Kunstmatige intelligentie en glasvezelkabels zijn meer van elkaar afhankelijk dan de meeste mensen in de telecomsector zich realiseren. AI-systemen kunnen niet functioneren zonder de hoge-snelheid en lage- latentiegegevensoverdracht die alleen glasvezel kan bieden. En glasvezelnetwerken worden op hun beurt veel efficiënter dankzij de door AI-aangedreven monitoring- en optimalisatietools. Deze twee-relatie verandert nu al de manier waarop datacenters worden gebouwd, hoe netwerken worden onderhouden en hoe nieuwe glasvezeltechnologieën worden ontwikkeld.
In dit artikel wordt uitgelegd hoe de relatie in de praktijk werkt, ondersteund door verifieerbare sectorgegevens, en wat dit betekent voor telecomoperatoren, datacenterplanners en kopers van infrastructuur.
Waarom AI-systemen glasvezelkabels nodig hebben
Het trainen van een groot AI-model omvat het verdelen van de werklast over duizenden GPU's, die allemaal continu gegevens moeten uitwisselen. Hierdoor ontstaat er een enorme oost-westverkeers- datastroom tussen servers - die extreme bandbreedte, minimale latentie en verwaarloosbaar signaalverlies vereist. Traditionele koperkabels kunnen het niet bijbenen. Alleenoptische vezelkabelskan de doorvoer leveren die moderne AI-clusters nodig hebben, vooral nu datacenters overstappen van 400G naar 800G en uiteindelijk naar 1,6T optische verbindingen.
Het verschil in vezelverbruik is dramatisch. VolgensCorning's datacentervooruitzichten voor 2025hebben generatieve AI-datacenters al meer dan tien keer zoveel glasvezel nodig als traditionele datacenternetwerken. Corning's SVP Glasvezel en Kabel merkte op dat Nvidia's 72-GPU Blackwell-nodes 16 keer meer glasvezel nodig hebben dan conventionele cloud-switch-racks. STL, een andere toonaangevende glasvezelfabrikant, heeft gemeld dat GPU-zware AI-racks tot 36 keer meer glasvezel kunnen vereisen dan traditionele CPU-gebaseerde configuraties.
Deze sterke stijging van de vraag reikt verder dan wat er in het gebouw gebeurt. De AI-werklast wordt steeds meer verdeeld over meerdere faciliteitendatacenter interconnect (DCI)-verbindingenhebben ook aanzienlijk meer glasvezelcapaciteit nodig. ARapport uit 2025 van de Fiber Broadband Associationvoorspelde dat de VS tegen 2029 een 2,3x grotere hoeveelheid glasvezelnetwerken nodig zou hebben om alleen al de door AI-gedreven grootschalige groei te ondersteunen.
Hoe AI de werking van glasvezelnetwerken verbetert
De relatie is niet één-richting. AI lost echte problemen op in het onderhoud en de prestaties van glasvezelnetwerken waarmee de industrie al tientallen jaren worstelt.
Slimmere foutdetectie en onderhoud
Traditioneel betekende het opsporen en diagnosticeren van fouten in een optisch netwerk het sturen van technici om de OTDR-sporen (Optical Time-Domain Reflectometer) handmatig te inspecteren - een langzaam, arbeids-intensief proces. AI verandert dit fundamenteel.
Machine learning-modellen kunnen nu automatisch OTDR-gegevens analyseren om vezelafwijkingen te detecteren, fouttypen te classificeren en hun locatie te bepalen. Uit gepubliceerd onderzoek blijkt dat op AI- gebaseerde systemen die auto-encoders combineren met bidirectionele terugkerende neurale netwerken F1-foutdetectiescores behalen van meer dan 96% en een classificatienauwkeurigheid van meer dan 98%, waarbij de lokalisatieprecisie wordt gemeten in fracties van een meter. In één gedocumenteerde implementatieeen AI-ondersteund monitoringplatformverbeterde foutdetectie-efficiëntie met meer dan 98% vergeleken met conventionele polling in een datacenteromgeving met 1.024 links.
Voor operators die duizenden glasvezelverbindingen beheren over eenglasvezel datacenternetwerk is het praktische voordeel duidelijk: fouten worden geïdentificeerd en gelokaliseerd voordat ze serviceonderbrekingen veroorzaken, en de diagnosecycli worden verkort van uren naar seconden.
Signaaloptimalisatie en capaciteitsplanning
AI helpt ook om meer prestaties uit de bestaande glasvezelinfrastructuur te halen. Door modellen te trainen op apparaatparameters en historische prestatiegegevens van verbindingen, kan machinaal leren de signaalmodulatie optimaliseren, dispersie-effecten voorspellen en de stroomverdeling over golflengtekanalen in evenwicht brengen. Dit betekent dat exploitanten de effectieve capaciteit van ingezette glasvezelroutes kunnen vergroten zonder nieuwe kabels te installeren - een aanzienlijk kostenvoordeel aangezien de glasvezelprijzen blijven stijgen.
Hollow-Core Fiber: hoe de vraag naar AI een nieuwe glasvezeltechnologie stimuleert
Misschien wel het duidelijkste voorbeeld van hoe AI de vezelinnovatie vooruit helptoptische vezel met holle-kern(HCF). Conventionele vezels geleiden het licht door massief glas. Holle-vezels met kern laten licht door een met lucht-kanaal gevuld. Omdat licht zich in de lucht ongeveer 47% sneller verplaatst dan in glas, biedt HCF een aanzienlijke vermindering van de voortplantingslatentie - doorgaans 30 tot 47 procent, afhankelijk van het specifieke ontwerp en de implementatieomstandigheden.
In september 2025 publiceerden onderzoekers van de Universiteit van Southampton en Microsoft resultaten inNatuur Fotonicademonstreert HCF met een record-laag signaalverlies van 0,091 dB per kilometer. Dit is aanzienlijk beter dan de vloer van ongeveer 0,14 dB/km waar conventionele silicavezels al veertig jaar aan vasthouden. Microsoft heeft al meer dan 1200 km holle- core-glasvezel geïmplementeerd die live verkeer vervoert in zijn Azure-netwerk, enplannen aangekondigd om 15.000 km meer in te zetten, in samenwerking met Corning en Heraeus voor productie op industriële-schaal.
In november 2025 voerden Scala Data Centers, Lightera en Nokia de eerste HCF proof of concept uit in Latijns-Amerika en bevestigden een reductie van de latentie met 32% met behulp van in de handel verkrijgbare 400G-testapparatuur.
Dat gezegd hebbende, is HCF tegenwoordig geen universele vervanging voor conventionele vezels. De productiekosten zijn hoger, het lassen vereist gespecialiseerde technieken en er worden nog steeds industriële standaarden ontwikkeld. Voorlopig is dit het meest geschikt voor latentie-kritieke koppelingen -, met name tussen AI-datacenters, waar zelfs microseconden vertraging het GPU-gebruik in gedistribueerde trainingsclusters beïnvloeden.
Records voor glasvezeltransmissie blijven dalen
Het capaciteitsplafond voor glasvezel blijft stijgen. Eind 2025 toonde een internationaal team onder leiding van het Japanse NICT een transmissiesnelheid aan van430 Tb/s via een standaard-optische vezelop de ECOC 2025 - en bereikten dit met bijna 20% minder bandbreedte dan het vorige record van 402 Tb/s in 2024. Sumitomo Electric en NICT bereikten afzonderlijk 1,02 petabits per seconde over 1.808 km met behulp van een 19-kernvezel met een standaard bekledingsdiameter.
Veel van deze doorbraken zijn rechtstreeks afhankelijk van AI-ondersteunde signaalverwerkingstechnieken, waaronder op neurale netwerken-gebaseerde equalisatie en machinaal leren-geoptimaliseerde modulatieformaten. Technologieën zoals multi-band golflengteverdelingsmultiplexing en multi-core glasvezel - gecombineerd met AI-gestuurde optimalisatie - verleggen de praktische grenzen van watsingle-mode glasvezelen vezelontwerpen van de volgende-generatie kunnen dragen.
Praktische implicaties voor de telecomsector
De relatie tussen AI-vezels heeft concrete gevolgen voor verschillende rollen in het telecom-ecosysteem:
Exploitanten van datacentersmoeten plannen voor een dramatisch hogere vezeldichtheid per rack. Voor AI-clusteropbouw zijn niet-blokkerende optische fabrics vereist, waarbij elke GPU op elke laag speciale glasvezelverbindingen heeft. Oplossingen met hoge-dichtheid, zoalslint glasvezelkabelsen MPO/MTP-assemblages worden eerder essentieel dan optioneel.
Netwerkonderhoudsteamsmoeten AI-ondersteunde monitoringtools evalueren als een manier om ongeplande downtime te verminderen en over te stappen op voorspellend onderhoud. De technologie heeft zich al bewezen in echte implementaties, en niet alleen in onderzoekspapers. Juisttesten van glasvezelkabelsgecombineerd met AI-analyses kan de levensduur van de bestaande infrastructuur aanzienlijk worden verlengd.
Infraplanners en koperskunnen aanhoudende prijsdruk op glasvezel- en optische componenten verwachten, aangezien de AI-gedreven vraag het aanbod overtreft. Het beveiligen van betrouwbare glasvezeltoeleveringsketens en het samenwerken met gevestigde bedrijvenglasvezelkabel materiaalLeveranciers zullen steeds belangrijker worden.
Veelgestelde vragen
Waarom kunnen koperen kabels geen AI-datacenterverkeer ondersteunen?
AI-workloads genereren enorme hoeveelheden server-naar-server-dataverkeer met snelheden van 400G en hoger. Koperkabels zijn bij deze snelheden beperkt in bandbreedte en bereik. Glasvezel verzendt gegevens als lichtsignalen met een veel hogere bandbreedte, lagere latentie en minimale signaalverslechtering, waardoor het het enige levensvatbare medium is voor de schaal van gegevensbeweging die AI vereist.
Hoeveel meer glasvezel gebruikt een AI-datacenter?
Volgens Corning verbruiken datacenters op basis van AI- al meer dan tien keer zoveel vezels als traditionele faciliteiten. Voor GPU-intensieve configuraties meldt STL dat de verhouding 36 keer kan bedragen. De exacte vermenigvuldiger hangt af van de GPU-architectuur, netwerktopologie en of de faciliteit AI-training, gevolgtrekking of beide ondersteunt.
Wat is holle-vezel en waarom is dit belangrijk voor AI?
Holle-kernvezel geleidt licht door een lucht-gevulde kern in plaats van massief glas. Omdat licht sneller beweegt in de lucht, vermindert HCF de transmissielatentie met ongeveer 30 tot 47 procent. Voor gedistribueerde AI-training over meerdere datacenters verbetert deze latentiereductie direct het GPU-gebruik en de algehele systeemprestaties. Microsoft is de grootste huidige implementeerder, met plannen voor 15.000 km via zijn Azure-netwerk.
Wordt AI-aangedreven glasvezelmonitoring al gebruikt?
Ja. AI-gestuurde OTDR-analyse en voorspellende foutdetectie worden tegenwoordig in productienetwerken ingezet. Door onderzoek-ondersteunde systemen kunnen glasvezelfouten met een nauwkeurigheid van meer dan 96% detecteren en deze lokaliseren met een nauwkeurigheid van minder- een meter. Verschillende telecomoperatoren en datacenterproviders hebben deze tools gebruikt om de onderhoudskosten te verlagen en serviceonderbrekingen te voorkomen.
Welke vezeltypen worden gebruikt in AI-datacenters?
De meeste AI-datacenters gebruiken een combinatie van single{0}}mode-glasvezel (meestal G.652.D) voor langere inter{2}}gebouw- en DCI-verbindingen, en OM4- of OM5 multimode-glasvezel voor korte-verbindingen binnen rackrijen. Lintkabels met hoge dichtheid en MPO/MTP-connectiviteit zijn standaard voor het beheer van het grote aantal glasvezelstrengen dat deze omgevingen nodig hebben.