课程 | 1.6T 人工智能数据中心的验证| 是德科技

1.6T AI 数据中心的验证

训练营

15 商品

加入是德科技工程师的深度训练营，为构建1.6T速率AI基础设施的网络架构师提供专业指导。通过真实场景演示和分步指南，探索创新解决方案：实现全栈可视化验证AI数据中心性能，对1-3层1.6T以太网互连进行压力测试，并在真实AI流量条件下确保收发器可靠性与互操作性。本内容可助您在下次升级中最大化AI网络性能，同时最小化GPU空闲时间。

了解：

模拟真实的人工智能工作负载，以测试系统中的每条数据路径。
验证高速以太网互连的性能、稳定性及多厂商互操作性。
采用进阶灵敏度和更高TDECQ精度的1.6T收发器制造测试。

本训练营专为致力于优化新一代人工智能数据中心吞吐量、性能和可扩展性的网络架构师及工程师量身打造。

查看

网络研讨会

第1课——AI展示：推动AI数据中心规模化发展的创新技术

人工智能正将网络推向极限——万亿参数模型、数百万块GPU，以及永不停歇的升级周期。对于网络架构师而言，压力巨大：一个薄弱环节就可能导致整个系统瘫痪。了解三项创新技术，助您以1.6T的速度验证每条数据路径和每个网络组件，并获得贯穿所有层的深度洞察。准备好以全系统的信心进行升级了吗？

白皮书

提高人工智能数据中心集群的可扩展性

随着人工智能模型的日益复杂与庞大，有效扩展数据中心集群已成为企业保持竞争优势的关键任务。本白皮书深入探讨了人工智能集群的兴起，重点剖析了扩展过程中的核心挑战——尤其是网络基础设施领域的难题，并展示了如何进阶解决方案来攻克这些障碍。

白皮书

人工智能网络与传统网络有何不同

人工智能（AI）和机器学习（ML）正在推动数据中心网络发生重大变革——包括新的需求、流量模式和技术。了解是德科技（Keysight）的解决方案如何帮助优化AI网络。

第2课配图——与Alex Bortok就Keysight AI 数据中心构建器进行的问答

第 2 课——与 Alex Bortok 围绕Keysight AI 数据中心构建器进行的问答环节

是德科技的 Alex Bortok 探讨了人工智能如何改变数据中心的设计。随着生成式人工智能模型的迅猛发展，两大挑战应运而生。首先，全球范围内的 GPU 短缺使得搭建测试实验室几乎成为不可能。其次，人工智能生态系统——包括模型、软件和硬件——变化如此之快，任何静态解决方案都难以跟上。在这段访谈视频中，您将了解到Keysight AI （KAI）Data Center Builder如何模拟真实世界中的AI工作负载，从而无需昂贵的GPU即可设计和验证新一代数据中心网络。

解决方案概述

AI/ML 基础设施评估与基准测试

本解决方案简报介绍了Keysight AI （KAI）Data Center Builder如何通过加速AI/ML网络以及输入/输出创新周期来应对这些挑战。这款创新软件采用支持100-800GE端口的高密度流量负载设备，用于模拟AI主机以及真实的AI/ML流量模式。您将了解到KAI Data Center Builder如何帮助加快版本发布、降低成本、简化部署与维护，并提升整体性能。

白皮书

人工智能基础设施：专为模型训练优化

本白皮书探讨了高效人工智能模型训练所需的关键基础设施，重点强调网络能力在处理海量数据流和最小化延迟方面的作用。文中概述了模型训练中的挑战，并提出了能够提升性能的创新解决方案。

应用文章

人工智能织物测试方法论

在人工智能（AI）系统，特别是大型语言模型（LLM）的背景下，网络架构指的是连接系统内各个组件或节点并使其能够进行通信的基础设施。网络架构对于促进AI系统（包括LLM训练）的高效运行至关重要。

样机

第 3 课——测试 800G 和 1600G 以太网互连

了解是德科技最新的 800G 和 1600G 以太网测试解决方案，用于验证高性能互连设备，包括数据中心中的有源电缆和浸没式光收发器。

白皮书

以1.6T以太网构建未来网络

本白皮书深入探讨了在1.6T以太网背景下验证互连性能所面临的关键挑战。它分析了数据中心日益增长的需求、现有网络架构的局限性，以及为确保这些高速网络可靠部署所需的新兴技术和测试方法。

解决方案概述

1600GE 互连与网络性能测试

1600GE互连与网络性能测试仪（INPT-1600GE）是一款多功能高速以太网平台，提供便携式、轻量级、办公级静音台式机或机架式机箱版本。该平台可对采用212Gb/s电信号通道接口的各类以太网设备和互连设备，验证其从200GE到1600GE的性能与可靠性。

应用文章

验证800GE和1.6TE互连技术

高韧性的 800GE 和 1.6T 以太网数据中心互连技术在最大限度提升 AI 网络性能方面发挥着至关重要的作用。尽管这些收发器承诺提供更高的数据速率和更低的延迟，但它们也将引入更复杂的调制格式、更敏感的组件，并且更容易受到信号损伤的影响。为了满足严苛的性能要求并确保未来的可扩展性，互连供应商必须验证其产品既符合不断演进的标准，又能与现有数据中心基础设施实现无缝互操作。本应用笔记探讨了在快速增长的 AI/ML 数据中心市场中涌现的重大机遇，并针对供应商面临的关键挑战进行了阐述，例如保持高信号完整性、优化功耗以及确保与现代网络架构的兼容性。此外，本文还概述了一套全面的测试策略，包括严格的性能测试、互操作性评估以及对行业标准的遵守。这些策略对于在 AI 数据中心成功部署互连设备至关重要。