成功案例
戴爾科技、Siemon 和是德科技共同展示了人工智慧網路架構如何在同步工作負載下實現確定性且無損的效能。三方合作闡明，基於 SONiC 的交換技術、高速連線能力以及真實流量模擬，對於將人工智慧基礎架構擴展至 1.6T 及更高容量至關重要。
大規模驗證人工智慧資料中心網路架構
案例研究重點：戴爾科技 - Siemon
上一個
- 關於他們
- 挑戰
- 解決方案
- 成果
人工智慧基礎設施的領導者
戴爾科技、Siemon 和是德科技分別代表人工智慧資料中心基礎架構的三大核心層面：交換架構、實體連線以及效能驗證。戴爾提供高密度交換平台，以及針對人工智慧網格進行優化的基於 SONiC 的網路作業系統。Siemon 則提供高速銅纜、光纖互連及結構化佈線系統。是德科技則透過先進的流量模擬與基準測試，實現系統層級的驗證。
人工智慧網路的擴展
擴展 AI 網路會在整個網路架構中引入顯著的複雜性。龐大的東西向流量、同步的 GPU 工作負載，以及 All-Reduce 等對延遲敏感的操作，都需要具備零封包遺失的確定性效能。 諸如具狀態的 RoCEv2 等技術，仰賴精確的擁塞控制與零封包遺失的運作行為。若未在實際負載條件下對交換機、光模組及佈線進行部署前驗證，營運商將面臨大規模運作時發生擁塞、GPU 利用率低下，以及網格行為難以預測的風險。
端到端網路架構驗證
戴爾、Siemon 和是德科技利用是德科技 AI 資料中心建構器，建置並驗證了一套整合交換、連線與工作負載模擬功能的端到端 AI 架構。 配備 Enterprise SONiC 的 Dell PowerSwitches 啟用了諸如自適應路由、增強型雜湊及擁塞管理等 AI 感知功能，而 Siemon 則提供了無損傳輸所需的高效能銅纜與光纖基礎架構。在 AresONE 網路流量產生器的驅動下，Keysight 模擬了多 GPU 環境，並透過具狀態的 RoCEv2 進行集體運算，從而實現了部署前的全系統基準測試、擁塞分析及精確調校。
支援 AI 的效能
經過驗證的 AI 就緒網路架構在實際的 AI 工作負載下，展現了穩定且可預測的效能。透過採用具狀態的 RoCEv2 流量，該架構即使在擁塞情況下仍能維持效能。在整個匯流排拓撲中，任務完成時間始終維持在微秒級。這項演示總體證實，整合交換、連通性與效能測試，不僅能降低部署風險、提升 GPU 利用率，更能為下一代 AI 架構做好準備，使其能擴展至 1.6T 及更高規模。
探索相關資源
白皮書
大規模設計與驗證人工智慧網路的 7 大要點
深入探討設計、連接及驗證 AI 網路架構的關鍵考量因素——從流量行為與拓撲選擇，到佈線、光學元件、負載平衡，以及在 800G、1.6T 及更高速率下的全系統模擬。
白皮書
擴展 AI 資料中心以實現實際效能
關於 AI 基礎設施規模下的模擬、驗證和叢集行為的技術見解。
報告
AI 叢集網路瓶頸、規模和未來發展
基於調查的見解，內容涵蓋 AI 資料中心的基礎設施投資、模擬差距、互連採用和最佳化優先順序。
×
請銷售人員與我聯絡。
*表示必填欄位
感謝您！
業務代表將很快與您聯絡。