المعرفه

يعتمد الذكاء الاصطناعي وكابلات الألياف الضوئية على بعضها البعض أكثر مما يدركه معظم العاملين في صناعة الاتصالات. لا يمكن لأنظمة الذكاء الاصطناعي أن تعمل بدون نقل البيانات-السريع والمنخفض-الذي يمكن أن توفره الألياف الضوئية فقط. وفي المقابل، أصبحت شبكات الألياف الضوئية أكثر كفاءة بكثير بفضل أدوات المراقبة والتحسين المدعومة بالذكاء الاصطناعي-. تعمل هذه العلاقة الثنائية- بالفعل على إعادة تشكيل كيفية إنشاء مراكز البيانات، وكيفية صيانة الشبكات، وكيفية تطوير تقنيات الألياف الجديدة.

يشرح هذا المقال كيفية عمل العلاقة في الممارسة العملية، مدعومة ببيانات الصناعة التي يمكن التحقق منها، وما يعنيه ذلك بالنسبة لمشغلي الاتصالات ومخططي مراكز البيانات ومشتري البنية التحتية.
 

لماذا تحتاج أنظمة الذكاء الاصطناعي إلى كابلات الألياف الضوئية؟

يتضمن تدريب نموذج الذكاء الاصطناعي الكبير توزيع أعباء العمل عبر آلاف وحدات معالجة الرسومات، والتي يجب أن تتبادل جميعها البيانات بشكل مستمر. يؤدي هذا إلى إنشاء حركة مرور ضخمة شرقًا-غربًا - تتدفق بين الخوادم - والتي تتطلب عرض نطاق ترددي كبير، والحد الأدنى من زمن الوصول، وفقدان لا يُذكر للإشارة. لا يمكن للكابلات النحاسية التقليدية مواكبة ذلك. فقطكابلات الألياف الضوئيةيمكن أن توفر الإنتاجية التي تتطلبها مجموعات الذكاء الاصطناعي الحديثة، خاصة مع انتقال مراكز البيانات من 400 جيجا بايت إلى 800 جيجا بايت وفي النهاية 1.6 جيجا بايت من الروابط الضوئية.

الفرق في استهلاك الألياف كبير. وفقتوقعات كورنينج لمركز البيانات 2025، تتطلب مراكز بيانات الذكاء الاصطناعي التوليدية بالفعل أكثر من 10 أضعاف الألياف الضوئية لشبكات مراكز البيانات التقليدية. أشار نائب الرئيس الأول للألياف الضوئية والكابلات في شركة Corning إلى أن عقد Blackwell لوحدة معالجة الرسومات 72- من Nvidia تحتاج إلى ألياف أكثر بـ 16 مرة من حوامل التبديل السحابية التقليدية. أفادت شركة STL، وهي إحدى الشركات الرائدة الأخرى في تصنيع الألياف، أن حوامل الذكاء الاصطناعي الثقيلة لوحدة معالجة الرسومات (GPU) يمكن أن تتطلب ما يصل إلى 36 مرة من الألياف أكثر من التكوينات التقليدية المعتمدة على وحدة المعالجة المركزية (CPU).

وتمتد هذه الزيادة في الطلب إلى ما هو أبعد مما يحدث داخل المبنى. يتم توزيع أعباء عمل الذكاء الاصطناعي بشكل متزايد عبر مرافق متعددة، مما يعنيروابط الاتصال البيني لمركز البيانات (DCI).تحتاج أيضًا إلى سعة ألياف أكبر بشكل كبير. أتقرير 2025 الصادر عن جمعية الألياف ذات النطاق العريضمن المتوقع أن تحتاج الولايات المتحدة إلى زيادة قدرها 2.3 ضعفًا في إجمالي أميال الألياف بحلول عام 2029 لدعم النمو الفائق النطاق القائم على الذكاء الاصطناعي-فقط.

كيف يعمل الذكاء الاصطناعي على تحسين عمليات شبكة الألياف الضوئية

العلاقة ليست اتجاهًا واحدًا-. يعمل الذكاء الاصطناعي على حل المشكلات الحقيقية في صيانة شبكات الألياف والأداء التي عانت منها الصناعة منذ عقود.

اكتشاف الأخطاء وصيانتها بطريقة أكثر ذكاءً

تقليديًا، كان العثور على الأخطاء وتشخيصها في الشبكة الضوئية يعني إرسال فنيين لفحص OTDR (الوقت البصري-مقياس انعكاس المجال) يدويًا - وهي عملية بطيئة ومكثفة للعمالة-. الذكاء الاصطناعي يغير هذا بشكل أساسي.

يمكن لنماذج التعلم الآلي الآن تحليل بيانات OTDR تلقائيًا لاكتشاف شذوذات الألياف وتصنيف أنواع الأخطاء وتحديد موقعها. يوضح البحث المنشور أن الأنظمة المستندة إلى الذكاء الاصطناعي- والتي تجمع بين أجهزة الترميز التلقائي والشبكات العصبية المتكررة ثنائية الاتجاه تحقق درجات F1 للكشف عن الأخطاء بنسبة تزيد عن 96% ودقة تصنيف تتجاوز 98%، مع قياس دقة الترجمة بأجزاء من المتر. في عملية نشر واحدة موثقة،نظام أساسي للمراقبة مدعوم بالذكاء الاصطناعي-.تحسين كفاءة اكتشاف الأخطاء بنسبة تزيد عن 98% مقارنة بالاستقصاء التقليدي في بيئة مركز بيانات مكونة من 1024 رابطًا.

للمشغلين الذين يديرون آلاف وصلات الألياف عبر شبكةمركز بيانات الألياف الضوئيةالشبكة، فإن الفائدة العملية واضحة: يتم تحديد الأخطاء وتحديد موقعها قبل أن تتسبب في انقطاع الخدمة، وتتقلص دورات التشخيص من ساعات إلى ثوانٍ.

تحسين الإشارة وتخطيط السعة

يساعد الذكاء الاصطناعي أيضًا في تحقيق المزيد من الأداء من البنية التحتية الحالية للألياف. من خلال نماذج التدريب على معلمات الجهاز وبيانات أداء الارتباط التاريخية، يمكن للتعلم الآلي تحسين تعديل الإشارة، والتنبؤ بتأثيرات التشتت، وموازنة توزيع الطاقة عبر قنوات الطول الموجي. وهذا يعني أنه يمكن للمشغلين زيادة السعة الفعالة لمسارات الألياف المنشورة دون تركيب كابلات جديدة - وهي ميزة ذات مغزى من حيث التكلفة مع استمرار ارتفاع أسعار الألياف.

جوفاء-الألياف الأساسية: كيف يقود الطلب على الذكاء الاصطناعي تقنية الألياف الجديدة

ولعل أوضح مثال على كيفية دفع الذكاء الاصطناعي لابتكار الألياف إلى الأمام هوألياف ضوئية مجوفة-مجوفة(إتش سي إف). الألياف التقليدية توجه الضوء من خلال الزجاج الصلب. تنقل الألياف الأساسية المجوفة- الضوء عبر قناة مملوءة بالهواء-بدلاً من ذلك. نظرًا لأن الضوء ينتقل في الهواء بشكل أسرع بنسبة 47% تقريبًا منه في الزجاج، فإن HCF يقدم انخفاضًا كبيرًا في زمن انتقال الانتشار - عادةً بنسبة 30 إلى 47 بالمائة، اعتمادًا على التصميم المحدد وظروف النشر.

وفي سبتمبر 2025، نشر باحثون من جامعة ساوثهامبتون ومايكروسوفت النتائجالضوئيات الطبيعةعرض HCF مع فقدان إشارة منخفض قياسي-يبلغ 0.091 ديسيبل لكل كيلومتر. وهذا أفضل بكثير من مستوى الأرضية الذي يبلغ 0.14 ديسيبل/كم تقريبًا والذي ظلت ألياف السيليكا التقليدية عالقة فيه لمدة أربعة عقود. قامت Microsoft بالفعل بنشر ما يزيد عن 1200 كيلومتر من الألياف الأساسية المجوفة{7}التي تحمل حركة المرور المباشرة في شبكتها Azure، وأعلنت عن خطط لنشر 15000 كيلومتر إضافية، بالشراكة مع Corning وHeraeus للتصنيع على نطاق صناعي-.

في نوفمبر 2025، أجرت Scala Data Centers وLightera وNokia أول إثبات لمفهوم HCF في أمريكا اللاتينية وأكدت انخفاضًا بنسبة 32% في زمن الوصول باستخدام معدات اختبار 400G المتوفرة تجاريًا.

ومع ذلك، فإن HCF ليس بديلاً عالميًا للألياف التقليدية اليوم. تكاليف التصنيع أعلى، والربط يتطلب تقنيات متخصصة، وما زالت معايير الصناعة قيد التطوير. في الوقت الحالي، هو الأنسب لزمن الاستجابة-الارتباطات المهمة - خاصة بين مراكز بيانات الذكاء الاصطناعي، حيث تؤثر حتى ميكروثانية من التأخير على استخدام وحدة معالجة الرسومات عبر مجموعات التدريب الموزعة.

تستمر سجلات نقل الألياف في الانخفاض

يستمر سقف سعة الألياف الضوئية في الارتفاع. وفي أواخر عام 2025، أظهر فريق دولي بقيادة NICT اليابانية معدل انتقال يبلغ430 تيرابت/ثانية عبر الألياف الضوئية-المتوافقة مع المعاييرفي ECOC 2025 - وحققت ذلك باستخدام عرض نطاق ترددي أقل بنسبة 20% تقريبًا من الرقم القياسي السابق البالغ 402 تيرابايت/ثانية المسجل في عام 2024. بشكل منفصل، وصلت Sumitomo Electric وNICT إلى 1.02 بيتابت في الثانية على مسافة 1,808 كم باستخدام ألياف ذات 19 نواة بقطر كسوة قياسي.

تعتمد العديد من هذه الابتكارات بشكل مباشر على تقنيات معالجة الإشارات المدعومة بالذكاء الاصطناعي-، بما في ذلك تنسيقات التعديل المحسنة للشبكات العصبية-والتعلم الآلي-. إن التقنيات مثل تعدد الإرسال بتقسيم الطول الموجي- للنطاق المتعدد والألياف الأساسية المتعددة- - جنبًا إلى جنب مع التحسين المعتمد على الذكاء الاصطناعي - - تدفع الحدود العملية لماألياف ذات وضع واحد-ويمكن لتصميمات الألياف-الجيل القادم أن تحملها.
 

الآثار العملية لصناعة الاتصالات

إن علاقة ألياف الذكاء الاصطناعي- لها عواقب ملموسة على الأدوار المختلفة في النظام البيئي للاتصالات:

مشغلي مراكز البياناتبحاجة إلى التخطيط لكثافة ألياف أعلى بشكل كبير لكل رف. تتطلب عمليات إنشاء مجموعات الذكاء الاصطناعي أنسجة بصرية غير معيقة-حيث تحتوي كل وحدة معالجة رسومات على اتصالات ألياف مخصصة في كل طبقة. حلول عالية الكثافة-مثلكابلات الألياف الضوئية الشريطيةوأصبحت تجميعات MPO/MTP ضرورية وليست اختيارية.

فرق صيانة الشبكاتيجب تقييم أدوات المراقبة المدعومة بالذكاء الاصطناعي-كطريقة لتقليل وقت التوقف عن العمل غير المخطط له والتحول نحو الصيانة التنبؤية. لقد تم بالفعل إثبات هذه التكنولوجيا في عمليات نشر حقيقية، وليس فقط في الأوراق البحثية. سليماختبار كابلات الألياف الضوئيةيمكن أن يؤدي دمجها مع تحليلات الذكاء الاصطناعي إلى إطالة العمر الإنتاجي للبنية التحتية الحالية بشكل كبير.

مخططي البنية التحتية والمشترينيجب أن نتوقع استمرار ضغط الأسعار على مكونات الألياف والألياف الضوئية نظرًا لأن الطلب الناتج عن الذكاء الاصطناعي-يفوق العرض. تأمين سلاسل توريد ألياف موثوقة والعمل مع الشركات القائمةمادة كابلات الألياف الضوئيةسوف تصبح الموردين ذات أهمية متزايدة.

الأسئلة المتداولة

لماذا لا تستطيع الكابلات النحاسية دعم حركة مرور مركز بيانات الذكاء الاصطناعي؟

تولد أحمال عمل الذكاء الاصطناعي كميات هائلة من حركة بيانات الخادم-إلى-الخادم بسرعات تصل إلى 400 جيجا وما فوق. الكابلات النحاسية محدودة في عرض النطاق الترددي ويمكن الوصول إليها بهذه السرعات. تنقل الألياف الضوئية البيانات كإشارات ضوئية ذات نطاق ترددي أعلى بكثير، وزمن وصول أقل، وأدنى حد من تدهور الإشارة، مما يجعلها الوسيلة الوحيدة القابلة للتطبيق لحجم حركة البيانات التي يتطلبها الذكاء الاصطناعي.

ما مقدار الألياف التي يستخدمها مركز بيانات الذكاء الاصطناعي؟

وفقًا لكورنينج، فإن مراكز البيانات التي تدعم الذكاء الاصطناعي-تستهلك بالفعل ما يزيد عن 10 أضعاف الألياف التي تستهلكها المرافق التقليدية. بالنسبة للتكوينات المكثفة لوحدة معالجة الرسومات-، تشير STL إلى أن النسبة يمكن أن تصل إلى 36 مرة. يعتمد المضاعف الدقيق على بنية وحدة معالجة الرسومات، وبنية الشبكة، وما إذا كانت المنشأة تدعم تدريب الذكاء الاصطناعي، أو الاستدلال، أو كليهما.

ما هي الألياف الأساسية المجوفة-وما سبب أهميتها بالنسبة للذكاء الاصطناعي؟

تعمل الألياف المجوفة-على توجيه الضوء عبر قلب مملوء بالهواء-بدلاً من الزجاج الصلب. ونظرًا لأن الضوء يتحرك بشكل أسرع في الهواء، فإن HCF يقلل من زمن انتقال الإرسال بنسبة 30 إلى 47 بالمائة تقريبًا. بالنسبة لتدريب الذكاء الاصطناعي الموزع عبر مراكز بيانات متعددة، يعمل تقليل زمن الوصول هذا بشكل مباشر على تحسين استخدام وحدة معالجة الرسومات والأداء العام للنظام. تعد Microsoft أكبر شركة نشر حالية، مع خطط لمسافة 15000 كيلومتر عبر شبكتها Azure.

هل مراقبة الألياف المدعومة بالذكاء الاصطناعي-مستخدمة بالفعل؟

نعم. يتم اليوم نشر تحليل OTDR المعتمد على الذكاء الاصطناعي والكشف التنبؤي عن الأخطاء في شبكات الإنتاج. يمكن للأنظمة المدعومة بالأبحاث- اكتشاف أخطاء الألياف بدقة تزيد عن 96% وتحديد موقعها بدقة أقل من - متر. اعتمد العديد من مشغلي الاتصالات ومقدمي مراكز البيانات هذه الأدوات لتقليل تكاليف الصيانة ومنع انقطاع الخدمة.

ما هي أنواع الألياف المستخدمة في مراكز بيانات الذكاء الاصطناعي؟

تستخدم معظم مراكز بيانات الذكاء الاصطناعي مجموعة من الألياف ذات الوضع الواحد- (عادةً G.652.D) لوصلات -بينية أطول وروابط DCI، وألياف OM4 أو OM5 متعددة الأوضاع للاتصالات قصيرة المدى- داخل صفوف الحامل. تعد كابلات الشريط - عالية الكثافة واتصال MPO/MTP قياسية لإدارة العدد الكبير من خيوط الألياف التي تتطلبها هذه البيئات.