課程 | 1.6T 人工智慧資料中心的驗證| 是德科技

驗證 1.6T AI 資料中心

課程
15 項目

歡迎加入 Keysight 工程師團隊，參加針對以 1.6T 速度建構 AI 基礎設施的網路架構師所舉辦的深度訓練營。透過真實世界示範和逐步指南，探索創新解決方案，以實現具備全堆疊可視性的 AI 資料中心驗證、對 1.6T 乙太網路互連效能進行第 1 至 3 層的壓力測試，並確保收發器在實際 AI 流量條件下的可靠性和互通性。此內容可協助您在下一次升級中，最大化 AI 網路效能並最小化 GPU 閒置時間。

學習：

模擬真實的 AI 工作負載，以測試系統中的每個資料路徑。
驗證高速乙太網路互連的效能、穩定性和多廠商互通性。
透過先進的光學靈敏度和更高的 TDECQ 準確度，擴大 1.6T 收發器製造測試規模。

此訓練營非常適合網路架構師和工程師，他們專注於最佳化新一代 AI 資料中心的傳輸量、效能和可擴充性。

查看

網路研討會

第 1 課 - 人工智慧展示：推動人工智慧資料中心規模擴展的創新技術

AI 正將網路推向極限——兆級參數模型、數百萬個 GPU 和不間斷的升級週期。對於網路架構師而言，壓力巨大：一個薄弱環節就可能破壞一切。探索三項創新，讓您能夠以 1.6T 的速度驗證每個資料路徑和每個網路元件——並深入瞭解所有層級。準備好以完整的系統信心進行升級了嗎？

白皮書

提升 AI 資料中心叢集的可擴展性

隨著 AI 模型變得日益複雜和龐大，有效擴展資料中心叢集已成為旨在保持競爭力的組織的關鍵優先事項。本白皮書探討了 AI 叢集的興起，強調了主要的擴展挑戰 — 特別是在網路基礎設施方面 — 並展示了先進的模擬解決方案如何幫助您克服這些障礙。

白皮書

人工智慧網路與傳統網路有何不同

人工智慧 (AI) 和機器學習 (ML) 正在推動資料中心網路的巨大變革，包括新的要求、流量模式和技術。探索 Keysight 解決方案如何協助最佳化 AI 網路。

第 2 課 — 與 Alex Bortok 針對 Keysight AI 資料中心建構工具的問答環節

Keysight 的 Alex Bortok 探討 AI 如何改變資料中心設計。隨著生成式 AI 模型激增，兩大主要挑戰隨之浮現。首先，全球 GPU 短缺使得建立測試實驗室幾乎不可能。其次，AI 生態系統（模型、軟體、硬體）變化如此之快，沒有靜態解決方案能夠跟上。在此訪談影片中，您將了解 Keysight AI (KAI) 資料中心建構器如何模擬真實世界的 AI 工作負載，無需昂貴的 GPU 即可實現下一代資料中心網路的設計與驗證。

解決方案簡介

人工智慧／機器學習基礎架構的評估與基準測試

本解決方案簡介介紹了 Keysight AI (KAI) 資料中心建構器如何透過加速 AI/ML 網路和輸入/輸出創新週期來應對這些挑戰。這款創新軟體使用支援 100-800GE 埠的高密度流量負載設備，以模擬 AI 主機和實際的 AI/ML 流量模式。您將了解 KAI 資料中心建構器如何協助加快發布速度、降低成本、簡化設定和維護，並提高整體性能。

白皮書

AI 基礎設施：針對模型訓練進行最佳化

本白皮書討論了高效率 AI 模型訓練所需的關鍵基礎設施，強調了網路能力在處理大量資料流和最大程度地減少延遲方面的作用。它概述了模型訓練中的挑戰以及可提升效能的創新解決方案。

應用說明

AI 網路架構測試方法

在人工智慧 (AI) 系統的背景下，特別是大型語言模型 (LLM)，網路架構是指連接並實現系統內各種元件或節點之間通訊的底層基礎設施。網路架構對於促進高效且有效的 AI 系統運作至關重要，包括 LLM 訓練。

展示

第 3 課 - 測試 800G 和 1600G 以太網互連

探索 Keysight 最新的 800G 和 1600G 乙太網路測試解決方案，用於驗證資料中心內的高效能互連，包括主動式纜線和浸沒式光學收發器。

白皮書

採用 1.6T 乙太網路，建構面向未來的網路

本白皮書深入探討了在 1.6T 乙太網路背景下驗證互連性能的關鍵挑戰。它探討了資料中心日益增長的需求、現有網路架構的限制，以及確保這些高速網路可靠部署所需的新興技術和測試方法。

解決方案簡介

1600GE 互連與網路效能測試

互連和網路性能測試儀1600GE (INPT-1600GE) 是一款多功能高速乙太網路平台，提供可攜式、輕量、辦公室安靜的桌上型或機架式機箱。該平台可驗證使用212Gb/s電氣通道介面的各種乙太網路裝置和互連中，從200GE到1600GE的性能和可靠性。

應用說明

驗證 800GE 和 1.6TE 互連

彈性 800GE 和 1.6T 乙太網路資料中心互連在最大化 AI 網路效能方面扮演重要角色。儘管這些收發器承諾更高的資料傳輸率和更低的延遲，但卻會引入更高的調變格式、更敏感的元件，以及更容易受到損害的影響。為了滿足嚴苛的效能要求並確保未來的可擴充性，互連供應商必須驗證是否符合不斷演進的標準，以及與現有資料中心基礎架構的無縫互通性。本應用摘要探討快速成長的 AI/ML 資料中心市場所出現的重大商機，並解決廠商所面臨的主要挑戰，例如維持高訊號完整性、最佳化功耗，以及確保與現代網路架構的相容性。它也概述了一套全面的測試策略，包括嚴格的效能測試、互通性評估，以及遵守業界標準。這些策略對於 AI 資料中心互連的成功部署至關重要。