- 概述
- 所有型号
- 支持
针对 800GE 和 1.6T 网络的真实网络流量仿真
1600GE互连与网络性能测试仪（INPT-1600GE）是一款全新的1.6太比特以太网（1.6T）及下行速率硬件测试平台，专用于通过212 Gb/s电信号通道进行PAM4流量生成与分析。
INPT产品系列中的INPT-800GE为800GE及以下速率的硬件测试平台提供了2端口和4端口台式机选项，支持通过56 Gb/s电信号通道进行PAM4流量生成与分析。
INPT针对各类通信芯片、互连器件和网络设备提供功能、性能及互操作性基准测试。
INPT 平台搭载全新的互连测试 (ITS) 软件，提供了一套全面的解决方案，能够智能地组织、存储和利用数据，从而实现高速以太网网络和数据中心中互连验证的自动化。
是德互连测试 （ITS）软件能够应对所有这些挑战，从而更轻松地对互连性能进行鉴定和验证。ITS 是一款进阶功能完善的软件解决方案，旨在验证从 100GE 到 1600GE 的 AI 基础设施、网络组件和数据中心互连。ITS 软件可在 800GE 和 1600GE INPT 硬件平台上运行。
1.6T 流量生成
测试新一代AI网络组件、互连设备及电缆在800GE和1600GE线路速率下的性能，包括前向纠错（FEC）和比特误码率（BER）分析。
互连性能
提供是德科技的第1层BERT测试，并具备针对PCS、FEC和帧丢失的进阶 测试功能，以确保互连设备达到量产标准。支持第2/3层RFC基准测试和协议仿真，以评估系统扩展性和性能。采用CMIS协议实现自动配置、应用检测和光信号监控。
人工智能网络
使用 ROCEv2 在真实的拥塞场景下测量交换机的行为。测试 Ultraethernet 的功能。
灵活的外形尺寸
轻量化机箱兼具办公室级静音特性，并提供机架安装选项，支持在任何场所进行1.6T硅芯片、光器件及线缆测试。
-
接口速度模式
800GE、400GE、200GE、100GE、1600GE
-
接口
OSFP800，OSFP1600
最受欢迎的配置
互连与网络性能测试仪 800GE，4端口
双端口台式机箱
双端口的半机架式机箱
服务 支持
通过精心策划的支持方案、优先响应机制和快速周转时间，实现高效创新。
获取可预测的租赁式订阅服务和全生命周期管理解决方案——助您更快达成业务目标。
KeysightCare ，享受卓越服务，获得专属技术响应等更多权益。
确保您的测试系统符合规格要求，并满足本地及全球标准。
通过内部讲师指导的培训和在线学习，快速掌握测量技能。
下载是德科技软件或将您的软件更新至最新版本。
常见问题解答
人工智能数据中心依赖于GPU、交换机和加速器之间高度同步、高带宽的连接。铜缆或光纤互连中的任何弱点——如信号衰减、电源不稳定或热管理问题——都可能引入延迟，导致训练中断或降低整体任务完成效率。互连验证确保高速链路在人工智能训练和推理产生的高强度持续工作负载下可靠运行。 是德科技的互连与网络性能测试产品可在212 Gb/s电通道上模拟高达1.6 Tbps的全速率流量，使工程师能够在大规模GPU集群或AI结构化网络部署前，验证收发器、AOC、DAC及板中光模块的互操作性、性能余量和应力响应能力。
人工智能工作负载会产生高度同步且非均匀的流量模式，这与传统企业或云工作负载存在显著差异。这些模式包括突发性高扇出流量、集体操作，以及数据中心结构中东西向流量对微秒级延迟的敏感性。 传统流量生成器常采用稳态合成数据包流，无法揭示真实场景中的性能瓶颈。INPT系统通过专为AI设计的流量建模，精准模拟AI加速器与GPU间的通信行为，复现任务级别的时序特性、突发数据包规模及同步动态。这种方法能在模拟真实AI训练场景的条件下，对互连网络进行有意义的性能评估，从而发现拥塞点并优化架构层面的路由与设计。
在800GE和1.6T速率下进行测试，需要能够通过112Gb/s和224Gb/s电通道实现PAM4调制全线速率传输的流量发生器。 是德科技的INPT解决方案可实现高达1.6 Tbps/端口的高密度以太网流量生成，支持1x1600GE、2x800GE、4x400GE或8x200GE等可配置组合。这些平台通过真实应用层协议模拟最恶劣场景，使工程师能在负载条件下测量吞吐量、延迟及前向纠错（FEC）容错能力。 该系统可对收发器进行压力测试，每个端口功耗高达40W，确保新一代光互连技术在真实的热/电工作条件下保持稳定性能。
互连性能必须在多层进行测量，以确保人工智能基础设施的稳健运行。关键指标包括链路级延迟、前向纠错（FEC）纠错率、数据包丢失、抖动、拥塞响应及队列深度。 是德科技INPT平台提供精细化遥测与实时分析功能，可揭示高强度数据传输过程中的瓶颈。工程师能在缓冲压力、重传事件或非对称流量负载等条件下监控设备行为。这种可视性有助于优化芯片级设计、交换机固件及拓扑决策，最终提升大规模AI模型训练与推理过程中的网络效率和稳定性。