型参数规模持续扩容，算力集群从基础的卡间、机间互联，逐步延伸至跨数据中心、广域集群互联，对光网络的带宽容量、传输时延、丢包可靠性提出了前所未有的严苛要求。
在可靠性与时延层面，邬贺铨强调，智能算力任务对网络质量高度敏感，极小的网络波动都会大幅损耗算力利用率。国内现有宽带网络存在上下行带宽不对称问题，百兆、千兆宽带侧重下行速率，上行带宽仅40兆，无法适配智能体、AI训练等上行需求旺盛的业务。为此，50GPON、万兆光网成为升级关键，其核心价值并非简单提升网速，而是补齐上行带宽短板，同时通过协同带宽分配技术，实现上行资源的灵活按需调度，适配中小企业差异化算力应用需求。
同时，邬贺铨分析了“东数西算”工程的落地痛点。长距离传输的时延、丢包问题，导致实时性、高精密算力业务无法实现跨域调度，仅文案生成、智能客服、批量数据处理等时延不敏感业务可落地。传统光电转换、路由转发模式的时延损耗，难以支撑跨域算力协同，亟须全光硬管道、无损传输技术突破，破解长距离算网协同难题。
