Mākslīgais intelekts un optiskās šķiedras kabeļi ir atkarīgi viens no otra vairāk, nekā to saprot vairums telekomunikāciju nozares cilvēku. AI sistēmas nevar darboties bez liela-ātruma, zemas-latences datu pārraides, ko var nodrošināt tikai optiskās šķiedras. Savukārt šķiedru tīkli kļūst daudz efektīvāki, pateicoties AI{4}}darbinātiem uzraudzības un optimizācijas rīkiem. Šīs divvirzienu attiecības jau maina to, kā tiek veidoti datu centri, kā tiek uzturēti tīkli un kā tiek izstrādātas jaunas šķiedras tehnoloģijas.
Šajā rakstā ir izskaidrots, kā attiecības darbojas praksē, pamatojoties uz pārbaudāmiem nozares datiem, un ko tas nozīmē telekomunikāciju operatoriem, datu centru plānotājiem un infrastruktūras pircējiem.
Kāpēc mākslīgā intelekta sistēmām ir nepieciešami optiskās šķiedras kabeļi
Liela AI modeļa apmācība ietver darba slodzes sadali tūkstošiem GPU, kuriem visiem ir nepārtraukti jāapmainās ar datiem. Tas rada milzīgu austrumu-rietumu trafiku -, kas plūst starp serveriem -, kam nepieciešams liels joslas platums, minimāls latentums un niecīgs signāla zudums. Tradicionālie vara kabeļi nevar sekot līdzi. Tikaioptiskās šķiedras kabeļivar nodrošināt caurlaidspēju, kas nepieciešama mūsdienu AI klasteriem, jo īpaši datu centriem pārejot no 400G uz 800G un galu galā 1,6T optiskās saites.
Šķiedru patēriņa atšķirība ir dramatiska. Saskaņā arCorning 2025. gada datu centra perspektīva, ģeneratīvajiem AI datu centriem jau ir nepieciešama vairāk nekā 10 reizes lielāka optiskā šķiedra nekā tradicionālajiem datu centru tīkliem. Corning optisko šķiedru un kabeļu SVP norādīja, ka Nvidia 72{5}}GPU Blackwell mezgliem ir nepieciešams 16 reizes vairāk šķiedru nekā parastajiem mākoņa slēdžu statīviem. STL, vēl viens vadošais šķiedru ražotājs, ir ziņojis, ka GPU-smagie AI statīvi var pieprasīt līdz pat 36 reizēm vairāk šķiedru nekā tradicionālajām konfigurācijām, kuru pamatā ir CPU.
Šis pieprasījuma pieaugums pārsniedz to, kas notiek ēkas iekšienē. AI darba slodze arvien vairāk tiek sadalīta vairākās iekārtās, kas nozīmēdatu centru starpsavienojuma (DCI) saitesnepieciešama arī ievērojami lielāka šķiedras jauda. AFiber Broadband Association 2025. gada ziņojumsprognozēts, ka līdz 2029. gadam ASV būs nepieciešams 2,3 reizes palielināt kopējo šķiedru jūdžu skaitu, lai atbalstītu AI-vadītu hipermēroga izaugsmi vien.
Kā AI uzlabo optiskās šķiedras tīkla darbības
Attiecības nav{0}}vienvirziena. AI risina reālas problēmas šķiedru tīkla uzturēšanā un veiktspējā, ar kurām nozare ir cīnījusies gadu desmitiem.
Viedāka kļūdu noteikšana un apkope
Tradicionāli defektu atrašana un diagnosticēšana optiskajā tīklā nozīmēja tehniķu nosūtīšanu, lai manuāli pārbaudītu OTDR (Optical Time{0}}Domain Reflectometer) -, kas ir lēns, darbietilpīgs{2}}process. AI to būtiski maina.
Mašīnmācīšanās modeļi tagad var automātiski analizēt OTDR datus, lai noteiktu šķiedru anomālijas, klasificētu kļūdu veidus un precīzi noteiktu to atrašanās vietu. Publicēti pētījumi liecina, ka AI-bāzētās sistēmas, kas apvieno automātiskos kodētājus ar divvirzienu atkārtotiem neironu tīkliem, nodrošina kļūdu noteikšanas F1 rādītājus virs 96% un klasifikācijas precizitāti, kas pārsniedz 98%, un lokalizācijas precizitāti mēra metra daļās. Vienā dokumentētā izvietošanāAI{0}}atbalstīta uzraudzības platformauzlabota kļūdu noteikšanas efektivitāte par vairāk nekā 98%, salīdzinot ar parasto aptauju 1024 saišu datu centra vidē.
Operatoriem, kas pārvalda tūkstošiem šķiedru saišu aoptisko šķiedru datu centrstīklā, praktiskais ieguvums ir nepārprotams: defekti tiek identificēti un lokalizēti, pirms tie izraisa pakalpojuma pārtraukumus, un diagnostikas cikli samazinās no stundām līdz sekundēm.
Signālu optimizācija un jaudas plānošana
AI arī palīdz izspiest vairāk veiktspējas no esošās šķiedras infrastruktūras. Apmācot modeļus par ierīces parametriem un vēsturiskajiem saišu veiktspējas datiem, mašīnmācīšanās var optimizēt signāla modulāciju, paredzēt izkliedes efektus un līdzsvarot jaudas sadalījumu pa viļņa garuma kanāliem. Tas nozīmē, ka operatori var palielināt izvērsto optisko šķiedru maršrutu efektīvo jaudu, neuzstādot jaunus kabeļus -, kas ir ievērojama izmaksu priekšrocība, jo optiskās šķiedras cenas turpina pieaugt.
Doba{0}}Pamata šķiedra: kā mākslīgā intelekta pieprasījums veicina jaunu šķiedru tehnoloģiju
Iespējams, ka spilgtākais piemērs tam, kā AI virza uz priekšu šķiedru inovācijas, irdoba{0}}kodola optiskā šķiedra(HCF). Parastā šķiedra izvada gaismu caur cieto stiklu. Tā vietā doba-kodolšķiedra raida gaismu caur gaisu-pildītu kanālu. Tā kā gaisma gaisā pārvietojas par aptuveni 47% ātrāk nekā stiklā, HCF piedāvā būtisku izplatīšanās latentuma samazinājumu -, parasti par 30 līdz 47 procentiem, atkarībā no konkrētā dizaina un izvietošanas apstākļiem.
2025. gada septembrī pētnieki no Sauthemptonas Universitātes un Microsoft publicēja rezultātusDabas fotonikademonstrējot HCF ar rekordzemu -signāla zudumu — 0,091 dB uz kilometru. Tas ir nozīmīgi labāks par aptuveni 0,14 dB/km līmeni, pie kura parastā silīcija šķiedra ir iestrēgusi četras desmitgades. Korporācija Microsoft savā Azure tīklā jau ir izvietojusi vairāk nekā 1200 km dobās{7}}kodolšķiedras, kas nodrošina tiešo trafiku.paziņoja par plāniem izvietot vēl 15 000 km, sadarbojoties ar Corning un Heraeus rūpnieciskajā{0}}ražošanā.
2025. gada novembrī Scala Data Centers, Lightera un Nokia veica pirmo HCF koncepcijas pārbaudi Latīņamerikā un apstiprināja latentuma samazinājumu par 32%, izmantojot komerciāli pieejamo 400 G testa aprīkojumu.
Tomēr HCF mūsdienās nav universāls parastās šķiedras aizstājējs. Ražošanas izmaksas ir augstākas, savienošanai nepieciešamas specializētas metodes, un nozares standarti joprojām tiek izstrādāti. Pagaidām tas ir vispiemērotākais latentuma -kritiskajām saitēm -, jo īpaši starp AI datu centriem, kur pat mikrosekundes aizkave ietekmē GPU izmantošanu sadalītās apmācības klasteros.
Fiber pārraides rekordi turpina kristies
Optiskās šķiedras jaudas griesti turpina pieaugt. 2025. gada beigās starptautiska komanda Japānas NICT vadībā demonstrēja pārraides ātrumu430 Tb/s, izmantojot standarta-saderīgu optisko šķiedruECOC 2025 - un sasniedza to, izmantojot gandrīz 20% mazāku joslas platumu nekā iepriekšējais 402 Tb/s rekords, kas tika uzstādīts 2024. gadā. Atsevišķi Sumitomo Electric un NICT sasniedza 1,02 petabitus sekundē 1808 km, izmantojot 19 kodolu šķiedru ar standarta apvalka diametru.
Daudzi no šiem sasniegumiem ir tieši balstīti uz AI -palīdzētiem signālu apstrādes paņēmieniem, tostarp neironu tīklu-izlīdzināšanu un mašīnmācības-optimizētiem modulācijas formātiem. Tādas tehnoloģijas kā vairāku-joslu viļņu garuma dalīšanas multipleksēšana un daudz-kodolu šķiedras - apvienojumā ar AI-vadītu optimizāciju - paplašina praktiskās robežas.viena{0}}moda šķiedraun nākamās{0}}paaudzes šķiedras dizaini var izturēt.
Praktiskā ietekme uz telekomunikāciju nozari
AI-šķiedru attiecībai ir konkrētas sekas dažādām lomām telekomunikāciju ekosistēmā:
Datu centru operatorijāplāno ievērojami lielāks šķiedru blīvums uz vienu plauktu. AI klasteru izveidei ir nepieciešami ne-bloķējoši optiskie elementi, kur katram GPU ir paredzēti šķiedru savienojumi katrā līmenī. Augsta-blīvuma risinājumi, piemēram,lentes optiskās šķiedras kabeļiun MPO/MTP komplekti kļūst būtiski, nevis obligāti.
Tīkla apkopes komandasir jānovērtē AI{0}}atbalstītie uzraudzības rīki kā veids, kā samazināt neplānotu dīkstāvi un pāriet uz paredzamo apkopi. Šī tehnoloģija jau ir pierādīta reālos izvietojumos, ne tikai pētniecības dokumentos. Pareizioptisko šķiedru kabeļu pārbaudeapvienojumā ar AI analīzi var ievērojami pagarināt esošās infrastruktūras lietderīgās lietošanas laiku.
Infrastruktūras plānotāji un pircējijārēķinās ar pastāvīgu cenu spiedienu uz šķiedru un optiskajiem komponentiem, jo AI{0}}pieprasījums pārsniedz piedāvājumu. Drošu šķiedru piegādes ķēžu nodrošināšana un darbs ar izveidotajāmoptiskās šķiedras kabeļa materiālspiegādātāji kļūs arvien svarīgāki.
Bieži uzdotie jautājumi
Kāpēc vara kabeļi nevar atbalstīt AI datu centra trafiku?
AI darba slodze ģenerē milzīgus datu plūsmas apjomus no servera{0}}uz{1}}serveriem ar ātrumu 400 G un vairāk. Vara kabeļi ir ierobežoti gan joslas platumā, gan sasniedzot šos ātrumus. Optiskā šķiedra pārraida datus kā gaismas signālus ar daudz lielāku joslas platumu, mazāku latentumu un minimālu signāla pasliktināšanos, padarot to par vienīgo dzīvotspējīgo datu nesēju tāda mēroga datu kustībai, kāds nepieciešams AI.
Cik daudz vairāk šķiedras patērē AI datu centrs?
Saskaņā ar Corning teikto, AI{0}}iespējotie datu centri jau patērē vairāk nekā 10 reizes vairāk nekā tradicionālās iekārtas. GPU-intensīvām konfigurācijām STL ziņojumi var sasniegt 36 reizes. Precīzs reizinātājs ir atkarīgs no GPU arhitektūras, tīkla topoloģijas un tā, vai iekārta atbalsta AI apmācību, secinājumus vai abus.
Kas ir dobā{0}}kodolšķiedra un kāpēc tā ir svarīga AI?
Doba{0}}kodolšķiedra izvada gaismu caur gaisu-pildītu serdi, nevis cietu stiklu. Tā kā gaisma gaisā pārvietojas ātrāk, HCF samazina pārraides latentumu par aptuveni 30 līdz 47 procentiem. Izkliedētajai AI apmācībai vairākos datu centros šis latentuma samazinājums tieši uzlabo GPU izmantošanu un vispārējo sistēmas veiktspēju. Microsoft ir lielākais pašreizējais izplatītājs, kura Azure tīklā plāno nobraukt 15 000 km.
Vai AI-darbinātas šķiedras pārraudzība jau tiek izmantota?
Jā. Mūsdienās ražošanas tīklos tiek izmantota AI-vadīta OTDR analīze un paredzama kļūdu noteikšana. Izpētes-atbalstītas sistēmas var noteikt šķiedru defektus ar vairāk nekā 96% precizitāti un lokalizēt tos ar precizitāti, kas ir zemāka par{5}}metru. Vairāki telekomunikāciju operatori un datu centru nodrošinātāji ir pieņēmuši šos rīkus, lai samazinātu uzturēšanas izmaksas un novērstu pakalpojumu pārtraukumus.
Kādi šķiedru veidi tiek izmantoti AI datu centros?
Lielākā daļa AI datu centru izmanto viena -moda šķiedras (parasti G.652.D) kombināciju ilgākām starp-ēku un DCI saitēm, un OM4 vai OM5 daudzmodu šķiedru maza-attāluma savienojumiem plauktu rindās. Augsta-blīvuma lentes kabeļi un MPO/MTP savienojums ir standarts, lai pārvaldītu lielu skaitu šķiedru pavedienu, kas nepieciešams šajās vidēs.