Können wir Ihnen behilflich sein?
AI Leistung
Maximieren Sie die Energieeffizienz von KI-Rechenzentren, um die Skalierung von KI-Workloads zu verbessern.
Optimieren Sie die Integrität und Effizienz der Stromversorgung von AI-Rechenzentren
In KI-Rechenzentren ist das Energiemanagement ebenso wichtig wie die Leistung. Auch wenn High-End-Server und Rack-Switches mit den besten Chips und Verbindungen ausgestattet sind, können Übersprechen und elektromagnetische Interferenzen Probleme bei der Energieverwaltung verursachen, die letztlich die Skalierbarkeit eines KI-Rechenzentrums beeinträchtigen. Ohne vielseitige Design-Automatisierungs- und Messtools ist es äußerst schwierig, Stromversorgungsnetzwerke zu simulieren, die Ursachen von Stromversorgungsproblemen zu identifizieren und letztendlich die Energieeffizienz sicherzustellen.
Ausgewählte Ressourcen: AI Data Center Power
5 Strategien zur Optimierung und Skalierung von KI-Rechenzentren
KI verändert die Industrie und treibt Innovationen voran. Einzigartige Datenverkehrsmuster, dynamische Workloads und unerbittlicher Leistungsdruck können jedoch selbst kleinste Probleme zu kritischen Problemen auswachsen lassen.
In diesem eBook finden Sie fünf praktische Lösungen zur Optimierung der KI-Rechenzentrumsleistung für moderne Anwendungen.
Vier Überlegungen für ein erfolgreiches digitales Hochgeschwindigkeitsdesign
Entdecken Sie, wie Sie mit den sich entwickelnden Standards im digitalen Hochgeschwindigkeitsdesign Schritt halten können. Erfahren Sie, wie Sie sich mit neuen Tools und Designmethoden an neue Signalisierungsfunktionen, schnellere Datenübertragungsraten und kleinere Designmargen anpassen können.
Integrität der Stromversorgung: Die Grundlage für zuverlässige Elektronikleistung
Elektronische Systeme spielen eine entscheidende Rolle bei der Gestaltung des Betriebs von KI-Rechenzentren. Leistung und Zuverlässigkeit hängen jedoch stark von der Stromversorgungsintegrität ab. In diesem eBook erfahren Sie, was Sie beachten müssen, um in Ihren digitalen Hochgeschwindigkeitsdesigns eine zuverlässige Stromversorgung von DC bis GHz zu erreichen.
Verhindern Sie, dass Probleme mit der Stromversorgungssicherheit AI-Rechenzentren gefährden
Vereinfachen Sie die Analyse von Stromversorgungsnetzen, treffen Sie Vorhersagen über die Zuverlässigkeit und optimieren Sie die thermische Leistung bereits in frühen Entwicklungsphasen - und optimieren Sie so die Arbeitsabläufe für die Stromversorgungsintegrität.
Analysieren Sie Rauschen, Restwelligkeit und Übersprechen mit unübertroffener Genauigkeit
Identifizieren und beseitigen Sie die Ursachen Ihrer schwierigsten Power-Integrity-Probleme mit vielseitigen, kompakten und leistungsstarken Test- und Messgeräten.
Skalierung der KI-Workload-Kapazität durch Reduzierung des Stromverbrauchs
Optimieren Sie die Energieeffizienz von KI-Rechenzentren, indem Sie die Energieintegrität, -verwaltung und -versorgung von Netzwerkgeräten und -infrastrukturen verbessern.
Erkunden Sie das Portfolio: AI Data Center Power Solutions
Beseitigen Sie Probleme mit der Netzintegrität mit MXR-Oszilloskopen
Optimieren Sie die Energieeffizienz und -integrität von Netzwerkgeräten für AI-Rechenzentren mit Oszilloskopen der MXR-Serie von Keysight, Software zur Analyse der Stromversorgungsintegrität und Stromschienentastern. Stellen Sie sicher, dass Ihre Entwürfe keine Energie verschwendenden Probleme aufweisen, indem Sie Übersprechen, EMI und andere Probleme mit Stromschienen und Hochgeschwindigkeitsdatensignalen mit einem einzigen, kompakten Instrument bewerten.
Optimieren Sie die Zuverlässigkeit der Stromversorgung und die thermische Leistung mit EDA
Von DC bis GHz bieten die EDA-Tools (Electronic Design Automation) von Keysight umfassende Multi-Domain-Analysen mit hoher Wiedergabetreue, ohne dass Multi-Vendor-Tools verwendet werden müssen, was den Ingenieuren hilft, schneller ein sicheres Design zu erreichen. Eine durchgängige, auf einem digitalen Zwilling basierende Lösung vereinfacht komplexe Aufgaben der Leistungsversorgungsanalyse und erleichtert die Konzentration auf die Vorhersage und Optimierung von Signalqualität, Leistungszuverlässigkeit und thermischer Leistung zu einem frühen Zeitpunkt im Designprozess.
Webinar: Validierung der Leistungsintegrität mit Oszilloskopen
Entdecken Sie grundlegende Arbeitsabläufe für die Messung der Stromversorgungsintegrität und erfahren Sie mehr über die Entwicklung von Halbleitern und Schaltnetzteilen. Erfahren Sie, welche Art von Messsonden und Oszilloskop-Software Sie benötigen, um Probleme mit Hochstrom- und Niederspannungs-Stromschienenstörungen zu beheben.
Testaufbauten für die Energieoptimierung von AI-Rechenzentren
Analysieren der Energieintegrität
Messung der Impedanz des Stromverteilungsnetzes (PDN), der Stromschienenintegrität und des Regelkreisverhaltens mit einem Echtzeit-Oszilloskop.
USB Typ-C Power Delivery testen
Messen Sie wichtige Design-Parameter für die Stromversorgung (PD), einschließlich Spannungspegel, Geräteaufladung und Kabelfunktionalität.
Analysieren der PCB-Signalintegrität
Reduzieren Sie die Risiken für die Signalintegrität in einer digitalen Hochgeschwindigkeitsleiterplatte durch die Erkennung und Diagnose von Übersprechen, Jitter, vertikalem Rauschen und Phasenrauschen.
Erfahren Sie mehr über AI Data Center Power Optimization
Häufig gestellte Fragen: KI-Rechenzentrumsleistung
KI-Rechenzentren verzeichnen einen exponentiell wachsenden Strombedarf. Laut Wells Fargo könnte der KI-Stromverbrauch bis 2030 652 Terawattstunden (TWh) erreichen, was einem Anstieg von 8.050 % gegenüber 2024 entspricht. Dieser Anstieg ist auf rechenintensive Workloads – wie Modelltraining und Inferenz – zurückzuführen, die auf dichten GPU- und TPU-Racks laufen. Im Gegensatz zu herkömmlichen Rechenzentren erfordern KI-Workloads eine kontinuierliche Stromversorgung mit hoher Stromdichte, was oft an die Grenzen der Leistungsintegrität und des thermischen Designs stößt.
Zu den Hauptstromverbrauchern zählen:
- Beschleuniger wie GPUs und TPUs (für Training und Inferenz)
- Speichersubsysteme (z. B. HBM-/DDR-Module)
- Netzwerkausrüstung für Datenbewegungen mit hoher Bandbreite
- Kühlsysteme zur Ableitung der durch hohe KI-Arbeitslasten erzeugten Wärme
Jedes gelieferte Watt muss stabil und welligkeitsfrei sein. Deshalb werden Tools wie Echtzeit-Compliance-Oszilloskope mit Stromschienensonden und 3-Phasen-Software verwendet, um die Stromintegrität auf jeder Ebene zu validieren – von Spannungsreglern auf Platinenebene bis hin zur Rack-Scale-Verteilung.
KI-Workloads sind nicht nur rechenintensiv – sie sind auch stoßweise, parallel und thermisch intensiv. Das Training großer Modelle führt oft zu Spitzenlasten, die sowohl die Übertragungs- als auch die Kühlsysteme belasten. Dies erfordert eine Echtzeitüberwachung und -analyse von Spannungsreserven, Stromspitzen und Welligkeit. Die Leistungsanalysesoftware von Keysight, die Tools für leitungsgebundene elektromagnetische Störungen und SIPro unterstützen Ingenieure dabei, Leistungsanomalien zu erkennen und Platinenlayouts zu optimieren, um eine stabile Stromversorgung unter Belastung zu gewährleisten. Diese Maßnahmen sind entscheidend, um den Betrieb zu optimieren, Hardwareausfälle zu vermeiden und ineffizienten Energieverbrauch während des KI-Trainings oder von Echtzeit-Inferenzzyklen zu reduzieren.
Führende Rechenzentren setzen Strategien sowohl auf Hardware- als auch auf Softwareebene ein, darunter:
- Validierung der Leistungsintegrität mit Echtzeit-Compliance-Oszilloskopen und EMI-Sonden
- Phasenausgleich und Oberschwingungserkennung mit Tools wie 3-Phasen-Software
- Simulation und Modellierung mit EDA-Tools zur Vorvalidierung von Platinendesigns und Stromversorgungspfaden
- Workload-Optimierung und -Planung zum Abflachen von Leistungsspitzen über Inferenz- oder Trainingszyklen hinweg
Darüber hinaus ermöglichen die Keysight Design Data- und IP Data Management -Plattformen Teams die Analyse, Versionierung und Optimierung von Energiedaten über Chip- und Systemteams hinweg. Diese Erkenntnisse unterstützen die Designiteration und die Einhaltung von Energieeffizienzzielen.
Zu den größten Herausforderungen bei der Skalierung der KI-Energieinfrastruktur gehören:
- Thermische Belastung durch hochdichte Rechnerracks
- Verschlechterung der Leistungsintegrität aufgrund schnellerer Schaltkomponenten und geringerer Margen
- Unvorhersehbare Nachfragespitzen durch KI-Modelle mit dynamischer Ressourcenzuweisung
- Netzbeschränkungen, da die Nachfrage die traditionelle Infrastruktur übersteigt
Um diese Herausforderungen zu bewältigen, sind sowohl eine Validierung (z. B. Welligkeits- und leitungsgebundene EMI-Analyse) als auch architektonische Innovationen erforderlich, wie etwa eine aufgeschlüsselte Stromversorgung, eine KI-gestützte Wärmeregelung und die Integration der Leistungstelemetrie in Echtzeit in Betriebs-Dashboards.
Sie brauchen Hilfe oder haben Fragen?