“边缘工程”是一套共四期的线上研讨会 ,旨在探讨随着系统性能和复杂性的不断提升,工程团队正在如何演变。
在过去的两年里,数据速率、频率范围、AI系统规模以及生产需求的进步,已将传统验证方法推至极限,迫使工程师们探索新的方法。
硅前 和实验室测量,到大规模网络流量仿真和制造测试,每场会议都将探讨工程师们如何调整工具、方法和工作流程,以便更早、更快且更大规模地验证下一代系统。
第一集
了解数据传输速率的提升和利润率的缩减如何推动了更早实施基于模型的验证策略。
第二集
了解更宽的频率范围和更大的带宽如何提升了测量精度的标准。
第三集
了解为何人工智能基础设施的规模化正使逼真的流量仿真基础 验证网络性能基础 。
第四集
了解半导体和PCBA的日益复杂化如何给生产测试覆盖率、良率和可靠性带来更大压力。
数据传输速率已翻倍,但验证方法却未能跟上这一步伐。随着 PCIe、DDR 和多太比特光互连技术的不断发展,工程师们在设计流程的早期阶段就面临着信号完整性方面的挑战。
设计工程软件 高级副总裁兼总经理 Niels Faché 一起,探讨随着速度提升,验证工作在哪些方面变得更加具有挑战性,以及工程团队是如何应对的。您将了解到,在芯片尚未制成之前,仿真、架构建模和高保真测量如何帮助验证设计,并降低后续环节的风险。
随着系统向更高频率和更宽带宽发展,微小的测量误差可能会导致代价高昂的设计决策。从事无线、雷达、卫星和光通信领域的工程师,如今必须对那些将现有工具推向极限的信号进行验证。
请与是德科技产品管理副总裁Jun Chie一起,探讨测量精度何时开始下降,以及工程师们如何应对这一挑战。您将了解到新一代测试仪器如何帮助提高信号精度、降低不确定性,并增强对设计决策的信心。
如今,AI 数据中心网络的规模已然达到这样一种程度:仅靠设备级验证已无法真实反映其性能。工程师必须了解系统在实际流量条件下的运行状况,而不仅仅是孤立测试中的表现。
欢迎参加由是德科技网络应用与安全事业部副总裁兼总经理 Ram Periakaruppan 主讲的会议,了解大规模流量仿真如何揭示网络拥塞、延迟问题及性能瓶颈。您将了解到如何在真实工作负载下验证 AI 基础设施,并确保其在规模化部署中保持可靠性能。
随着半导体复杂度的提升和电路板设计的日益密集,制造团队面临着更严格的公差要求、更受限的测试访问条件,以及维持良率和吞吐量的压力不断增大。在量产规模下验证射频性能和高速数字信号完整性,增添了一层新的复杂性,而传统方法难以应对这一挑战。
请与是德科技电子工业解决方案集团高级副总裁兼总裁杰森·卡里(Jason Kary)一起,探讨制造验证领域的最新发展。您将了解到,晶圆级测试和在线测试策略如何提升检测覆盖率、更早发现缺陷,并在不牺牲质量的前提下,实现大规模、一致且高产量的生产。