点播
工程团队正面临一场根本性的变革。随着数据速率的提升、频率范围的扩展以及人工智能系统的规模化，传统的验证方法已接近极限，许多团队已经开始面临这些挑战。
本系列共分四部分，将探讨发生了哪些变化、验证环节在何处出现问题，以及工程师们如何应对这些挑战。您将了解到，团队如何在整个生命周期内对 800G 互连、多太比特光链路和大型 AI 集群进行验证，涵盖硅前 到实验室测量、网络仿真及生产测试的各个阶段。
每场会议都侧重于工具、工作流程和度量策略方面的实际改进，这些改进有助于更早地发现问题、减少耗费高昂的返工，并确保系统在规模化运行时保持可靠性能。
欢迎关注本系列，了解行业正在发生哪些变化，系统在哪些方面面临瓶颈，以及如何制定与下一代技术同步发展的验证策略。
第1集——数据速率如何翻倍，以及验证的极限在哪里
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。
第2集——频段如何扩展，以及为何测量精度变得至关重要
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。
第3集——系统规模如何扩展，以及为何网络流量验证成为基础
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。
第4集——制造业复杂性如何增加，以及验证为何必须随之演变
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、更有限的测试访问条件，以及在维持良率和吞吐量方面日益增大的压力。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。
半导体和电子制造领域的工程师应参加本次会议。本场会议适合专注于测试覆盖率、良率提升及大规模生产验证的团队。