Umjetna inteligencija i kablovi s optičkim vlaknima ovise jedni o drugima više nego što većina ljudi u telekomunikacijskoj industriji shvaća. Sistemi umjetne inteligencije ne mogu funkcionirati bez-brzine, niske-prijenosa podataka koje samo optička vlakna mogu pružiti. A optičke mreže, zauzvrat, postaju daleko efikasnije zahvaljujući alatima za praćenje i optimizaciju koji pokreće AI{4}}. Ovaj-odnos već preoblikuje način na koji se grade podatkovni centri, kako se mreže održavaju i kako se razvijaju nove tehnologije optičkih vlakana.
Ovaj članak objašnjava kako odnos funkcionira u praksi, podržan podacima iz industrije koji se mogu provjeriti, i šta to znači za telekom operatere, planere centara podataka i kupce infrastrukture.
Zašto su AI sistemima potrebni kablovi sa optičkim vlaknima
Obuka velikog AI modela uključuje distribuciju opterećenja na hiljade GPU-a, od kojih svi moraju kontinuirano razmjenjivati podatke. Ovo stvara ogroman protok podataka o saobraćaju na istoku-zapadu - između servera - koji zahtijeva ekstremnu propusnost, minimalno kašnjenje i zanemarljiv gubitak signala. Tradicionalni bakarni kablovi ne mogu pratiti korak. Samokablovi sa optičkim vlaknimamože isporučiti propusnost koju zahtijevaju moderni AI klasteri, posebno kada centri podataka prelaze sa 400G na 800G i na kraju 1.6T optičke veze.
Razlika u potrošnji vlakana je dramatična. PremaIzgledi Corningovog data centra za 2025, generativni AI centri podataka već zahtijevaju više od 10 puta više optičkih vlakana od tradicionalnih mreža podatkovnih centara. Corningov viši potpredsjednik za optička vlakna i kablove primijetio je da Nvidijini 72-GPU Blackwell čvorovi trebaju 16 puta više vlakana od konvencionalnih Cloud switch stakala. STL, još jedan vodeći proizvođač vlakana, izvijestio je da GPU-teški AI stalci mogu zahtijevati do 36 puta više vlakana od tradicionalnih konfiguracija baziranih na CPU-u.
Ovaj porast potražnje seže izvan onoga što se dešava unutar zgrade. AI radna opterećenja se sve više distribuiraju na više objekata, što značiveze za međusobno povezivanje podatkovnih centara (DCI).takođe treba znatno veći kapacitet vlakana. AIzvještaj za 2025. od strane Fiber Broadband Associationpredviđao je da će SAD trebati 2,3x povećanje ukupnih milja vlakana do 2029. da bi podržao samo rast hiperskala vođen AI{4}}.
Kako AI poboljšava mrežne operacije s optičkim vlaknima
Odnos nije jednosmjeran-. AI rješava stvarne probleme održavanja i performansi optičke mreže s kojima se industrija borila desetljećima.
Pametnije otkrivanje kvarova i održavanje
Tradicionalno, pronalaženje i dijagnosticiranje kvarova u optičkoj mreži značilo je slanje tehničara da ručno pregledaju OTDR (Optical Time-Reflektometar domene) prati - spor, radno-intenzivan proces. AI to iz temelja mijenja.
Modeli strojnog učenja sada mogu automatski analizirati OTDR podatke kako bi otkrili anomalije vlakana, klasificirali tipove grešaka i odredili njihovu lokaciju. Objavljeno istraživanje pokazuje da sistemi zasnovani na AI-u koji kombinuju autoenkodere sa dvosmjernim rekurentnim neuronskim mrežama postižu F1 rezultate detekcije kvarova iznad 96% i tačnost klasifikacije veću od 98%, sa preciznošću lokalizacije mjerenom u dijelovima metra. U jednoj dokumentovanoj implementaciji,platforma za praćenje uz pomoć AI{0}}poboljšana efikasnost detekcije grešaka za preko 98% u poređenju sa konvencionalnim anketiranjem u okruženju data centra sa 1024 linka.
Za operatere koji upravljaju hiljadama optičkih veza preko aoptički data centarmreže, praktična korist je jasna: greške se identifikuju i lociraju pre nego što prouzrokuju smetnje u servisu, a ciklusi dijagnoze se smanjuju sa sati na sekunde.
Optimizacija signala i planiranje kapaciteta
AI također pomaže da se istisnu više performansi iz postojeće optičke infrastrukture. Obukom modela na parametrima uređaja i istorijskim podacima o performansama veze, mašinsko učenje može optimizovati modulaciju signala, predvideti efekte disperzije i uravnotežiti distribuciju snage preko kanala talasnih dužina. To znači da operateri mogu povećati efektivni kapacitet raspoređenih optičkih ruta bez instaliranja novih kablova - što predstavlja značajnu prednost u troškovima jer cijene vlakana i dalje rastu.
Šuplje-Vlakno sa šupljim jezgrom: Kako potražnja za umjetnom inteligencijom pokreće novu tehnologiju vlakana
Možda je najjasniji primjer kako umjetna inteligencija gura naprijed inovacije u vlaknimašuplje{0}}optičko vlakno(HCF). Konvencionalna vlakna vode svjetlost kroz čvrsto staklo. Umjesto toga, -vlakno sa šupljim jezgrom prenosi svjetlost kroz kanal-ispunjen zrakom. Budući da svjetlost putuje otprilike 47% brže u zraku nego u staklu, HCF nudi značajno smanjenje kašnjenja širenja - tipično 30 do 47 posto, ovisno o specifičnom dizajnu i uvjetima primjene.
U septembru 2025. istraživači sa Univerziteta Southampton i Microsoft objavili su rezultate uNature Photonicsdemonstrirajući HCF sa rekordno-malim gubitkom signala od 0,091 dB po kilometru. Ovo je značajno bolje od poda od približno 0,14 dB/km na kojem su konvencionalna silika vlakna zaglavljena četiri decenije. Microsoft je već postavio preko 1200 km šupljih{7}}vlakana koje prenose promet uživo u svojoj Azure mreži, inajavio planove za raspoređivanje još 15.000 km, u partnerstvu sa kompanijama Corning i Heraeus za industrijsku{0}}proizvodnju.
U novembru 2025., Scala Data Centers, Lightera i Nokia sproveli su prvi HCF dokaz koncepta u Latinskoj Americi i potvrdili smanjenje latencije od 32% koristeći komercijalno dostupnu opremu za testiranje 400G.
Međutim, HCF danas nije univerzalna zamjena za konvencionalna vlakna. Troškovi proizvodnje su veći, spajanje zahtijeva specijalizirane tehnike, a industrijski standardi se još uvijek razvijaju. Za sada je najpogodniji za latenciju-kritičnih veza - posebno između centara podataka AI, gdje čak i mikrosekunde kašnjenja utiču na korištenje GPU-a u distribuiranim klasterima za obuku.
Zapisi o prijenosu vlakana nastavljaju da padaju
Plafon kapaciteta za optička vlakna stalno raste. Krajem 2025. međunarodni tim predvođen japanskim NICT-om pokazao je brzinu prijenosa od430 Tb/s preko standardnog-kompatibilnog optičkog vlaknana ECOC 2025 - i to postigli koristeći skoro 20% manje propusnosti od prethodnog rekorda od 402 Tb/s postavljenog 2024. Odvojeno, Sumitomo Electric i NICT su dostigli 1,02 petabita u sekundi na 1.808 km koristeći 19-jezgreno vlakno sa standardnim prečnikom omotača.
Mnoga od ovih otkrića se direktno oslanjaju na tehnike obrade signala potpomognute AI-uključujući modulacijske formate optimizirane na neuronskim mrežama-baziranim na ekvilizaciji i mašinskom učenju-. Tehnologije kao što su multi-multipleksiranje sa podjelom talasnih dužina i više{5}}jezgrena vlakna - u kombinaciji sa optimizacijom vođenom umjetnom inteligencijom - pomjeraju praktične granice onoga štojedno-modno vlaknoi sljedeće{0}}generacije dizajna vlakana mogu nositi.
Praktične implikacije za telekom industriju
AI{0}}odnos vlakana ima konkretne posljedice za različite uloge u telekom ekosistemu:
Operateri centara podatakapotrebno je planirati dramatično veću gustinu vlakana po rack-u. Izgradnja AI klastera zahtijeva ne-optičke tkanine koje ne blokiraju gdje svaki GPU ima namjenske veze vlakana na svakom nivou. Visoka{3}}rješenja kao što sutrakasti optički kablovii MPO/MTP sklopovi postaju neophodni, a ne opcioni.
Timovi za održavanje mrežetreba procijeniti alate za praćenje uz pomoć AI{0}} kao način za smanjenje neplaniranih zastoja i prelazak na prediktivno održavanje. Tehnologija je već dokazana u stvarnim primjenama, a ne samo u istraživačkim radovima. Ispravnoispitivanje optičkih kablovau kombinaciji s AI analitikom može značajno produžiti vijek trajanja postojeće infrastrukture.
Infrastrukturni planeri i kupcitreba očekivati nastavak pritiska cijena na vlakna i optičke komponente jer potražnja koju pokreće AI- nadmašuje ponudu. Osiguravanje pouzdanih lanaca opskrbe vlaknima i rad sa uspostavljenimmaterijal optičkog kabladobavljači će postati sve važniji.
Često postavljana pitanja
Zašto bakreni kablovi ne podržavaju saobraćaj u AI data centru?
AI radna opterećenja generiraju ogromne količine server{0}}do-promet podataka sa servera pri brzinama od 400G i više. Bakarni kablovi su ograničeni u propusnosti i dosegu pri ovim brzinama. Optičko vlakno prenosi podatke kao svjetlosne signale sa daleko većim propusnim opsegom, manjom latencijom i minimalnom degradacijom signala, što ga čini jedinim održivim medijem za skalu kretanja podataka koju zahtijeva AI.
Koliko više vlakana koristi AI centar podataka?
Prema Corning-u, data centri sa AI-većom potrošnjom više od 10 puta više vlakana od tradicionalnih objekata. Za GPU{3}}intenzivne konfiguracije, STL izvještava da omjer može doseći 36 puta. Tačan množitelj ovisi o arhitekturi GPU-a, topologiji mreže i da li postrojenje podržava AI obuku, zaključivanje ili oboje.
Šta je šuplja{0}}vlakna i zašto je to važno za AI?
Vlakna sa šupljim jezgrom -vodi svjetlost kroz jezgro-ispunjeno zrakom umjesto čvrstog stakla. Budući da se svjetlost brže kreće u zraku, HCF smanjuje kašnjenje prijenosa za otprilike 30 do 47 posto. Za distribuiranu AI obuku u više centara podataka, ovo smanjenje kašnjenja direktno poboljšava korištenje GPU-a i ukupne performanse sistema. Microsoft je najveći trenutni proizvođač, s planovima za 15.000 km preko svoje Azure mreže.
Da li se već koristi praćenje vlakana napajanim AI{0}}?
Da. OTDR analiza vođena AI-i prediktivnom detekcijom kvarova danas se primjenjuje u proizvodnim mrežama. Sistemi podržani istraživanjem-mogu otkriti greške u vlaknima sa tačnošću od preko 96% i lokalizirati ih na nižu-preciznost. Nekoliko telekom operatera i provajdera data centara usvojilo je ove alate kako bi smanjilo troškove održavanja i spriječilo prekide usluga.
Koje vrste vlakana se koriste u AI centrima podataka?
Većina AI centara podataka koristi kombinaciju jednog-modnog vlakna (obično G.652.D) za duže inter-gradnje i DCI veze, i OM4 ili OM5 višemodnih vlakana za kratke-veze unutar redova regala. Trakasti kablovi-velike gustine i MPO/MTP povezivanje su standardni za upravljanje velikim brojem vlakana koje ova okruženja zahtijevaju.