Изкуственият интелект и кабелите от оптични влакна зависят един от друг повече, отколкото повечето хора в телекомуникационната индустрия осъзнават. Системите с изкуствен интелект не могат да функционират без високо-скоростното предаване на данни с ниска-закъснение, което само оптичните влакна могат да осигурят. А оптичните мрежи от своя страна стават много по-ефективни благодарение на-задвижваните от AI инструменти за наблюдение и оптимизация. Тази дву-посочна връзка вече променя начина, по който се изграждат центровете за данни, как се поддържат мрежите и как се разработват нови оптични технологии.
Тази статия обяснява как връзката работи на практика, подкрепена от проверими индустриални данни, и какво означава това за телекомуникационните оператори, планиращите центрове за данни и купувачите на инфраструктура.
Защо AI системите се нуждаят от оптични кабели
Обучението на голям AI модел включва разпределяне на работните натоварвания между хиляди GPU, всички от които трябва непрекъснато да обменят данни. Това създава масивен трафик от изток-запад - данни, протичащи между сървърите -, който изисква екстремна честотна лента, минимално забавяне и незначителна загуба на сигнал. Традиционните медни кабели не могат да се справят. самооптични кабелиможе да осигури пропускателната способност, която изискват съвременните AI клъстери, особено когато центровете за данни преминават от 400G към 800G и евентуално 1,6T оптични връзки.
Разликата в консумацията на фибри е драматична. СпоредПерспективата на Corning за центъра за данни през 2025 ггенеративните AI центрове за данни вече изискват повече от 10 пъти повече оптични влакна от традиционните мрежи за центрове за данни. Старшият вицепрезидент на Corning за оптични влакна и кабели отбеляза, че 72-GPU Blackwell възлите на Nvidia се нуждаят от 16 пъти повече влакна от конвенционалните стелажи за облачни комутатори. STL, друг водещ производител на оптични влакна, съобщи, че GPU-тежките стелажи с изкуствен интелект могат да изискват до 36 пъти повече влакна от традиционните базирани на CPU конфигурации.
Този скок в търсенето се простира отвъд това, което се случва вътре в сградата. Работните натоварвания на AI все повече се разпределят между множество съоръжения, което означававръзки към центрове за данни (DCI).също се нуждаят от значително повече капацитет на влакната. АДоклад за 2025 г. на Fiber Broadband Associationпрогнозира, че САЩ ще се нуждаят от 2,3 пъти увеличение на общите мили влакна до 2029 г., за да поддържат само хипермащабния растеж, управляван от AI.
Как AI подобрява операциите на мрежата с оптични влакна
Връзката не е еднопосочна-. AI решава реални проблеми в поддръжката и производителността на оптичната мрежа, с които индустрията се бори от десетилетия.
По-интелигентно откриване на грешки и поддръжка
Традиционно намирането и диагностицирането на неизправности в оптична мрежа означаваше изпращане на техници да проверят ръчно OTDR (оптичен времеви-домейнен рефлектометър) проследява - бавен, трудоемък-процес. AI променя това фундаментално.
Моделите за машинно обучение вече могат автоматично да анализират OTDR данни, за да откриват аномалии на влакна, да класифицират типове грешки и да определят местоположението им. Публикувано изследване показва, че системите, базирани на AI-, комбиниращи автоенкодери с двупосочни повтарящи се невронни мрежи, постигат F1 резултати за откриване на грешки над 96% и точност на класифициране над 98%, като прецизността на локализацията се измерва в части от метър. В едно документирано внедряване,AI-подпомогната платформа за наблюдениеподобрена ефективност при откриване на грешки с над 98% в сравнение с конвенционалното запитване в среда на център за данни с 1024 връзки.
За оператори, управляващи хиляди оптични връзки в aоптичен център за даннимрежа, практическата полза е ясна: неизправностите се идентифицират и локализират, преди да причинят прекъсване на обслужването, а циклите на диагностика се свиват от часове до секунди.
Оптимизиране на сигнала и планиране на капацитета
AI също помага да се изтръгне повече производителност от съществуващата оптична инфраструктура. Чрез обучение на модели на параметри на устройството и исторически данни за производителността на връзката, машинното обучение може да оптимизира модулацията на сигнала, да предскаже дисперсионни ефекти и да балансира разпределението на мощността по каналите с дължина на вълната. Това означава, че операторите могат да увеличат ефективния капацитет на разгърнатите оптични маршрути, без да инсталират нови кабели - значително предимство в разходите, тъй като цените на оптичните влакна продължават да растат.
Влакно с куха-сърцевина: Как търсенето на AI движи нова технология за влакна
Може би най-ясният пример за това как AI тласка напред иновациите във влакната еоптично влакно с куха сърцевина(HCF). Конвенционалните влакна насочват светлината през плътно стъкло. Вместо това влакното с куха-сърцевина предава светлина през-напълнен с въздух канал. Тъй като светлината пътува приблизително 47% по-бързо във въздуха, отколкото в стъклото, HCF предлага значително намаляване на латентността на разпространение - обикновено от 30 до 47 процента, в зависимост от конкретния дизайн и условията на внедряване.
През септември 2025 г. изследователи от университета в Саутхемптън и Microsoft публикуваха резултати вПриродна фотоникадемонстрирайки HCF с рекордно-ниска загуба на сигнал от 0,091 dB на километър. Това е значително по-добро от приблизително 0,14 dB/km дъно, на което конвенционалните силициеви влакна са останали в продължение на четири десетилетия. Microsoft вече е внедрила над 1200 км кухи-влакна, пренасящи трафик на живо в своята мрежа Azure, иобяви планове за разполагане на още 15 000 км, в партньорство с Corning и Heraeus за-производство в индустриален мащаб.
През ноември 2025 г. Scala Data Centers, Lightera и Nokia проведоха първото HCF доказателство за концепцията в Латинска Америка и потвърдиха 32% намаление на латентността, използвайки налично в търговската мрежа 400G тестово оборудване.
Въпреки това, HCF не е универсален заместител на конвенционалните влакна днес. Производствените разходи са по-високи, снаждането изисква специализирани техники, а индустриалните стандарти все още се разработват. Засега той е най-подходящ за забавяне-критични връзки - особено между центрове за данни с изкуствен интелект, където дори микросекунди забавяне засягат използването на GPU в разпределени клъстери за обучение.
Рекордите за оптично предаване продължават да падат
Таванът на капацитета за оптични влакна продължава да расте. В края на 2025 г. международен екип, ръководен от японския NICT, демонстрира скорост на предаване от430 Tb/s през стандартно{1}}съвместимо оптично влакнов ECOC 2025 - и постигна това, използвайки близо 20% по-малка честотна лента от предишния рекорд от 402 Tb/s, поставен през 2024 г. Отделно, Sumitomo Electric и NICT достигнаха 1,02 петабита в секунда за 1808 км, използвайки 19-ядрено влакно със стандартен диаметър на обвивката.
Много от тези пробиви разчитат директно на-подпомогнати от AI техники за обработка на сигнали, включително базирано на невронни мрежи-изравняване и машинно обучение-оптимизирани модулационни формати. Технологии като много-лентово мултиплексиране с разделяне на дължини на вълните и много-ядрени влакна - в комбинация с оптимизация, управлявана от AI--, разширяват практическите граници на това, коетоедномодово влакно-и дизайните на влакната от следващо-поколение могат да носят.
Практически последици за телекомуникационната индустрия
Връзката на AI{0}}fiber има конкретни последствия за различните роли в телекомуникационната екосистема:
Оператори на центрове за даннитрябва да планирате драматично по-висока плътност на влакната на стелаж. Изграждането на AI клъстери изисква не-блокиращи оптични тъкани, където всеки графичен процесор има специални оптични връзки на всяко ниво. Решения с висока-плътност, като напрлентови оптични кабелии MPO/MTP модулите стават по-скоро съществени, отколкото незадължителни.
Екипи за поддръжка на мрежататрябва да оценят-подпомогнати от AI инструменти за наблюдение като начин за намаляване на непланирания престой и преминаване към предсказуема поддръжка. Технологията вече е доказана в реални внедрявания, а не само в научни статии. правилнотестване на оптичен кабелв комбинация с AI анализ може значително да удължи полезния живот на съществуващата инфраструктура.
Проектанти и купувачи на инфраструктуратрябва да очакваме продължителен ценови натиск върху оптичните и оптичните компоненти, тъй като търсенето,-задвижвано от AI, изпреварва предлагането. Осигуряване на надеждни вериги за доставка на влакна и работа с установениматериал за оптичен кабелдоставчиците ще стават все по-важни.
Често задавани въпроси
Защо медните кабели не могат да поддържат трафик на AI център за данни?
Работните натоварвания на AI генерират огромни обеми трафик на данни от сървър-към-сървър при скорости от 400G и повече. Медните кабели са ограничени както в честотната лента, така и в обхвата при тези скорости. Оптичното влакно предава данни като светлинни сигнали с много по-висока честотна лента, по-ниска латентност и минимално влошаване на сигнала, което го прави единствената жизнеспособна среда за мащаба на движение на данни, който AI изисква.
Колко повече влакна използва AI център за данни?
Според Corning центровете за данни, поддържащи-изкуствен интелект, вече консумират повече от 10 пъти повече влакна от традиционните съоръжения. За GPU-интензивни конфигурации, STL съобщава, че съотношението може да достигне 36 пъти. Точният множител зависи от архитектурата на графичния процесор, мрежовата топология и дали съоръжението поддържа AI обучение, изводи или и двете.
Какво е кухо{0}}влакно и защо има значение за AI?
Влакното с куха-сърцевина насочва светлината през-напълнена с въздух сърцевина вместо плътно стъкло. Тъй като светлината се движи по-бързо във въздуха, HCF намалява латентността на предаване с приблизително 30 до 47 процента. За разпределено AI обучение в множество центрове за данни, това намаляване на латентността директно подобрява използването на GPU и цялостната производителност на системата. Microsoft е най-големият текущ внедрител с планове за 15 000 км в своята Azure мрежа.
Използва ли се вече-захранван с изкуствен интелект мониторинг на влакна?
да Управляван от AI- OTDR анализ и предсказуемо откриване на грешки днес се внедряват в производствените мрежи. Системите,-подкрепени от изследвания, могат да открият повреди на влакна с над 96% точност и да ги локализират с точност под-метър. Няколко телеком оператори и доставчици на центрове за данни са приели тези инструменти, за да намалят разходите за поддръжка и да предотвратят прекъсвания на услугата.
Какви типове влакна се използват в центровете за данни с изкуствен интелект?
Повечето центрове за данни с изкуствен интелект използват комбинация от едно-модово влакно (обикновено G.652.D) за по-дълги между-сградни и DCI връзки и OM4 или OM5 многомодово влакно за връзки с малък-обхват в рамките на стелажи. Лентовите кабели с висока-плътност и MPO/MTP свързаността са стандартни за управление на големия брой оптични нишки, които се изискват в тези среди.