ความรู้

ปัญญาประดิษฐ์และสายเคเบิลใยแก้วนำแสงต้องพึ่งพาอาศัยกันมากกว่าที่คนส่วนใหญ่ในอุตสาหกรรมโทรคมนาคมจะตระหนัก ระบบ AI จะไม่สามารถทำงานได้หากไม่มีการส่งข้อมูล-ความเร็วสูง เวลาแฝงต่ำ- ซึ่งมีเพียงใยแก้วนำแสงเท่านั้นที่สามารถให้ได้ และเครือข่ายไฟเบอร์ก็มีประสิทธิภาพมากขึ้นด้วยเครื่องมือตรวจสอบและเพิ่มประสิทธิภาพที่ขับเคลื่อนด้วย AI- ความสัมพันธ์แบบสองทาง-นี้ได้กำหนดรูปแบบใหม่ในการสร้างศูนย์ข้อมูล วิธีดูแลรักษาเครือข่าย และวิธีการพัฒนาเทคโนโลยีไฟเบอร์ใหม่ๆ

บทความนี้จะอธิบายวิธีการทำงานของความสัมพันธ์ในทางปฏิบัติ ซึ่งได้รับการสนับสนุนจากข้อมูลอุตสาหกรรมที่ตรวจสอบได้ และความหมายสำหรับผู้ให้บริการโทรคมนาคม นักวางแผนศูนย์ข้อมูล และผู้ซื้อโครงสร้างพื้นฐาน
 

เหตุใดระบบ AI จึงต้องใช้สายเคเบิลใยแก้วนำแสง

การฝึกอบรมโมเดล AI ขนาดใหญ่เกี่ยวข้องกับการกระจายปริมาณงานไปยัง GPU หลายพันตัว ซึ่งทั้งหมดนี้ต้องแลกเปลี่ยนข้อมูลอย่างต่อเนื่อง สิ่งนี้จะสร้างข้อมูล - การจราจรทางตะวันตก - ตะวันออกจำนวนมากที่ไหลระหว่างเซิร์ฟเวอร์ - ที่ต้องการแบนด์วิธที่สูงมาก เวลาแฝงที่น้อยที่สุด และการสูญเสียสัญญาณเล็กน้อย สายทองแดงแบบเดิมๆ ไม่สามารถตามทันได้ เท่านั้นสายเคเบิลใยแก้วนำแสงสามารถส่งมอบปริมาณงานที่คลัสเตอร์ AI สมัยใหม่ต้องการ โดยเฉพาะอย่างยิ่งเมื่อศูนย์ข้อมูลเปลี่ยนจาก 400G เป็น 800G และสุดท้ายคือ 1.6T ออปติคัลลิงก์

ความแตกต่างในการบริโภคไฟเบอร์นั้นน่าทึ่งมาก ตามแนวโน้มศูนย์ข้อมูลของ Corning ในปี 2568ศูนย์ข้อมูล generative AI ต้องการใยแก้วนำแสงมากกว่าเครือข่ายศูนย์ข้อมูลแบบเดิมมากกว่า 10 เท่า รองประธานอาวุโสฝ่ายไฟเบอร์ออปติกและเคเบิลของ Corning ตั้งข้อสังเกตว่าโหนด 72-GPU Blackwell ของ Nvidia ต้องการไฟเบอร์มากกว่าแร็คสวิตช์คลาวด์ทั่วไปถึง 16 เท่า STL ซึ่งเป็นผู้ผลิตไฟเบอร์ชั้นนำอีกรายหนึ่งรายงานว่า GPU-ชั้นวาง AI หนักสามารถเรียกร้องไฟเบอร์ได้มากกว่าการกำหนดค่าที่ใช้ CPU แบบเดิมถึง 36 เท่า

ความต้องการที่เพิ่มขึ้นนี้ขยายไปไกลกว่าสิ่งที่เกิดขึ้นภายในอาคาร ปริมาณงาน AI มีการกระจายมากขึ้นในโรงงานหลายแห่ง ซึ่งหมายความว่าลิงก์การเชื่อมต่อระหว่างศูนย์ข้อมูล (DCI)ยังต้องการความจุไฟเบอร์เพิ่มขึ้นอย่างมาก กรายงานปี 2025 โดยสมาคมไฟเบอร์บรอดแบนด์คาดการณ์ว่าสหรัฐฯ จะต้องเพิ่มระยะทางไฟเบอร์ทั้งหมด 2.3 เท่าภายในปี 2029 เพื่อรองรับการเติบโตแบบไฮเปอร์สเกลที่ขับเคลื่อนด้วย AI- เพียงอย่างเดียว

AI ปรับปรุงการดำเนินงานเครือข่ายใยแก้วนำแสงได้อย่างไร

ความสัมพันธ์ไม่ใช่ทิศทางเดียว- AI กำลังแก้ไขปัญหาที่แท้จริงในการบำรุงรักษาเครือข่ายไฟเบอร์และประสิทธิภาพที่อุตสาหกรรมต้องต่อสู้ดิ้นรนมานานหลายทศวรรษ

การตรวจจับและบำรุงรักษาข้อผิดพลาดที่ชาญฉลาดยิ่งขึ้น

ตามเนื้อผ้า การค้นหาและวินิจฉัยข้อผิดพลาดในเครือข่ายแบบออปติกหมายถึงการส่งช่างเทคนิคไปตรวจสอบ OTDR (Optical Time-Domain Reflectometer) ด้วยตนเอง เพื่อติดตาม - กระบวนการที่ช้าและใช้แรงงาน- AI เปลี่ยนแปลงสิ่งนี้โดยพื้นฐาน

ขณะนี้โมเดลการเรียนรู้ของเครื่องสามารถวิเคราะห์ข้อมูล OTDR ได้โดยอัตโนมัติเพื่อตรวจจับความผิดปกติของไฟเบอร์ จำแนกประเภทข้อผิดพลาด และระบุตำแหน่งของสิ่งเหล่านั้น งานวิจัยที่ตีพิมพ์แสดงให้เห็นว่าระบบที่ใช้ AI- ผสมผสานตัวเข้ารหัสอัตโนมัติกับเครือข่ายประสาทที่เกิดซ้ำแบบสองทิศทาง บรรลุคะแนนการตรวจจับข้อผิดพลาด F1 ที่สูงกว่า 96% และความแม่นยำในการจำแนกประเภทเกินกว่า 98% โดยมีความแม่นยำในการระบุตำแหน่งที่วัดเป็นเศษส่วนของเมตร ในการปรับใช้เอกสารฉบับเดียวแพลตฟอร์มการตรวจสอบที่ได้รับความช่วยเหลือจาก AI-ปรับปรุงประสิทธิภาพการตรวจจับข้อผิดพลาดมากกว่า 98% เมื่อเทียบกับการโพลทั่วไปในสภาพแวดล้อมศูนย์ข้อมูล 1,024 ลิงก์

สำหรับผู้ปฏิบัติงานที่จัดการลิงก์ไฟเบอร์นับพันทั่วศูนย์ข้อมูลใยแก้วนำแสงเครือข่าย ประโยชน์เชิงปฏิบัติมีความชัดเจน: มีการระบุข้อผิดพลาดและระบุตำแหน่งก่อนที่จะทำให้เกิดการหยุดชะงักของบริการ และรอบการวินิจฉัยลดลงจากชั่วโมงเหลือเพียงวินาที

การเพิ่มประสิทธิภาพสัญญาณและการวางแผนความจุ

AI ยังช่วยบีบประสิทธิภาพมากขึ้นจากโครงสร้างพื้นฐานไฟเบอร์ที่มีอยู่ ด้วยการฝึกโมเดลเกี่ยวกับพารามิเตอร์ของอุปกรณ์และข้อมูลประสิทธิภาพของลิงก์ในอดีต แมชชีนเลิร์นนิงสามารถเพิ่มประสิทธิภาพการมอดูเลตสัญญาณ คาดการณ์ผลกระทบการกระจายตัว และกระจายพลังงานอย่างสมดุลข้ามช่องสัญญาณความยาวคลื่น ซึ่งหมายความว่าผู้ปฏิบัติงานสามารถเพิ่มกำลังการผลิตที่มีประสิทธิภาพของเส้นทางไฟเบอร์ที่ใช้งานได้โดยไม่ต้องติดตั้งสายเคเบิลใหม่ - ซึ่งเป็นข้อได้เปรียบด้านต้นทุนที่สำคัญ เนื่องจากราคาไฟเบอร์ยังคงเพิ่มขึ้นอย่างต่อเนื่อง

แกนไฟเบอร์แบบกลวง-: ความต้องการของ AI ขับเคลื่อนเทคโนโลยีไฟเบอร์แบบใหม่อย่างไร

บางทีตัวอย่างที่ชัดเจนที่สุดของวิธีที่ AI ผลักดันนวัตกรรมด้านไฟเบอร์ไปข้างหน้าก็คือใยแก้วนำแสงแกนกลวง-(HCF) ไฟเบอร์แบบธรรมดานำแสงผ่านกระจกแข็ง เส้นใยแกนกลวง-ส่งแสงผ่านช่องเติมอากาศ-แทน เนื่องจากแสงเดินทางได้เร็วกว่าในอากาศประมาณ 47% เมื่อเทียบกับแก้ว HCF จึงช่วยลดเวลาแฝงในการแพร่กระจาย - ได้อย่างมาก โดยทั่วไปคือ 30 ถึง 47 เปอร์เซ็นต์ ขึ้นอยู่กับการออกแบบเฉพาะและเงื่อนไขการใช้งาน

ในเดือนกันยายน 2025 นักวิจัยจากมหาวิทยาลัย Southampton และ Microsoft เผยแพร่ผลลัพธ์ในโฟโตนิกส์ธรรมชาติสาธิต HCF ด้วยการสูญเสียสัญญาณ-ต่ำเป็นประวัติการณ์ที่ 0.091 dB ต่อกิโลเมตร ซึ่งดีกว่าพื้นประมาณ 0.14 เดซิเบล/กม. ที่ซิลิกาไฟเบอร์ทั่วไปติดอยู่มานานสี่ทศวรรษอย่างเห็นได้ชัด Microsoft ได้ติดตั้งไฟเบอร์แกนกลวง-เป็นระยะทางกว่า 1,200 กม. แล้ว ซึ่งรองรับการรับส่งข้อมูลสดในเครือข่าย Azure และประกาศแผนการจัดวางกำลังเพิ่มอีก 15,000 กมร่วมมือกับ Corning และ Heraeus สำหรับการผลิตระดับอุตสาหกรรม-

ในเดือนพฤศจิกายน ปี 2025 Scala Data Centers, Lightera และ Nokia ดำเนินการพิสูจน์แนวคิด HCF ครั้งแรกในละตินอเมริกา และยืนยันเวลาแฝงที่ลดลง 32% โดยใช้อุปกรณ์ทดสอบ 400G ที่มีจำหน่ายในท้องตลาด

อย่างไรก็ตาม HCF ไม่ใช่สิ่งทดแทนสากลสำหรับเส้นใยทั่วไปในปัจจุบัน ต้นทุนการผลิตสูงขึ้น การต่อประกบต้องใช้เทคนิคพิเศษ และมาตรฐานอุตสาหกรรมยังคงได้รับการพัฒนา ในตอนนี้ เหมาะที่สุดสำหรับเวลาแฝง-ลิงก์สำคัญ - โดยเฉพาะระหว่างศูนย์ข้อมูล AI ซึ่งความล่าช้าแม้เพียงเสี้ยววินาทีก็ส่งผลต่อการใช้งาน GPU ทั่วทั้งคลัสเตอร์การฝึกอบรมแบบกระจาย

บันทึกการส่งผ่านไฟเบอร์ยังคงลดลง

เพดานความจุสำหรับใยแก้วนำแสงเพิ่มขึ้นอย่างต่อเนื่อง ในช่วงปลายปี 2025 ทีมงานระหว่างประเทศที่นำโดย NICT ของญี่ปุ่น แสดงให้เห็นอัตราการส่งข้อมูลที่430 Tb/s ผ่านใยแก้วนำแสงมาตรฐาน-ที่สอดคล้องที่ ECOC 2025 - และบรรลุเป้าหมายนี้โดยใช้แบนด์วิดท์น้อยกว่าสถิติ 402 Tb/s ก่อนหน้านี้ที่ตั้งไว้ในปี 2024 เกือบ 20% Sumitomo Electric และ NICT แยกกันทำความเร็วได้ถึง 1.02 เพตะบิตต่อวินาทีในระยะทาง 1,808 กม. โดยใช้เส้นใย 19 คอร์ที่มีเส้นผ่านศูนย์กลางหุ้มมาตรฐาน

ความก้าวหน้าหลายอย่างเหล่านี้อาศัยโดยตรงใน-เทคนิคการประมวลผลสัญญาณที่ได้รับความช่วยเหลือจาก AI รวมถึง-การปรับสมดุลตามโครงข่ายประสาทเทียมและการเรียนรู้ของเครื่องจักร-รูปแบบการปรับให้เหมาะสมที่สุด เทคโนโลยีเช่นมัลติ-มัลติเพล็กซ์การแบ่งความยาวคลื่นแบนด์และมัลติ-ไฟเบอร์หลัก - รวมกับการเพิ่มประสิทธิภาพที่ขับเคลื่อนด้วย AI- - กำลังผลักดันขีดจำกัดในทางปฏิบัติของไฟเบอร์โหมดเดี่ยว-และการออกแบบไฟเบอร์รุ่นต่อไป-ก็สามารถนำไปใช้ได้
 

ผลกระทบเชิงปฏิบัติสำหรับอุตสาหกรรมโทรคมนาคม

ความสัมพันธ์แบบไฟเบอร์ของ AI- มีผลกระทบอย่างเป็นรูปธรรมต่อบทบาทที่แตกต่างกันในระบบนิเวศโทรคมนาคม:

ผู้ปฏิบัติงานศูนย์ข้อมูลจำเป็นต้องวางแผนสำหรับความหนาแน่นของไฟเบอร์ต่อแร็คที่สูงขึ้นอย่างมาก การสร้างคลัสเตอร์ AI ต้องใช้ออปติกแฟบริคที่ไม่-ปิดกั้น โดยที่ GPU แต่ละตัวมีการเชื่อมต่อไฟเบอร์เฉพาะในทุกระดับ โซลูชันที่มีความหนาแน่นสูง- เช่นสายไฟเบอร์ออปติกแบบริบบิ้นและชุดประกอบ MPO/MTP มีความจำเป็นมากกว่าเป็นทางเลือก

ทีมงานดูแลระบบเครือข่ายควรประเมินเครื่องมือตรวจสอบที่ได้รับความช่วยเหลือจาก AI- เพื่อลดเวลาหยุดทำงานโดยไม่ได้วางแผนและเปลี่ยนไปสู่การบำรุงรักษาเชิงคาดการณ์ เทคโนโลยีนี้ได้รับการพิสูจน์แล้วในการใช้งานจริง ไม่ใช่แค่ในงานวิจัยเท่านั้น เหมาะสมการทดสอบสายเคเบิลใยแก้วนำแสงเมื่อรวมกับการวิเคราะห์ AI จะช่วยยืดอายุการใช้งานของโครงสร้างพื้นฐานที่มีอยู่ได้อย่างมาก

นักวางแผนโครงสร้างพื้นฐานและผู้ซื้อควรคาดหวังแรงกดดันด้านราคาอย่างต่อเนื่องสำหรับส่วนประกอบไฟเบอร์และออปติก เนื่องจากความต้องการที่ขับเคลื่อนด้วย AI- มีมากกว่าอุปทาน การรักษาความปลอดภัยของห่วงโซ่อุปทานไฟเบอร์ที่เชื่อถือได้และทำงานร่วมกับการจัดตั้งวัสดุสายเคเบิลใยแก้วนำแสงซัพพลายเออร์จะมีความสำคัญมากขึ้น

คำถามที่พบบ่อย

เหตุใดสายทองแดงจึงไม่รองรับการรับส่งข้อมูลของศูนย์ข้อมูล AI

ปริมาณงาน AI สร้างปริมาณมหาศาลของการรับส่งข้อมูลระหว่างเซิร์ฟเวอร์-ถึง-ด้วยความเร็ว 400G ขึ้นไป สายทองแดงถูกจำกัดทั้งแบนด์วิธและเข้าถึงด้วยความเร็วเหล่านี้ ใยแก้วนำแสงส่งข้อมูลเป็นสัญญาณแสงที่มีแบนด์วิธสูงกว่ามาก เวลาแฝงต่ำกว่า และความเสื่อมของสัญญาณน้อยที่สุด ทำให้เป็นสื่อเดียวที่ใช้งานได้สำหรับขนาดของการเคลื่อนไหวของข้อมูลที่ AI ต้องการ

ศูนย์ข้อมูล AI ใช้ไฟเบอร์มากเพียงใด

จากข้อมูลของ Corning ศูนย์ข้อมูลที่เปิดใช้งาน AI- นั้นใช้ไฟเบอร์มากกว่าสิ่งอำนวยความสะดวกแบบเดิมๆ ถึง 10 เท่าแล้ว สำหรับการกำหนดค่าที่เน้น GPU- STL รายงานว่าอัตราส่วนดังกล่าวอาจสูงถึง 36 เท่า ตัวคูณที่แน่นอนขึ้นอยู่กับสถาปัตยกรรม GPU โทโพโลยีเครือข่าย และสิ่งอำนวยความสะดวกรองรับการฝึกอบรม AI การอนุมาน หรือทั้งสองอย่าง

เส้นใยแกนกลวง-คืออะไร และเหตุใดจึงมีความสำคัญสำหรับ AI

เส้นใยแกนกลวง-นำแสงผ่านแกนกลางที่เติมอากาศ- แทนที่จะเป็นกระจกแข็ง เนื่องจากแสงเคลื่อนที่เร็วกว่าในอากาศ HCF จึงลดเวลาแฝงในการส่งสัญญาณลงประมาณ 30 ถึง 47 เปอร์เซ็นต์ สำหรับการฝึกอบรม AI แบบกระจายในศูนย์ข้อมูลหลายแห่ง การลดเวลาแฝงนี้จะช่วยปรับปรุงการใช้งาน GPU และประสิทธิภาพของระบบโดยรวมได้โดยตรง Microsoft เป็นผู้ปรับใช้รายใหญ่ที่สุดในปัจจุบัน โดยมีแผนระยะทาง 15,000 กม. ทั่วทั้งเครือข่าย Azure

มีการใช้การตรวจสอบไฟเบอร์ที่ขับเคลื่อนด้วย AI- อยู่แล้วหรือไม่

ใช่. การวิเคราะห์ OTDR ที่ขับเคลื่อนด้วย AI- และการตรวจจับข้อผิดพลาดเชิงคาดการณ์ถูกนำมาใช้ในเครือข่ายการผลิตในปัจจุบัน ระบบที่ได้รับการสนับสนุนจากการวิจัย-สามารถตรวจจับความผิดปกติของไฟเบอร์ด้วยความแม่นยำมากกว่า 96% และแปลเป็นภาษาท้องถิ่นให้มีความแม่นยำต่ำกว่า-เมตร ผู้ให้บริการโทรคมนาคมและผู้ให้บริการศูนย์ข้อมูลหลายรายนำเครื่องมือเหล่านี้มาใช้เพื่อลดค่าใช้จ่ายในการบำรุงรักษาและป้องกันการหยุดชะงักของบริการ

ไฟเบอร์ประเภทใดบ้างที่ใช้ในศูนย์ข้อมูล AI

ศูนย์ข้อมูล AI ส่วนใหญ่ใช้การผสมผสานระหว่างไฟเบอร์โหมดเดี่ยว- (โดยทั่วไปคือ G.652.D) สำหรับ-อาคารและลิงก์ DCI ที่ยาวขึ้น และใช้ไฟเบอร์มัลติโหมด OM4 หรือ OM5 สำหรับการเชื่อมต่อช่วงสั้น-ภายในแถวแร็ค สายแพที่มีความหนาแน่นสูง-และการเชื่อมต่อ MPO/MTP เป็นมาตรฐานสำหรับการจัดการเส้นใยไฟเบอร์จำนวนมากที่สภาพแวดล้อมเหล่านี้ต้องการ