Вештачка интелигенција и каблови са оптичким влакнима зависе једни од других више него што већина људи у телеком индустрији схвата. Системи вештачке интелигенције не могу да функционишу без-брзине и ниске{2}}преноса података са малим кашњењем коју само оптичка влакна могу да обезбеде. А оптичке мреже, заузврат, постају далеко ефикасније захваљујући алаткама за праћење и оптимизацију које покреће АИ{4}. Овај-однос већ мења начин на који се граде центри података, како се мреже одржавају и како се развијају нове технологије оптичких влакана.
Овај чланак објашњава како однос функционише у пракси, подржан подацима из индустрије који се могу проверити, и шта то значи за телеком оператере, планере центара података и купце инфраструктуре.
Зашто су АИ системима потребни каблови са оптичким влакнима
Обука великог АИ модела укључује дистрибуцију оптерећења на хиљаде ГПУ-а, од којих сви морају непрекидно да размењују податке. Ово ствара огроман проток података о саобраћају на истоку-западу - између сервера - који захтева екстремни пропусни опсег, минимално кашњење и занемарљив губитак сигнала. Традиционални бакарни каблови не могу пратити корак. Самокаблови са оптичким влакнимаможе да испоручи пропусност коју захтевају савремени АИ кластери, посебно када центри података прелазе са 400Г на 800Г и на крају 1.6Т оптичке везе.
Разлика у потрошњи влакана је драматична. ПремаИзгледи Цорнинговог центра података за 2025, генеративни АИ центри података већ захтевају више од 10 пута више оптичких влакана од традиционалних мрежа центара података. Цорнингов СВП за оптичка влакна и каблове приметио је да Нвидијиним 72-ГПУ Блацквелл чворовима треба 16 пута више влакана од конвенционалних клауд прекидача. СТЛ, још један водећи произвођач влакана, известио је да ГПУ-тешки АИ сталци могу да захтевају и до 36 пута више влакана од традиционалних конфигурација заснованих на ЦПУ-у.
Овај пораст потражње превазилази оно што се дешава унутар зграде. Радна оптерећења АИ се све више дистрибуирају на више објеката, што значивезе за међусобно повезивање центара података (ДЦИ).такође треба знатно већи капацитет влакана. АИзвештај за 2025. од стране Фибер Броадбанд Ассоциатионпредвиђао је да ће САД требати 2,3 пута повећање укупног броја миља влакана до 2029. само да би подржале раст хиперскала вођен АИ{4}}.
Како АИ побољшава операције мреже са оптичким влакнима
Веза није једносмерна-. АИ решава стварне проблеме у одржавању и перформансама оптичке мреже са којима се индустрија борила деценијама.
Паметније откривање кварова и одржавање
Традиционално, проналажење и дијагностицирање кварова у оптичкој мрежи значило је слање техничара да ручно прегледају ОТДР (Оптицал Тиме-Рефлектометар домена) прати - спор, радно{2}}интензиван процес. АИ то мења фундаментално.
Модели машинског учења сада могу аутоматски анализирати ОТДР податке како би открили аномалије влакана, класификовали типове грешака и одредили њихову локацију. Објављено истраживање показује да системи засновани на вештачкој интелигенцији- који комбинују аутоенкодере са двосмерним рекурентним неуронским мрежама постижу Ф1 резултате откривања грешака изнад 96% и тачност класификације преко 98%, са прецизношћу локализације мереном у деловима метра. У једној документованој примени,платформа за надгледање уз помоћ вештачке интелигенције{0}побољшана ефикасност детекције грешака за преко 98% у поређењу са конвенционалним анкетирањем у окружењу центра података са 1024 линка.
За оператере који управљају хиљадама оптичких веза преко аоптички дата центармреже, практична корист је јасна: грешке се идентификују и лоцирају пре него што изазову сметње у сервису, а циклуси дијагнозе се смањују са сати на секунде.
Оптимизација сигнала и планирање капацитета
АИ такође помаже да се истисну више перформанси из постојеће оптичке инфраструктуре. Обуком модела о параметрима уређаја и историјским подацима о перформансама везе, машинско учење може оптимизовати модулацију сигнала, предвидети ефекте дисперзије и уравнотежити дистрибуцију снаге преко канала таласних дужина. То значи да оператери могу да повећају ефективни капацитет распоређених оптичких рута без инсталирања нових каблова - што представља значајну предност у трошковима јер цене влакана и даље расту.
Шупље{0}}Влакно са језгром: Како потражња за вештачком интелигенцијом покреће нову технологију влакана
Можда је најјаснији пример како вештачка интелигенција гура напред иновације у влакнимашупље{0}}оптичко влакно(ХЦФ). Конвенционална влакна воде светлост кроз чврсто стакло. Уместо тога, -влакно са шупљим језгром преноси светлост кроз канал-испуњен ваздухом. Пошто светлост путује отприлике 47% брже у ваздуху него у стаклу, ХЦФ нуди значајно смањење кашњења ширења - обично 30 до 47 процената, у зависности од специфичног дизајна и услова примене.
У септембру 2025. истраживачи са Универзитета Саутемптон и Мајкрософт објавили су резултате уНатуре Пхотоницсдемонстрирајући ХЦФ са рекордно-малим губитком сигнала од 0,091 дБ по километру. Ово је значајно боље од пода од приближно 0,14 дБ/км на којем су конвенционална силика влакна заглављена четири деценије. Мицрософт је већ поставио преко 1.200 км шупљих{7}}влакана за пренос уживо саобраћаја у својој Азуре мрежи, инајавио планове за распоређивање још 15.000 км, у партнерству са компанијама Цорнинг и Хераеус за индустријску{0}}производњу.
У новембру 2025, Сцала Дата Центерс, Лигхтера и Нокиа спровели су први ХЦФ доказ концепта у Латинској Америци и потврдили смањење латенције од 32% користећи комерцијално доступну опрему за тестирање 400Г.
Ипак, ХЦФ данас није универзална замена за конвенционална влакна. Трошкови производње су већи, спајање захтева специјализоване технике, а индустријски стандарди се још увек развијају. За сада је најпогоднији за кашњење-критичних веза -, посебно између центара података АИ, где чак и микросекунде кашњења утичу на коришћење ГПУ-а у дистрибуираним кластерима за обуку.
Записи о преносу влакана настављају да падају
Плафон капацитета за оптичка влакна стално расте. Крајем 2025. међународни тим предвођен јапанским НИЦТ-ом показао је брзину преноса од430 Тб/с преко стандардног-компатибилног оптичког влакнана ЕЦОЦ 2025 - и то постигао користећи скоро 20% мањи пропусни опсег од претходног рекорда од 402 Тб/с постављеног 2024. Одвојено, Сумитомо Елецтриц и НИЦТ су достигли 1,02 петабита у секунди на 1.808 км користећи влакно са 19 језгара са стандардним пречником омотача.
Многа од ових открића се директно ослањају на технике обраде сигнала уз помоћ АИ{0}}, укључујући формате модулације оптимизоване на неуронским мрежама-базираним на еквилизацији и машинском учењу-. Технологије као што су мулти-мултиплексирање са поделом таласних дужина и више{5}}језгра - у комбинацији са АИ{7}}оптимизацијом - померају практичне границе онога штоједномодно{0}}оптично влакноа дизајни влакана следеће-генерације могу да носе.
Практичне импликације за телеком индустрију
Веза са АИ{0}}оптиком има конкретне последице за различите улоге у телеком екосистему:
Оператери центара податакапотребно је планирати драматично већу густину влакана по рацк-у. Изградња кластера вештачке интелигенције захтева не-неблокирајућу оптичку структуру где сваки ГПУ има наменске оптичке везе на сваком нивоу. Висока{3}}решења као што сутракасти оптички кабловии МПО/МТП склопови постају неопходни, а не опциони.
Тимови за одржавање мрежетребало би да процени алатке за праћење уз помоћ вештачке интелигенције{0}} као начин за смањење непланираних застоја и прелазак на одржавање са предвиђањем. Технологија је већ доказана у стварним применама, а не само у истраживачким радовима. Правилноиспитивање оптичких кабловау комбинацији са АИ аналитиком може значајно продужити век трајања постојеће инфраструктуре.
Инфраструктурни планери и купцитребало би да очекује наставак притиска цена на влакна и оптичке компоненте јер потражња коју покреће АИ{0}} надмашује понуду. Обезбеђивање поузданих ланаца снабдевања влакнима и рад са успостављенимматеријал оптичког кабладобављачи ће постати све важнији.
Често постављана питања
Зашто бакарни каблови не могу да подрже саобраћај центара података АИ?
Радна оптерећења вештачке интелигенције генеришу огромне количине саобраћаја података-до-сервера при брзинама од 400Г и више. Бакарни каблови су ограничени у пропусном опсегу и досегу при овим брзинама. Оптичко влакно преноси податке као светлосне сигнале са далеко већим пропусним опсегом, мањим кашњењем и минималном деградацијом сигнала, што га чини јединим одрживим медијумом за скалу кретања података коју захтева АИ.
Колико више влакана користи АИ центар података?
Према Цорнинг-у, центри података са{0}омогућеним вештачком интелигенцијом већ троше више од 10 пута више влакана од традиционалних објеката. За ГПУ{3}}интензивне конфигурације, СТЛ извештава да однос може да достигне 36 пута. Тачан множилац зависи од архитектуре ГПУ-а, топологије мреже и да ли објекат подржава обуку вештачке интелигенције, закључивање или обоје.
Шта је то -влакна са шупљим језгром и зашто је то важно за вештачку интелигенцију?
Влакна са шупљим језгром -води светлост кроз језгро испуњено ваздухом- уместо чврстог стакла. Пошто се светлост креће брже у ваздуху, ХЦФ смањује кашњење преноса за отприлике 30 до 47 процената. За дистрибуирану обуку вештачке интелигенције у више центара података, ово смањење кашњења директно побољшава коришћење ГПУ-а и укупне перформансе система. Мицрософт је највећи тренутни произвођач, са плановима за 15.000 км преко своје Азуре мреже.
Да ли се већ користи праћење влакана напајаном вештачком интелигенцијом?
Да. ОТДР анализа вођена АИ-и предиктивно откривање кварова се данас примењује у производним мрежама. Системи подржани истраживањем-могу да открију кварове на влакнима са тачношћу од преко 96% и да их локализују на нижу-прецизност. Неколико телеком оператера и провајдера дата центара усвојило је ове алате како би смањило трошкове одржавања и спречило прекиде услуга.
Које врсте влакана се користе у АИ центрима података?
Већина центара података са вештачком интелигенцијом користи комбинацију једног-модног влакна (обично Г.652.Д) за дуже интер-везе за изградњу и ДЦИ, и ОМ4 или ОМ5 вишемодна влакна за кратко-везе унутар редова рекова. Тракасти каблови-велике густине и МПО/МТП повезивање су стандардни за управљање великим бројем влакана које ова окружења захтевају.