是德科技推出人工智能推理仿真平台,用于验证和优化人工智能基础设施
SANTA ROSA, Calif.March 17, 2026
是德科技公司(Keysight Technologies, Inc.,纽约证券交易所代码:KEYS)今日推出了Keysight AI 推理构建器(KAI Inference Builder),这是一个旨在大规模验证针对推理进行优化的AI基础设施的仿真与分析平台。是德科技将在NVIDIA GTC大会上展示该解决方案,演示其在NVIDIADSXAirAI工厂仿真环境中的运行情况,以对AI数据中心的基础设施、架构和性能进行建模与优化。
随着人工智能行业从训练大型语言模型(LLMs)转向部署,优化推理已成为影响投资回报率(ROI)的关键因素。然而,推理行为具有高度动态性,难以模拟。诸如合成流量生成或GPU基准测试等传统测试方法,无法准确再现AI推理在计算、网络、内存、存储和安全各层面上对延迟敏感的工作负载行为。
KAI Inference Builder 通过重现真实的推理工作负载模式并建模行业特定的使用模式,来弥合这一差距,从而对 AI 基础设施、应用程序和数据中心部署进行验证。该平台为 AI 云服务提供商、硬件供应商和应用程序开发人员提供了一种可扩展的解决方案,用于衡量、验证和优化实际环境中的推理性能。
KAI Inference Builder 的主要优势包括:
- 专为推理时代打造:作为是 德科技人工智能(KAI)产品组合的一部分,KAI Inference Builder 可大规模模拟 AI 推理工作负载,并在真实环境中验证全栈部署,从而优化性能、可扩展性和安全性。
- 针对特定行业和应用的基准测试:KAI Inference Builder 摒弃了通用仿真方式,转而针对金融、医疗保健及其他垂直领域中常见的人工智能模型,模拟其行业特定的使用模式和大型语言模型(LLM)架构,从而使企业能够对不同类型的人工智能数据中心部署中的基础设施和应用程序行为进行建模与分析。
- 端到端验证与优化:KAI Inference Builder 可评估从用户请求到模型响应的整个推理工作流,通过在计算、网络和安全层面上及早识别并解决瓶颈,帮助团队减少耗时且成本高昂的返工。
- 子系统隔离与根本原因精准定位:KAI Inference Builder 还支持仅客户端仿真,该功能可在负载条件下识别 AI 基础设施栈中性能瓶颈的出现位置,从而实现有针对性的优化,减少资源过度配置,降低成本,并提升整体效率。
- NVIDIA DSX Air 集成与 GTC 现场演示:是德科技 将在 NVIDIA GTC 大会上展示 KAI Inference Builder 与 NVIDIA Air 的交钥匙集成方案,该方案可在 NVIDIA 的数据中心仿真环境中生成逼真的推理工作负载,从而使运维人员能够在部署物理设备之前对推理基础设施进行验证。
是德科技副总裁兼网络测试与安全解决方案总经理拉姆·佩里亚卡鲁潘(Ram Periakaruppan)表示:“推理 是释放人工智能投资回报率的关键, 但如果系统资源在容量和性能方面未得到优化, 要实现这一点可能会面临挑战。 KAI Inference Builder 可提供全栈范围内真实环境推断性能的可视化分析,使客户能够在硬件上架之前就对部署方案进行验证和优化。在 NVIDIA GTC 大会上利用 NVIDIA 的 Air 平台展示这一功能,充分说明了企业如何在降低风险和成本的同时,加速实现生产部署。”
英伟达网络业务副总裁阿米特·卡茨(Amit Katz)表示: “随着AI数据中心规模扩展至前所未有的水平,部署前的验证已从最佳实践转变为关键任务要求。KAI Inference Builder与NVIDIA DSX Air的集成,提供了消除性能波动所需的基础 环境,并使NVIDIA AI Factory的合作伙伴和客户能够模拟真实的推理工作负载,并预先解决瓶颈问题,从而确保优化的AI服务 能够快速推向市场。”
3月16日至19日,在圣何塞举行的NVIDIA GTC大会上,是德科技将在NVIDIA展位的C101展区以及是德科技展位(3217)展示KAI Inference Builder,其中包括NVIDIA Air AI工厂模拟演示。
资源
- 产品页面: Keysight AI 推理构建器
- 推广页面: KAI推理构建器简介
- 数据表: Keysight AI 推理构建器
- 解决方案简介: 推理:人工智能的转折点
- 博客: Keysight AI 推理构建器简介
- 博客: 提示词的形态
- 博客: 推理栈会说话
- 博客: 通往首个AI代币的最快途径
Keysight AI Inference Builder 是一个仿真与分析平台,旨在在真实的并发环境、真实的规模以及真实的工作负载多样性条件下,对 AI 推理基础设施进行验证。