Chargement...

Affichage de 20 sur 9398

Trier :
Popularité
Popularité Plus récent Pertinence
Popularité Nouveauté Pertinence
Scaling AI Data Centers

Ajouté aux favoris

Retiré des favoris

Mise à l'échelle des centres de données IA

Le document « Scaling AI Data Centers » explique pourquoi le calcul à l'échelle de l'IA sollicite chaque composant du centre de données et pourquoi la suppression d'une contrainte en révèle souvent une autre. Il présente une architecture « chip-to-cluster » (de la puce au cluster) couvrant la conception pré-silicium, les plaquettes, les puces et les chiplets, les cartes, les serveurs, les racks, les centres de données complets et les déploiements en périphérie. Le document positionne l'avantage stratégique de Keysight Technologies comme une combinaison de portée et de corrélation : prédire le comportement du système avant que le matériel n'existe, cartographier les marges physiques au niveau de la couche de plaquettes et de photonique, puis valider les interconnexions et les charges de travail dans des conditions similaires à celles de la production. À travers la pile, il met en évidence des domaines de solutions tels que l'automatisation de la conception électronique pour l'interconnexion des puces et la conception photonique, les tests automatisés des plaquettes de silicium et de silicium photonique, la validation post-silicium pour les normes die-to-die telles que UCIe, et le débogage des signaux au niveau de la carte, de l'intégrité de l'alimentation et des interférences électromagnétiques. Il passe ensuite à la validation des serveurs et des racks avec l'analyse des protocoles, les workflows des émetteurs-récepteurs Ethernet 800G et 1,6T, la génération de trafic à grande échelle pour les modèles d'apprentissage et d'inférence, et la validation du transport Ethernet pour RoCEv2 et Ultra Ethernet. Au niveau des centres de données et de la périphérie, il ajoute l'émulation, les tests de sécurité et de performance, l'analyse du transport optique cohérent, la visibilité du réseau et la validation sans fil et AI-RAN. Il conclut que les défis multicouches exigent une expertise à plusieurs niveaux, associant des connaissances basées sur la physique au contexte du système afin d'aider les équipes à garder une longueur d'avance en toute confiance.

Scaling AI Infrastructure from Chip to Cluster

Ajouté aux favoris

Retiré des favoris

Évolutivité de l'infrastructure IA, de la puce au cluster

Affiche sur la mise à l'échelle des centres de données IA qui explique pourquoi le calcul à l'échelle de l'IA sollicite chaque partie du centre de données et pourquoi la suppression d'une contrainte en révèle souvent une autre. Elle présente une structure « chip-to-cluster » (de la puce au cluster) couvrant la conception pré-silicium, les plaquettes, les puces et les chiplets, les cartes, les serveurs, les racks, les centres de données complets et les déploiements en périphérie. Le document positionne l'avantage stratégique de Keysight Technologies comme une combinaison de portée et de corrélation : prédire le comportement du système avant que le matériel n'existe, cartographier les marges physiques au niveau de la couche de plaquettes et de photonique, puis valider les interconnexions et les charges de travail dans des conditions similaires à celles de la production. À travers la pile, il met en évidence des domaines de solutions tels que l'automatisation de la conception électronique pour l'interconnexion des puces et la conception photonique, les tests automatisés des plaquettes de silicium et de silicium photonique, la validation post-silicium pour les normes die-to-die telles que UCIe, et le débogage des signaux au niveau de la carte, de l'intégrité de l'alimentation et des interférences électromagnétiques. Il passe ensuite à la validation des serveurs et des racks avec l'analyse des protocoles, les workflows des émetteurs-récepteurs Ethernet 800G et 1,6T, la génération de trafic à grande échelle pour les modèles d'apprentissage et d'inférence, et la validation du transport Ethernet pour RoCEv2 et Ultra Ethernet. Au niveau des centres de données et de la périphérie, il ajoute l'émulation, les tests de sécurité et de performance, l'analyse du transport optique cohérent, la visibilité du réseau et la validation sans fil et AI-RAN. Il conclut que les défis multicouches exigent une expertise à plusieurs niveaux, associant des connaissances basées sur la physique au contexte du système pour aider les équipes à garder une longueur d'avance en toute confiance.

Affiché 20 sur 9398 Charger plus