Chinees team stuurt 3,2 petabit per seconde door één glasvezel
Chinese onderzoekers stuurden 3,2 petabit per seconde door één glasvezel met 24 kernen, en de apparatuur verwerkte alles meteen. Dat is een record voor zulke realtime metingen en kan straks helpen om datacenters voor AI sneller met elkaar te verbinden.
Chinese onderzoekers hebben een nieuw record gezet voor dataverkeer door één glasvezel. Ze stuurden 3,2 petabit per seconde door een vezel van 10,3 kilometer, met signalen in beide richtingen. Een petabit is een miljoen gigabit. Volgens het team zou je met die snelheid in één seconde ruim 20.000 films in 4K-kwaliteit kunnen versturen. Dat is de capaciteit van de hele vezel, niet de snelheid van één internetaansluiting.
Het werk komt van het nationale laboratorium voor optische communicatie van het Chinese staatsbedrijf China Information Communication Technologies Group (CICT), samen met Pengcheng Laboratory en glasvezelmaker Fiberhome Fujikura. Ze maakten het resultaat rond 22 oktober bekend.
Bijzonder is dat de apparatuur de signalen direct verwerkte, zoals in een echt netwerk. Bij veel laboratoriumrecords worden de signalen eerst opgeslagen en pas later door computers uitgerekend. In maart 2026 haalde hetzelfde team op dezelfde manier al 2,5 petabit per seconde over dezelfde afstand. In zeven maanden ging de capaciteit dus met ruim een kwart omhoog.
Waarom glasvezel vol raakt
Datacenters voor AI sturen enorme hoeveelheden data naar elkaar, bijvoorbeeld als een groot AI-model op meerdere plekken tegelijk wordt getraind. Daarvoor gebruiken ze glasvezel: dunne draden van glas waar licht doorheen gaat. Een gewone glasvezel heeft één kern, het dunne kanaal in het midden waar het licht door reist. Zo'n gewone vezel kan volgens het team ongeveer 100 terabit per seconde aan. Dat lijkt veel, maar het dataverkeer groeit zo snel dat die grens in zicht komt.
Hoe het team de vezel voller kreeg
De onderzoekers gebruikten een vezel met 24 kernen in plaats van één. Dat is te vergelijken met een snelweg die 24 rijbanen krijgt in plaats van één, terwijl de weg niet breder wordt. Daarnaast stuurden ze door elke kern licht in drie kleurgebieden tegelijk, de S-, C- en L-band. Elke kleur draagt een eigen signaal. Zo ontstonden duizenden kanalen naast elkaar in één vezel.
Als kernen zo dicht bij elkaar liggen, kunnen de signalen elkaar storen. Het team loste dat op met een slimme indeling van de kernen. Signalen in kernen die naast elkaar liggen, lopen bovendien in tegengestelde richting, wat de storing verder vermindert. Een regelsysteem past het vermogen per kanaal steeds aan, zodat elk signaal goed aankomt.
Het team gebruikte gewone commerciële zend- en ontvangstmodules, en daarnaast eigen modules die 1,2 terabit per seconde over één kleur licht versturen. Bij elkaar kan de vezel volgens ingenieur Yang Chao van het laboratorium zo'n 32 keer meer data aan dan een gewone glasvezel.
Wat er nog moet gebeuren
De meting is gedaan op een testopstelling, niet in een bestaand netwerk. Volgens de betrokkenen zijn voor gebruik op grote schaal nog meer tests nodig, en moet ook duidelijk worden wat het kost. De onderzoekers hebben hun werk als artikel ingediend bij het vakblad Journal of Lightwave Technology. CICT wil de techniek naar de industrie brengen en meepraten over internationale standaarden.
Het team ziet de toepassing vooral in verbindingen tussen grote datacenters. Later zou de techniek ook de hoofdlijnen van het internet en toekomstige 6G-netwerken voor mobiele telefonie kunnen helpen.
Wat betekent dit voor de weg naar de singulariteit?
AI groeit niet alleen door snellere chips, maar ook door snellere verbindingen. De grootste AI-modellen worden getraind in datacenters die steeds vaker samenwerken, en daarvoor moeten ze razendsnel data uitwisselen. Een vezel die 32 keer meer data aankan, betekent dat dezelfde kabels in de grond veel meer werk kunnen doen. Dit record laat zien dat zo'n vezel met apparatuur werkt die direct kan meedraaien in een netwerk. De volgende stap is de techniek in echte verbindingen te testen, en dan kan de rekenkracht voor AI ook over grotere afstanden samenwerken.
