AIデータセンター向けエンドツーエンド検証

カラフルなオーバーレイが施されたデータセンター

1.6T規模のAIワークロードにおけるネットワークの信頼性を強化​

1.6T規模のAIインフラストラクチャでは、レイテンシの変動、輻輳の挙動、相互接続の不安定性などが露呈する現実的なワークロード条件下で検証を行う必要があります。個別のコンポーネントテストにとどまらず、ワークロードのエミュレーション、自動化、および大規模なトラフィック生成を組み合わせた戦略へと踏み出す方法をご紹介します。

次世代AIデータセンターの構築と検証

データセンターで一緒に働く2人のエンジニア。

1.6T AIデータセンターインフラの検証

フルスタックにわたる可視性を活用してAIデータセンターを検証し、レイヤー1～3にわたる1.6Tイーサネット相互接続の性能をストレステストし、現実的なAIトラフィック条件下でトランシーバーの信頼性と相互運用性を確保します。

色鮮やかなデータセンターの写真。

はじめにtoAI データセンターのエミュレーションと最適化

実環境のAIワークロードのエミュレーションを活用して、ネットワークのボトルネックを特定し、AIデータセンターのパフォーマンスを大規模に最適化します。

オシロスコープのプローブを持つ手の写真。

AIデータセンターのスケーリング：最先端の導入戦略

業界のリーダーたちから、実績のあるAIスケーリング戦略を学び、高性能で将来を見据えたインフラを構築するための実践的な知見を得ましょう。

トリガーポイントのオシロスコープ画面への影響

AIの次なる展開は？主要なトレンドと洞察

次世代のAIインフラを形作るトレンド、技術、および検証戦略を探ります。

注目のオンデマンド・ウェビナー

キーサイトの専門家から、次世代イーサネットネットワークやAIファブリックを大規模に検証するための実践的な知見を得ましょう。

ウェビナー

1.6Tイーサネット：相互接続の検証を簡素化

次世代のAIおよびネットワークインフラの検証、最適化、拡張に向けた実践的な知見を得ることができます。
ウェビナー

1600GE AIファブリック：検証とエミュレーション

AIファブリックの検証方法、ボトルネックの特定方法、および導入前のネットワークパフォーマンスの最適化方法を学びましょう。
ウェビナー

448G PAM4：3.2Tデータセンターの未来

将来の3.2T AIデータセンターや高速イーサネットを実現する、448G PAM4の画期的な技術についてご紹介します。

データセンターに関するその他のリソース

キーサイトの最新リソースを活用して、エンドツーエンドのAIデータセンター検証について詳しく学びましょう。

AIデータセンターインフラの検証に役立つ製品

キーサイトのRoCEv2ロスレスイーサネットテストバンドル（AresONE-S 400GE QSFP-DD 16ポート固定シャーシモデル用）。

Keysight AIデータセンタービルダー

AIネットワークインフラの設計と導入を加速させる。

1.6 光送信ソリューション

固定構成サンプリングオシロスコープ（DCA-M）

DCA-Mサンプリングオシロスコープは、次世代AIデータセンターインフラ向け224 Gbps/112 GBd PAM4マルチモードリンクの高速検証を可能にします。

AresONE 1600GE テストプラットフォーム

AresONE 1600GE

現実的なAIワークロードをエミュレートし、200GEから1600GEまでのイーサネットファブリックを検証します。

相互接続ネットワーク性能テスター

相互接続およびネットワーク性能テスター

相互接続をテストし、ポートあたり最大1.6Tのトラフィックをエミュレートします。

FITS-8CH、2RU ベンチトップ シャーシ

機能性インターコネクトインターコネクトテスト ソリューション FITS-8CH

1.6テラビット（224G）相互接続向けのエラー性能検証システム。

KAI Inference Builder

KAI Inference Builder

現実的なAIワークロードをエミュレートし、AI推論インフラの検証、ベンチマーク、および最適化を行います。

USB Type-C 電源供給のテスト方法

USB Type-Cパワーデリバリーモジュールのテストには、300 kHz信号でCCラインを監視し、生成される電圧と電流を測定する必要があります。オシロスコープで結果のアイダイアグラムを解析し、USB Type-Cパワーデリバリーによって供給される動的に可変な電力がコンプライアンスを達成していることを確認する方法を学びます。

詳細はこちら

高速デジタル リンクにおけるFEC性能の評価方法

ハイパースケールデータセンターのフォワードエラー訂正 (FEC) 性能を特性評価するには、すべてのイーサネットレーンを可視化し、意味のあるエラーを検出および相関させる必要があります。バースト性イーサネットトラフィックにおけるデバイスのビットエラーレートとFEC性能を定量化するためのFECテストのセットアップ方法を学びます。

詳細はこちら

周波数 測定方法（ボード線図）

周波数応答解析には、専用のネットワーク・アナライザ、または周波数応答解析ソフトウェアを搭載したオシロスコープが必要です。自動化ソフトウェアとベンチトップ・オシロスコープを使用して、周波数応答（ボード線図）解析を実行する方法を学びましょう。

詳細はこちら

AIデータセンターに関するさらなる知見やリソースをご覧ください

 
お問い合わせ ロゴ

弊社の専門家にお問い合わせください。

所望のソリューションを見つけるのにお困りですか？

お問い合わせ