Adicionado aos favoritos
Removido dos favoritos
Dimensionamento de centros de dados de IA
O documento Scaling AI Data Centers explica por que a computação em escala de IA pressiona todas as partes do data center e por que remover uma restrição geralmente expõe a próxima. Ele apresenta uma estrutura de chip a cluster que abrange projeto pré-silício, wafers, chips e chiplets, placas, servidores, racks, data centers completos e implantações de borda. O documento posiciona a vantagem estratégica da Keysight Technologies como amplitude mais correlação: prever o comportamento do sistema antes que o hardware exista, mapear as margens físicas na camada de wafer e fotônica e, em seguida, validar as interconexões e cargas de trabalho em condições semelhantes às de produção. Em toda a pilha, ele destaca áreas de solução, como automação de projeto eletrônico para interconexão de chiplets e projeto fotônico, teste automatizado de wafer de silício e fotônica de silício, validação pós-silício para padrões die-to-die como UCIe e sinal em nível de placa, integridade de energia e depuração de interferência eletromagnética. Em seguida, passa para a validação de servidores e racks com análise de protocolo, fluxos de trabalho de transceptores Ethernet 800G e 1,6T, geração de tráfego em alta escala para padrões de treinamento e inferência e validação de transporte Ethernet para RoCEv2 e Ultra Ethernet. Em escala de data center e borda, adiciona emulação, testes de segurança e desempenho, análise de transporte óptico coerente, visibilidade de rede e validação sem fio e AI-RAN. Conclui que os desafios em várias camadas exigem conhecimento em vários níveis, combinando insights baseados em física com o contexto do sistema para ajudar as equipes a permanecerem confiantes e à frente das gerações.