您希望搜索哪方面的内容？
亮点
Keysight AI 数据中心构建器可以：
- 无需大型 GPU 集群即可模拟 AI 工作负载，通过利用高密度流量负载设备或软件端点，有效降低测试和验证成本。
- 访问 KAI 工作负载资料库，这是一套与领先 AI 运营商和学术机构合作构建的完整 AI 工作负载执行追踪数据集。
- 利用高密度 AI 主机仿真，支持 800GE / 400GE 功能，准确反映 AI 集群行为。
- 通过 KAI Collective Benchmarks 应用程序优化基准测试，验证 AI 网络架构性能，从而提升使用效率。
- 自动化 AI 网络架构测试，以评估网络对任务完成时间、性能隔离、负载均衡和拥堵控制的影响，从而优化 AI 训练性能。
引领 AI 网络未来：是德科技如何赋能 Juniper推动 AI
- 是德科技通过仿真来自大规模 AI 加速器的集体通信工作负载，协助 Juniper 验证下一代网络架构。
- 提供全面的测试场景，展示无损网络架构在负载均衡和拥塞缓解方面的效率和性能。
解决 AI 网络挑战
AI / ML 行业的关键行业趋势和挑战包括：
- 预计到 2026 年，AI 集群的节点数量将突破 10 万个。
- 有多达50%的时间闲置，等待数据交换。在数据交换等待期间，空闲时间可高达 50%。
- AI 网络创新需要新的测量和基准工具。
- 是德科技提供了一个具有无损结构验证记录的800GE / 400GE测试解决方案。与基于 GPU 的系统基准测试相比，它部署更快速，提供更深入的洞察，同时实现可验证的 AI 流量仿真准确性。
加速 AI 网络设计
定义AI / ML基础设施的未来。 解锁可能，塑造未来格局。
基准测试 AI 集合通信的任务完成时间
驾驭 AI 工作负载的复杂性。
实现网络性能测量的精确性
根据更深入的 AI 通信洞察做出设计决策。
灵活的假设场景
通过测试 AI 流量模式优化结构配置，从而提升 AI 集体性能。
高性价比的高密度 AI 网络测试平台
使用 AresONE-M 800GE 和 AresONE-S 400GE 的 AI 流量仿真扩展实验规模。
将真实的 AI 工作负载带入实验室
KAI 工作负载仿真使 AI 基础设施团队无需部署大型 GPU 集群即可重现真实的 AI 训练行为，在保持真实性的同时降低成本。
工作负载仿真的主要优势
- 使用 400GE / 800G AresONE 流量发生或商用现成服务器 (COTS) 仿真 AI 工作负载
- 在真实环境下验证并行策略、模型分区和数据交换模式
- 在全面部署前，确保基础设施与 AI 工作负载需求保持一致。
- 降低对高成本 AI 集群在基准测试与性能测试上的依赖。
重新定义 AI 基础设施的基准测试方式
- 通过仿真大规模 AI 工作负载，优化 AI / ML 系统设计。
- 深入洞察集体通信性能，助力系统优化与设计决策。
- 通过以应用程序交付的预打包方法，简化基准测试与验证流程。
- 使用高密度 AresONE 流量负载设备，通过数百个 400GE 或 800GE 端口，模拟基于融合以太网 v2（RoCEv2）的远程直接内存访问（RDMA）端点。
通过集体基准测试简化 AI 基础设施验证
Keysight 通过提供精确、可扩展性，以及有助于优化设计与部署的深度洞察，加速 AI 基础架构验证。KAI 数据中心构建器结合 KAI Collective Benchmarks 应用程序、测试工具包和高保真测试仪器，简化性能评估流程，使 AI 运维人员能够优化基础设施设计与网络性能。
主要功能包括：
- 通过测量任务完成时间、算法和总线带宽，以及与理论最大性能的偏差，评估集合通信效率。
- 使用 AresONE 流量负载设备模拟 RoCEv2 端点，通过深入分析功能评估队列对（AI 数据流）的性能表现。
- 通过将AresONE硬件测试结果与真实 AI 系统的指标进行对比，来验证RoCEv2 仿真的真实性。
- 通过集成 AI 集合基准测试，KAI 数据中心构建器帮助 AI运营商和基础架构供应商深入洞察数据传输效率、网络拥塞情况及整体系统性能。
RoCEv2 端点仿真和状态验证
超越仿真，精准定义 RoCEv2 验证新标准
IxNetwork 和 AresONE-S 全面支持 RoCEv2 协议
IxNetwork / AresONE-S 支持 RoCEv2 传输协议，并具备数据中心量化拥塞通知（DCQCN）拥塞控制与优先级流控（PFC）功能。它为验证 AI 集群中的数据平面流量管理提供了可扩展且高性价比的解决方案，优化网络结构性能。
速度与规模
AresONE-S 每台设备提供高达 16 个 400GE 端口，并可组合为多设备配置，在单一集群中实现超过 256 个端口的扩展能力 每个端口可模拟一个 RoCEv2 端点，并支持数千个队列对（Queue Pair），实现线速流量传输。 这种规模对于重现真实 AI 集群的网络拓扑至关重要。
流量灵活性
为了贴近 AI 工作负载模式的真实性，并在较小规模环境中重现潜在问题，AresONE 提供涵盖多种流量模式的 RoCEv2 功能，包括汇聚 (in-cast)、部分网状(partial mesh)以及全域 all-to-all 集体通信。
在传输层，它支持可配置数据大小、突发速率和间隔的 RDMA 动作序列，并结合了 DCQCN 和 PFC 的速率控制机制。
队列对 (Queue Pair ) 级别的 DCQCN 流控机制
每个队列对的 DCQCN 支持精确的网络拥塞控制，结合显式拥塞通知（ECN）与速率控制等功能，优化数据流与网络结构的响应能力。
前往 GitHub 项目庫 以获取 AI / ML 测试方法。
AI 测试硬件
Keysight的数据中心负载模块提供高密度和高性能的以太网 IP 测试解决方案，支持业界首个涵盖 1G、10G、25G、40G、50G、100G、400G 和 800G 速率的產品。
网络负载测试和协议测试工具
扩展功能
推荐资源
需要帮助或有疑问吗？