人工智能
人工智能（AI）和机器学习（ML）正在改变我们与技术的交互方式，以及科技如何与我们互动。因此，我们正在构建人工智能解决方案，帮助您设计、验证和部署下一代人工智能创新。
电子书
优化和扩展人工智能数据中心的五大策略
探索五种实用方案，优化人工智能数据中心的性能，以满足现代应用需求。
寻找您的AI解决方案
无论您是在构建人工智能网络、设计数据中心基础设施，还是推进6G研究，人工智能和机器学习都在塑造未来。探索我们的AI解决方案如何通过在开发生命周期中全面整合人工智能，助您加速产品设计与开发进程。
- 网络
- 数据中心
- 5G / 6G
- EDA
- 软件测试
产品
Keysight AI 中心构建器
用于网络评估、结构验证和基础设施基准测试的人工智能/机器学习工作负载仿真器。
产品
互连与网络性能测试仪 1600GE
200GE - 1600GE 以太网台式测试系统，支持PAM4调制及前向纠错功能。
白皮书
人工智能/机器学习网络与传统网络的区别
了解人工智能和机器学习如何影响数据中心网络与设计。
黑皮书
Keysight AI 测试方法论
探索一套一致、可重复且基于指标的测试流程，以优化人工智能工作负载的基础设施。
报告
Tolly测试报告：人工智能性能基准测试
了解Tolly如何利用Keysight AI 中心构建器验证博通硬件的性能和吞吐量。
文章
基准化集体行动
学习一种理解分布式人工智能基础设施性能极限的新方法论。
解决方案
人工智能数据中心
验证每个组件、连接和配置，确保网络和数据中心能够承受人工智能的需求。
解决方案
数据中心网络
验证设备是否符合最新数字标准，确保在最严苛的信号传输条件下实现互操作性。
产品目录
数据中心高速计算产品
领先于人工智能相关行业标准，缩短产品上市时间，确保设备合规性与互操作性。
海报
通往1.6T之路
全面了解800G/1.6T技术——涵盖测试要点、行业驱动因素、标准制定时间表及是德科技解决方案。
白皮书
800G/1.6T数据中心收发器测试
掌握支持800G/1.6T需求所需的新技术及关键考量因素。
文章
CXL 3.0与人工智能数据中心的未来
探索CXL 3.0如何助力数据中心基础设施释放人工智能、机器学习、边缘计算及其他数据密集型技术的潜力。
解决方案
6G研究
探索人工智能/机器学习、新型频谱技术、创新网络架构、安全防护、可持续发展及数字孪生领域的解决方案。
解决方案
无线通信
加速无线网络与通信创新，从5G和Wi-Fi®到6G及人工智能/机器学习。
电子书
以人工智能推动6G创新
探索端到端解决方案，用于在5G向6G演进过程中对设备、子系统和网络进行仿真、测试与评估。
白皮书
将数字孪生与人工智能应用于6G通信
了解6G数字孪生技术——涵盖新型频段、新型波形、人工智能与机器学习算法等内容。
学习中心
6G通信
了解使6G成为可能的技术，以及正在加速创新的研究与设计工具。
视频
通过学术合作推动6G人工智能发展
了解是德科技与马拉加大学如何共同完成三项3GPP人工智能/机器学习贡献，为6G技术发展提供支持。
解决方案
人工智能/机器学习在电子设计自动化中的应用
了解是德科技电子设计自动化解决方案如何应对现实世界中的挑战——包括互联设计、通道建模和仿真。
产品
是德科技电子设计自动化软件
缩短设计周期，实现人工智能/机器学习、射频/微波、5G/6G及高速数字设计领域的一次成功。
电子书
通过并行设计工程加速人工智能创新
了解电子设计自动化工具如何加速人工智能芯片开发——涵盖芯片片、6G技术、电源传输及工程生命周期管理。
应用说明
射频功率放大器的人工神经网络仿真模型
了解如何使用是德科技的人工神经网络（ANN）引擎构建、验证和使用基于测量的功率放大器仿真模型。
基本演示
基于人工神经网络（ANN）的下一代设备建模
探索如何利用是德科技的人工神经网络（ANN）模型生成器，将模型提取时间从数周缩短至数小时。
文章
人工智能在设备建模中的应用：重新定义模型精度
了解人工神经网络（ANN）如何为新一代、具备人工智能就绪半导体解锁更高的建模效率。
产品
软件测试自动化
通过人工智能驱动的软件测试自动化，加速发布周期、提升质量，并测试任何应用程序或用户界面。
解决方案
人工智能与软件测试自动化
通过人工智能驱动的软件测试自动化，优化用户体验，加速发布周期，并提升质量保证流程。
电子书
终极AI测试指南
探索人工智能为何是释放DevOps与持续测试潜力的关键所在。
白皮书
人工智能与软件测试：构建值得信赖的系统
了解如何判断人工智能的可靠性——以及如何将其安全有效地融入您的软件测试策略。
网络研讨会
生成式人工智能：软件测试的未来
探索生成式人工智能的最新进展，了解其在质量保证领域的实际应用，以及如何加速测试周期和提升测试覆盖率等更多内容。
文章
人工智能增强测试：软件测试的未来
了解是德科技软件测试自动化如何运用生成式人工智能——助力测试人员充分利用新一代功能。
探索人工智能相关应用场景
深入探索人工智能解决方案，开启自主学习之旅
关于人工智能的常见问题
人工智能解决方案不仅是一个模型，更是一个由数据、计算和运维协同构成的系统，专为推理、预测和自动化等任务进行优化。 在数据中心等基础设施密集型场景中，AI解决方案必须与计算堆栈（DDR/HBM内存、PCIe/CXL通道）、互连技术（400G、800G、1.6T）及网络协议（RoCEv2、RDMA）无缝集成。 可扩展性取决于这些层级在工作负载压力下能否支持无抖动数据传输、低延迟及高信号完整性。
要实现大规模可靠运行，人工智能解决方案必须融合：
- 计算：高带宽内存（HBM/DDR），通过PCIe/CXL互连技术加速
- 互连：800G/1.6T骨干网及224G串行器/解串器（SerDes）已通过信号质量与调制方案验证
- 网络：低延迟通信与集体带宽优化
- 功耗：采用热感知设计与电源完整性工具，实现功耗管理并防止热点产生
通过追踪抖动、串扰、恢复时间、算法带宽、总线带宽及任务完成率等关键绩效指标，确保跨环境的持续性能表现。
人工智能解决方案因行业而异，主要取决于延迟容忍度、计算密集度和数据本地化程度。例如：
- 金融服务 超低延迟和高互连完整性（PCIe Gen5 / CXL）。
- 医疗保健领域依赖强大的内存带宽来处理影像工作负载（DDR/HBM性能）。
- 云/超大规模运营商在机架级部署中优先考虑热效率和任务完成时间。
这些权衡必须通过工作负载仿真和模拟等工具进行建模和基准测试。
人工智能相关的优势包括工作负载自动化、降低运营成本以及更智能的系统管理。具备基础设施感知能力的人工智能解决方案能够动态分配计算资源、高效路由数据，并基于遥测数据预测故障。
这些挑战包括：
- 跨内存、互连和电源域的设计验证
- 在高速信号传输（224 Gbps，1.6T）下保持调制质量
- 在人工智能负载条件下控制热和电源完整性
若缺乏全面的仿真和基准测试，人工智能部署可能因意外抖动、延迟或带宽瓶颈而面临失败风险。
人工智能数据管道的设计必须充分考虑基础设施的限制。在高性能环境中：
- 数据在接近内存的位置进行预处理（例如HBM近处理）
- PCIe/CXL支持内存池化和高效访问
- 网络配置支持计算节点间的低延迟传输
此外，早期验证阶段收集的遥测数据（例如来自信号完整性测试或工作负载仿真）有助于优化模型性能和训练策略。