成功案例
Dell Technologies、Siemon 和 Keysight 展示了 AI 網路架構如何在同步工作負載下實現確定性、無損的效能。他們共同展示了基於 SONiC 的交換、高速連接和真實流量模擬對於將 AI 基礎設施擴展到 1.6T 及更高頻寬的關鍵性。
大規模驗證 AI 資料中心網路架構
案例研究重點：Dell Technologies - 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
Dell Technologies、Siemon 和 Keysight 代表了 AI 資料中心基礎設施的三個關鍵層面：交換架構、實體連接和效能驗證。Dell 提供針對 AI 網路架構最佳化的高密度交換平台和基於 SONiC 的網路作業系統。Siemon 提供高速銅纜、光纖互連和結構化佈線系統。Keysight 透過先進的流量模擬和基準測試實現系統級驗證。
人工智慧網路的擴展
擴展 AI 網路會為整個網路架構帶來顯著的複雜性。大規模的東西向流量、同步的 GPU 工作負載以及諸如 All-Reduce 等延遲敏感型操作，都需要確定性效能且零封包遺失。諸如具狀態 RoCEv2 等技術依賴於精確的壅塞控制和無損行為。若未在實際負載條件下對交換、光學元件和佈線進行部署前驗證，營運商將面臨大規模部署時的壅塞、低效的 GPU 利用率和不可預測的網路架構行為等風險。
端到端網路架構驗證
Dell、Siemon 和 Keysight 使用 Keysight AI 資料中心建構器，建立並驗證了一個整合交換、連接和工作負載模擬的端對端 AI 網路架構。配備 Enterprise SONiC 的 Dell PowerSwitches 支援 AI 感知功能，例如自適應路由、增強型雜湊和壅塞管理，而 Siemon 則提供了無損傳輸所需的高效能銅纜和光纖基礎設施。Keysight 透過 AresONE 網路流量產生器，模擬了多 GPU 環境和具狀態 RoCEv2 上的集體操作，從而在部署前實現了全面的系統基準測試、壅塞分析和精確調校。
支援 AI 的效能
經驗證的 AI 就緒網路架構在實際 AI 工作負載下提供了穩定、確定性的效能。即使在壅塞情況下，該網路架構也能使用具狀態 RoCEv2 流量維持效能。在軌道拓撲中，完成時間保持在微秒級。總體而言，此次展示證實了整合式交換、連接和基準測試可以降低部署風險、提高 GPU 利用率，並為下一代 AI 網路架構擴展到 1.6T 及更高頻寬做好準備。
探索相關資源
白皮書
大規模 AI 網路設計與驗證的 7 大經驗
探索設計、連接和驗證 AI 網路架構的關鍵考量 — 從流量行為和拓撲選擇，到佈線、光學元件、負載平衡，以及 800G、1.6T 及更高頻寬下的全系統模擬。
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。