成功案例
戴尔科技、Siemon 和是德科技共同演示了人工智能网络架构如何在同步工作负载下实现确定性、无损的性能。他们还展示了基于 SONiC 的交换技术、高速连接以及真实流量仿真，对于将人工智能基础设施扩展至 1.6T 及更高带宽至关重要。
大规模验证人工智能数据中心网络架构
案例研究亮点：戴尔科技 - Siemon
上一页
- 他们是谁
- 挑战
- 他们是如何解决的
- 结果
人工智能基础设施领域的领导者
戴尔科技、西蒙和是德科技分别代表了人工智能数据中心基础设施的三个基础 ：交换架构、物理连接和性能验证。戴尔提供高密度交换平台以及针对人工智能网络架构进行优化的基于 SONiC 的网络操作系统。西蒙提供高速铜缆、光互连和结构化布线系统。是德科技通过进阶 仿真和基准测试，实现系统级验证。
人工智能网络的扩展
扩展 AI 网络会在整个网络架构中引入显著的复杂性。海量的东西向流量、同步的 GPU 工作负载以及 All-Reduce 等对延迟敏感的操作，都需要零数据包丢失的确定性性能。 诸如状态化 RoCEv2 等技术依赖于精确的拥塞控制和无损特性。若未在实际负载条件下对交换机、光模块和布线进行部署前验证，运营商将面临大规模部署时出现拥塞、GPU 利用率低下以及网络架构行为不可预测的风险。
端到端网络架构验证
借助Keysight AI 中心构建器，戴尔、西蒙和是德科技共同构建并验证了一个集交换、连接和工作负载仿真于一体的端到端 AI 架构。 戴尔 PowerSwitches 通过企业级 SONiC 技术实现了自适应路由、增强型哈希和拥塞管理等 AI 感知功能，而西蒙则提供了无损传输所需的高性能铜缆和光纤基础设施。在AresONE 流量生成器的支持下，是德科技模拟了多 GPU 环境以及基于状态化 RoCEv2 的集群操作，从而在部署前实现了全系统基准测试、拥塞分析以及精准调优。
支持人工智能的性能
经过验证的、支持人工智能的网络架构在真实的人工智能工作负载下表现出了稳定且可预测的性能。通过采用带状态的 RoCEv2 流量，该架构即使在拥塞情况下也能保持性能。在整个总线拓扑中，任务完成时间始终控制在微秒级。此次演示证实，将交换、互连和基准测试相结合，能够降低部署风险、提高 GPU 利用率，并为下一代人工智能网络架构扩展至 1.6T 及更高带宽做好准备。
探索相关资源
白皮书
大规模设计和验证人工智能网络的7个要点
深入探讨设计、连接和验证人工智能网络架构的关键考量因素——从流量行为和拓扑选择，到布线、光模块、负载均衡，以及在800G、1.6T及更高速率下的全系统仿真。
白皮书
扩展人工智能数据中心以实现实际性能
关于人工智能基础设施规模下仿真、验证及集群行为的技术洞察。
报告
AI 集群网络的瓶颈、扩展性及未来发展
基于调研的洞察，涵盖人工智能数据中心的基础设施投资、仿真技术差距、互连技术采用情况以及优化优先级。
×
请销售人员联系我。
*表示必填字段
感谢您！
销售代表将尽快与您联系。