建设1.6T人工智能数据中心

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，最小化GPU空闲时间。 学习要点： • 模拟真实AI工作负载，全面测试系统数据路径 • 验证高速以太网互连性能、稳定性及多厂商互操作性 • 通过进阶 敏度与更高TDECQ精度扩展1.6T收发器制造测试    本速成课程专为致力于优化新一代AI数据中心吞吐量、性能和可扩展性的网络架构师与工程师设计。 

人工智能数据中心仿真与优化导论

加入是德科技工程师的行列，深入探索大规模模拟、验证和优化人工智能数据中心性能的方法。本课程将探讨模拟人工智能数据中心工作负载的重要性，并介绍最新的工作负载模拟和集体基准测试解决方案。完成课程后，您将能够通过真实的人工智能工作负载模拟精准定位网络瓶颈，并优化系统级效率。 学习要点： • 如何复现真实AI训练任务的网络通信模式 • 如何识别低效的集体操作并深入定位瓶颈 • 如何通过实验微调模型分区方案、参数及算法 本课程特别适合希望深入理解AI数据中心系统级性能仿真与优化的网络架构师或组件工程师。

人工智能的未来走向：关键趋势与洞察

前瞻性地了解人工智能基础设施的发展方向，以及正在塑造未来人工智能数据中心、网络和系统的下一代技术。 了解计算、网络和存储如何融合，以及为何系统级设计、机器学习运行时加速和工作负载可靠性对大规模AI至关重要。 了解基础 AI系统在规模、速度和复杂性上的增长基础 为何现实的性能验证、测试和真实环境仿真成为基础 。 探索超大规模服务商和AI集群运营商基于数据的见解，内容涵盖性能优化、消除瓶颈、改进网络设计以及提升AI基础设施投资回报率。 本训练营特别适合专注于 AI 网络、系统性能和基础设施可扩展性的企业及超大规模团队。 本课程是《AI 数据中心：技巧、趋势与技术》系列的第 2 部分，基于第 1 部分《扩展 AI 数据中心：部署的前沿策略》构建。为获得最佳学习体验，建议先完成第 1 部分。完成第 2 部分后，请继续学习第 3 部分：《赋能下一代 AI 的关键技术》。

验证 1.6T 以太网并模拟真实的 AI 工作负载

了解AresONE 如何通过高密度 1.6T 以太网网络测试和逼真的 AI 工作负载仿真，实现新一代 AI 基础设施的全栈验证。探索集成式第 1-3 层分析、RoCEv2 流量仿真以及 KAI Data Center Builder 软件如何助力加速网络和 AI 数据中心的验证、可扩展性以及部署准备工作。

边缘验证：网络流量

随着人工智能在800G和1.6T以太网环境下扩展至数万块GPU，本文将探讨网络流量验证面临的四大挑战及其解决方案，并涵盖整个工程生命周期。

AI级以太网验证为何需要新一代测试系统：10大理由

人工智能规模的网络需要前所未有的带宽、超低延迟和可靠性。了解传统以太网验证工具存在十项关键缺陷的原因。

端到端验证方案适用于人工智能数据中心

凯斯泰（Keysight）1.6T AI仿真、验证和测试解决方案的视觉演示。解决方案包括AresONE 、互连测试 PHY 验证与合规性解决方案。

以太网流量仿真器

本产品目录重点展示了是德科技的以太网流量仿真 ，涵盖L2至L7协议与负载测试软件，以及高性能硬件加速器。该组合可通过高达1.6T速率的真实可重复流量，对下一代网络系统、ASIC芯片、人工智能数据中心环境及超大规模部署进行验证。

AresONE

部署800GE和1.6T以太网解决方案有助于缓解基础设施瓶颈。通过进阶 工具验证高速AI架构并真实模拟复杂AI工作负载，是基础 可靠性能基础

戴尔与西蒙：验证真实环境中的AI网络

随着人工智能网络不断演进以支持日益复杂且对带宽需求极高的工作负载，在部署前验证基础设施性能已成为至关重要的任务。戴尔科技、西蒙和是德科技此次合作，展示了如何通过人工智能感知型网络、高性能连接以及真实的工作负载仿真技术，协同开展拥塞行为基准测试、优化性能，并加速建立对大规模下一代人工智能网络架构的信心。

互连与网络性能测试仪 1600GE

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。

第1-3层网络测试产品

是德科技的第1-3层网络测试解决方案通过高达1.6T以太网的高密度流量生成、真实应用及AI工作负载仿真以及协议分析，验证并优化性能与安全性，确保大规模可靠性。

行业洞察：1.6T网络的端到端AI验证

随着AI网络规模扩展至1.6T，传统验证方法已面临瓶颈。本白皮书针对在实际环境中验证AI基础设施所面临的挑战提供了专业 ，包括验证容错空间的缩小、AI工作负载的行为特征、互操作性的复杂性，以及对端到端系统级验证日益增长的需求。

重新审视面向人工智能规模的数据中心验证

AI 工作负载正在重塑数据中心网络架构，这要求在 1.6T 规模下采用全新的测试和验证方法。传统测试可能无法发现那些影响性能、延迟和 GPU 效率的系统级风险。了解 1.6T 规模下的十大测试挑战及潜在解决方案，以确保构建可扩展、可靠且高性能的 AI 数据中心。

验证适用于AI工作负载的新一代内存

本视频重点介绍了针对 AI 工作负载的下一代内存技术（包括 GDDR7、LPDDR6、DDR5 和 HBM4）的高效验证方法。视频展示了示波器 合规性应用如何实现对进阶 信号完整性测量、特性分析及裕度评估。

大规模设计和验证人工智能网络的7个要点

AI 网络已不再是传统数据中心网络的升级版，仅仅拥有更快的链路。它们是专用的高性能网络架构，围绕海量的东西向 GPU 间通信、同步工作负载、对拥塞的敏感性，以及日益增长的 800G 和 1.6T 连接需求而构建。 本白皮书概述了大规模设计和验证AI网络的七项实用经验，涵盖AI流量行为、拓扑结构、负载均衡、布线、光模块、热管理、RoCEv2拥塞行为以及全系统验证的必要性。此外，白皮书还阐述了是德科技（Keysight）的解决方案如何帮助团队模拟真实的AI工作负载、验证高速以太网互连架构、测试互连设备和光模块，并在生产部署前验证AI互连架构的就绪性。

从芯片到集群：扩展人工智能基础设施

《扩展人工智能数据中心》海报阐释了为何人工智能级计算对数据中心每个环节都提出严苛要求，以及为何消除一个瓶颈往往会暴露出下一个瓶颈。该海报呈现了从芯片到集群的完整框架，硅前 、晶圆、芯片与微芯片、电路板、服务器、机架、完整数据中心及边缘部署等全链路。 该文件将是德科技的战略优势定位为广度与关联性：在硬件诞生前预测系统行为，在晶圆与光子层级绘制物理边界，随后在接近生产环境的条件下验证互连架构与工作负载。 在全栈解决方案中，重点涵盖：小芯片互连与光子设计的电子设计自动化、硅片与硅光子晶圆自动化测试、UCIe等芯片间标准的后硅验证、以及板级信号完整性、电源完整性与电磁干扰调试。 随后转向服务器与机架级验证，涵盖协议分析、800G与1.6T以太网收发器工作流、训练与推理模式的大规模流量生成，以及RoCEv2和超以太网传输验证。 在数据中心与边缘计算层面，新增仿真、安全与性能测试、相干光传输分析、网络可视化、无线及AI-RAN验证等功能。结论指出：多层级挑战需要多维度专业能力，将物理原理洞察与系统环境相结合，助力团队始终保持领先数代的技术优势。

扩展人工智能数据中心

《扩展人工智能数据中心》阐释了为何人工智能级计算会对数据中心的每个环节提出挑战，以及为何消除一个限制往往会暴露出下一个瓶颈。该文件提出了一种从芯片到集群的框架，硅前 、晶圆、芯片与微芯片、电路板、服务器、机架、完整数据中心及边缘部署等全链路。 该文件将是德科技的战略优势定位为广度与关联性：在硬件诞生前预测系统行为，在晶圆与光子层映射物理边界，随后在接近生产环境的条件下验证互连与工作负载。 在全栈解决方案中，重点涵盖：小芯片互连与光子设计的电子设计自动化、硅片与硅光子晶圆自动化测试、UCIe等芯片间标准的后硅验证，以及板级信号完整性、电源完整性与电磁干扰调试。 随后转向服务器与机架级验证，涵盖协议分析、800G及1.6T以太网收发器工作流、训练与推理模式的高规模流量生成，以及RoCEv2和超以太网传输验证。 在数据中心与边缘计算层面，新增仿真、安全与性能测试、相干光传输分析、网络可视化、无线及AI-RAN验证等功能。报告最终指出：多层级挑战需要多维度专业能力，唯有将物理原理洞察与系统环境相结合，方能助力团队始终保持领先数代的技术优势。

Keysight AI：KAI产品组合概览

探索Keysight AI KAI）解决方案组合。加速人工智能数据中心的设计与部署。模拟一切，优化所有——从物理层到应用层。

第4-7层网络测试产品

是德科技的第4-7层网络测试解决方案以无与伦比的逼真度再现真实网络环境。从流量生成、应用交付、性能测试到入侵攻击模拟、物联网安全评估及人工智能工作负载仿真，我们的产品组合可全面验证云端、本地、边缘及数据中心环境中的性能与安全性。