Umělá inteligence a kabely z optických vláken na sobě závisí více, než si většina lidí v telekomunikačním průmyslu uvědomuje. Systémy umělé inteligence nemohou fungovat bez vysokorychlostního{1}}přenosu dat s nízkou{2}}latencí, který může poskytnout pouze optická vlákna. A optické sítě jsou zase mnohem efektivnější díky nástrojům pro monitorování a optimalizaci-využívající umělou inteligenci. Tento obousměrný- vztah již mění způsob, jakým se budují datová centra, jak jsou udržovány sítě a jak se vyvíjejí nové optické technologie.
Tento článek vysvětluje, jak tento vztah funguje v praxi na základě ověřitelných průmyslových dat, a co to znamená pro telekomunikační operátory, plánovače datových center a kupující infrastruktury.
Proč systémy AI potřebují kabely s optickými vlákny
Trénink velkého modelu umělé inteligence zahrnuje rozložení zátěže mezi tisíce GPU, z nichž všechny si musí neustále vyměňovat data. To vytváří masivní data o východním -západním provozu - mezi servery -, která vyžaduje extrémní šířku pásma, minimální latenci a zanedbatelné ztráty signálu. Tradiční měděné kabely nemohou držet krok. Pouzekabely z optických vlákenmůže poskytnout propustnost, kterou moderní clustery AI vyžadují, zejména při přechodu datových center z 400G na 800G a případně 1,6T optických spojů.
Rozdíl ve spotřebě vlákniny je dramatický. PodleVýhled společnosti Corning pro datové centrum na rok 2025generativní datová centra s umělou inteligencí již vyžadují více než 10krát více optických vláken než tradiční sítě datových center. SVP společnosti Corning pro optická vlákna a kabely poznamenal, že 72{5}}uzly GPU Blackwell společnosti Nvidia potřebují 16krát více vláken než běžné cloudové přepínací racky. STL, další přední výrobce optických vláken, oznámil, že GPU-těžké AI racky mohou vyžadovat až 36krát více vláken než tradiční konfigurace založené na CPU.
Tento nárůst poptávky přesahuje to, co se děje uvnitř budovy. Pracovní zátěže AI jsou stále více distribuovány mezi více zařízení, což znamenápropojení datových center (DCI).také potřebují podstatně větší kapacitu vláken. AZpráva Fiber Broadband Association za rok 2025předpokládali, že USA budou do roku 2029 potřebovat 2,3násobný nárůst celkového počtu vláknových mil, aby podpořily samotný hyperškálový růst řízený umělou inteligencí-.
Jak AI zlepšuje provoz sítě optických vláken
Vztah není jednosměrný-. Umělá inteligence řeší skutečné problémy s údržbou a výkonem optických sítí, se kterými se toto odvětví potýká po desetiletí.
Chytřejší detekce a údržba poruch
Hledání a diagnostika chyb v optické síti tradičně znamenalo posílat techniky, aby ručně zkontrolovali stopy OTDR (Optical Time-Domain Reflectometer) - pomalý, pracný- proces. AI to zásadně mění.
Modely strojového učení nyní dokážou automaticky analyzovat data OTDR, aby detekovaly anomálie vláken, klasifikovaly typy chyb a přesně určily jejich polohu. Publikovaný výzkum ukazuje, že systémy založené na umělé inteligenci- kombinující autokodéry s obousměrnými rekurentními neuronovými sítěmi dosahují skóre detekce chyb F1 nad 96 % a přesnosti klasifikace přesahující 98 %, přičemž přesnost lokalizace se měří ve zlomcích metru. V jednom zdokumentovaném nasazenímonitorovací platformu-za pomoci umělé inteligencezlepšená účinnost detekce chyb o více než 98 % ve srovnání s konvenčním dotazováním v prostředí datového centra s 1 024 linkami.
Pro operátory spravující tisíce optických spojů napříč adatové centrum z optických vlákenV síti je praktický přínos zřejmý: poruchy jsou identifikovány a lokalizovány dříve, než způsobí narušení provozu, a diagnostické cykly se zkrátí z hodin na sekundy.
Optimalizace signálu a kapacitní plánování
Umělá inteligence také pomáhá vytlačit větší výkon ze stávající optické infrastruktury. Trénováním modelů na parametrech zařízení a historických údajích o výkonu spoje může strojové učení optimalizovat modulaci signálu, předvídat disperzní efekty a vyvažovat distribuci energie napříč kanály vlnové délky. To znamená, že operátoři mohou zvýšit efektivní kapacitu nasazených optických tras bez instalace nových kabelů -, což je významná nákladová výhoda, protože ceny optických vláken stále rostou.
Hollow-Core Fiber: Jak AI poptávka pohání novou technologii vláken
Snad nejjasnějším příkladem toho, jak AI posouvá inovace vláken kupředu, jeduté optické vlákno-(HCF). Konvenční vlákno vede světlo skrz pevné sklo. Duté-vlákno s jádrem přenáší světlo místo toho vzduchem-naplněným kanálem. Vzhledem k tomu, že světlo se ve vzduchu šíří zhruba o 47 % rychleji než ve skle, nabízí HCF významné snížení latence šíření - obvykle o 30 až 47 procent, v závislosti na konkrétní konstrukci a podmínkách nasazení.
V září 2025 zveřejnili výzkumníci z University of Southampton a Microsoft výsledky vFotonika přírodydemonstruje HCF s rekordně-nízkou ztrátou signálu 0,091 dB na kilometr. To je výrazně lepší než podlaha s přibližně 0,14 dB/km, na které se konvenční křemičitá vlákna drží po čtyři desetiletí. Společnost Microsoft již ve své síti Azure nasadila více než 1 200 km dutých-vláknových vláken s živým provozem.oznámil plány na nasazení o 15 000 km více, ve spolupráci s Corning a Heraeus pro průmyslovou-výrobu.
V listopadu 2025 provedly Scala Data Center, Lightera a Nokia první HCF proof of concept v Latinské Americe a potvrdily 32% snížení latence pomocí komerčně dostupného testovacího zařízení 400G.
To znamená, že HCF dnes není univerzální náhradou za konvenční vlákno. Výrobní náklady jsou vyšší, spojování vyžaduje specializované techniky a průmyslové standardy se stále vyvíjejí. V současnosti se nejlépe hodí pro latenční-kritická propojení-, zejména mezi datovými centry AI, kde i mikrosekundy zpoždění ovlivňují využití GPU napříč distribuovanými tréninkovými clustery.
Rekordy přenosu vláken nadále klesají
Strop kapacity pro optické vlákno stále roste. Na konci roku 2025 mezinárodní tým vedený japonským NICT prokázal přenosovou rychlost430 Tb/s přes standardní-optické vláknona EHMK 2025 - a dosáhli toho pomocí téměř o 20 % menší šířky pásma než předchozí rekord 402 Tb/s z roku 2024. Samostatně Sumitomo Electric a NICT dosáhly rychlosti 1,02 petabitu za sekundu na 1 808 km pomocí 19jádrového vlákna se standardním průměrem pláště.
Mnohé z těchto průlomů přímo spoléhají na -techniku zpracování signálu za pomoci umělé inteligence, včetně -vyrovnání založeného na neuronové síti a formátů modulace optimalizovaných pro strojové učení-. Technologie jako více-pásmové multiplexování s dělením vlnových délek a více{5}}jádrové vlákno- v kombinaci s-optimalizací řízenou umělou inteligencí- posouvají praktické limity toho, cojednovidové-vláknoa další-generace návrhů vláken mohou nést.
Praktické implikace pro telekomunikační průmysl
Vztah AI-vlákna má konkrétní důsledky pro různé role v telekomunikačním ekosystému:
Provozovatelé datových centerje třeba plánovat dramaticky vyšší hustotu vláken na stojan. Sestavy clusteru AI vyžadují neblokující optické struktury, kde má každý GPU vyhrazená připojení optických vláken na každé vrstvě. Řešení s vysokou-hustotou, jako je napřpáskové optické kabelya sestavy MPO/MTP se stávají spíše nezbytnými než volitelnými.
Týmy údržby sítěby měli vyhodnotit nástroje asistovaného monitorování AI{0}}jako způsob, jak snížit neplánované prostoje a přejít k prediktivní údržbě. Tato technologie je již ověřena v reálném nasazení, nejen ve výzkumných pracích. Správnýtestování optických kabelův kombinaci s analytikou AI může výrazně prodloužit životnost stávající infrastruktury.
Plánovači infrastruktury a nákupčíměli očekávat pokračující tlak na ceny optických a optických komponent, protože poptávka řízená umělou inteligencí-převyšuje nabídku. Zajištění spolehlivých dodavatelských řetězců vláken a spolupráce se zavedenýmimateriál kabelu z optických vlákendodavatelé budou stále důležitější.
Často kladené otázky
Proč nemohou měděné kabely podporovat provoz datových center AI?
Pracovní zátěže AI generují obrovské objemy datového provozu-na{1}}server při rychlostech 400G a vyšších. Měděné kabely jsou omezeny jak šířkou pásma, tak dosahem při těchto rychlostech. Optické vlákno přenáší data jako světelné signály s mnohem větší šířkou pásma, nižší latencí a minimální degradací signálu, což z něj dělá jediné životaschopné médium pro rozsah pohybu dat, který AI vyžaduje.
O kolik více vláken využívá datové centrum AI?
Podle společnosti Corning již dnes datová centra s podporou AI-spotřebovávají více než 10krát více vláken než tradiční zařízení. U konfigurací náročných na GPU- STL uvádí, že poměr může dosáhnout 36násobku. Přesný multiplikátor závisí na architektuře GPU, topologii sítě a na tom, zda zařízení podporuje školení AI, odvození nebo obojí.
Co je to duté-vlákno a proč je důležité pro umělou inteligenci?
Duté-vlákno s jádrem vede světlo vzduchem-naplněným jádrem namísto pevného skla. Protože se světlo ve vzduchu pohybuje rychleji, HCF snižuje přenosovou latenci zhruba o 30 až 47 procent. U distribuovaného školení AI napříč více datovými centry toto snížení latence přímo zlepšuje využití GPU a celkový výkon systému. Microsoft je největším současným implementátorem s plány na 15 000 km napříč sítí Azure.
Používá se již monitorování vláken-napájených umělou inteligencí?
Ano. Analýza OTDR řízená AI-a prediktivní detekce chyb jsou dnes nasazeny v produkčních sítích. Systémy podporované výzkumem-dokážou detekovat chyby vláken s přesností více než 96 % a lokalizovat je s přesností pod-metrů. Několik telekomunikačních operátorů a poskytovatelů datových center přijalo tyto nástroje ke snížení nákladů na údržbu a zabránění přerušení služeb.
Jaké typy vláken se používají v datových centrech AI?
Většina datových center s umělou inteligencí používá kombinaci jednoho{0}}vlákna (typicky G.652.D) pro delší propojení mezi budovami a DCI a multimódového vlákna OM4 nebo OM5 pro připojení krátkého-dosahu v řadách racku. Páskové kabely s vysokou{7}}hustotou a konektivita MPO/MTP jsou standardem pro správu velkého počtu vláken vláken, která tato prostředí vyžadují.