Nokia prognozuje, że do 2035 roku globalny ruch w sieciach wzrośnie niemal 4-krotnie, a AI będzie napędzać 44% całości. Coraz większe znaczenie zyskają dane wysyłane przez kamery, roboty i aplikacje analizujące otoczenie użytkownika. Według Global Network Traffic Report 2026 w części najbardziej obciążonych lokalizacji problemy z wysyłaniem danych mogą pojawić się już w latach 2032–2033.
Na dojrzałych rynkach wysyłanie danych ma odpowiadać średnio za około 13% ruchu komórkowego w 2035 roku. W lokalizacjach z dużym wykorzystaniem AI udział ten może wzrosnąć do około 24%, głównie za sprawą urządzeń IoT i aplikacji przesyłających obraz do analizy. W godzinach szczytu oznacza to znacznie większe obciążenie uplinku. Nokia wskazuje, że po przekroczeniu 70% wykorzystania jego przepustowości zaczynają rosnąć opóźnienia i ich zmienność. Najsilniejsza presja ma dotyczyć warstwy FDD, wykorzystującej oddzielne pasma do wysyłania i odbierania danych. W modelowanych scenariuszach część węzłów transportowych, centrów logistycznych, portów i kampusów przemysłowych może wejść w strefę wysokiego obciążenia uplinku już w latach 2032–2033. Model uwzględnia także przewidywane usprawnienia związane z 6G. Ograniczeniu ryzyka mają służyć m.in. zmiana wykorzystania pasma, optymalizacja uplinku i budowa dodatkowych stacji bazowych.
W scenariuszu bazowym globalny ruch w 2035 roku osiągnie 3789 eksabajtów miesięcznie. Na AI przypadnie 1681 EB, ale Nokia rozdziela tę wartość na dwie kategorie. Ruch bezpośrednio związany z wykorzystaniem AI ma wynieść 987 EB miesięcznie, czyli 26% całości. Kolejne 694 EB, odpowiadające 18%, to dodatkowy ruch wywołany rekomendacjami AI, np. dłuższym oglądaniem filmów lub częstszym korzystaniem z serwisów społecznościowych. W tym drugim przypadku liczony jest wyłącznie przyrost konsumpcji przypisywany rekomendacjom, a nie cały ruch danej aplikacji. Prognoza obejmuje sieci dostępowe oraz wymianę danych między usługami AI w chmurze. Pomija m.in. ruch pozostający w urządzeniu, komunikację między GPU i transfery zbiorów służących do trenowania modeli.
Ruch związany z agentami AI ma wzrosnąć do 2035 roku około 160 razy względem 2026 roku i osiągnąć 585 EB miesięcznie. Z tej wartości 462 EB przypadnie na komunikację między usługami w chmurze, a 123 EB na wymianę danych przez sieć dostępową. Jedno polecenie użytkownika może uruchomić cały ciąg operacji: zaplanowanie zadania, odpytywanie modeli i baz danych, korzystanie z zewnętrznych narzędzi oraz sprawdzanie wyników. Kolejne próby i poprawki zwiększają liczbę wymian między usługami, choć użytkownik widzi przede wszystkim końcową odpowiedź. W przemyśle takie procesy mogą być uruchamiane automatycznie po wykryciu usterki albo działać stale, koordynując urządzenia i optymalizując produkcję. Wielkość ruchu będzie więc zależała również od częstotliwości wykonywania zadań i liczby operacji potrzebnych do ich zakończenia.
Domowy internet dostarczany przez sieć komórkową będzie coraz mocniej obciążał stacje bazowe. Nokia przewiduje, że konsumencki FWA wygeneruje w 2035 roku 304 EB miesięcznie, przy 524 EB klasycznego ruchu mobilnego ze smartfonów, tabletów i innych urządzeń. Łącznie daje to 828 EB, z czego na FWA przypadnie około 37%. Wzrost napędzą zarówno rosnąca liczba łączy, jak i większe zużycie danych przez gospodarstwa domowe. Ponad połowa globalnego ruchu FWA ma pochodzić z regionu Azji i Pacyfiku, gdzie duże wdrożenia prowadzone są m.in. w Indiach. Około 17% przypadnie na Amerykę Północną, wyróżniającą się wysokim zużyciem danych na pojedyncze łącze. Dla operatorów komórkowych oznacza to rosnące znaczenie obsługi domowych routerów przy planowaniu pojemności sieci.
Do 2035 roku w użyciu ma znajdować się 17,1 mln humanoidalnych robotów, 6,8 mln komercyjnych dronów i 2,5 mln robotaksówek. Baza kamer różnych typów ma sięgnąć około 1,7 mld. Ruch związany z tzw. fizyczną AI, czyli systemami rozpoznającymi otoczenie i podejmującymi działania w rzeczywistym świecie, ma wzrosnąć około 105 razy, do 67 EB miesięcznie. Ponad 90% będzie przesyłane w kierunku sieci. Największym źródłem ruchu mają być kamery włączane w systemy wykorzystujące analitykę w chmurze. Podstawowe sterowanie autonomicznymi maszynami odbywa się lokalnie, ale połączenie umożliwia nadzorowanie i koordynowanie flot oraz przesyłanie danych do doskonalenia modeli. Obciążenie rośnie więc wraz z liczbą urządzeń i czasem ich pracy. Robotaksówka kursująca przez wiele godzin będzie generowała inny ruch niż prywatny samochód autonomiczny, który większość czasu spędza na parkingu.



