尋找感興趣的產品?
亮點
Keysight AI 資料中心建構工具可以：
- 無需大型 GPU 叢集即可模擬 AI 工作負載，透過利用高密度流量負載設備或軟體端點，有效降低測試和驗證成本。
- 查看 KAI 工作負載資料庫，這是一套與領先 AI 業者與學術機構合作建立的完整 AI 工作負載執行追蹤資料。
- 利用高密度 AI 主機模擬，支持 800GE / 400GE 功能，準確反映 AI 集群行為。
- 透過 KAI Collective Benchmarks 應用程式優化基準測試，驗證 AI 網路架構效能，進而提升使用效率。
- 自動化 AI 網路架構測試，以評估網路對任務完成時間、效能隔離、負載平衡和擁塞控制的影響，從而優化 AI 訓練效能。
引領 AI 網路未來：是德科技如何賦能 Juniper 推動 AI
- 是德科技透過模擬來自大規模 AI 加速器的集體通訊工作負載，協助 Juniper 驗證下一代網路架構。
- 提供全面的測試場景，展示無損網路架構在負載平衡和擁塞緩解方面的效率和效能。
解決 AI 網路挑戰
AI / ML 產業的關鍵產業趨勢和挑戰包括：
- 預計到 2026 年，AI 叢集的節點數將突破 10 萬個。
- 在資料交換等待期間，閒置時間可高達 50%。
- AI 網路創新需要新的測量和基準工具。
- 是德科技提供了一個具有無損結構驗證記錄的 800GE / 400GE測試解決方案。與基於 GPU 的系統基準測試相比，它能更快速部署，並提供更深入的洞察，同時實現可驗證的 AI 流量模擬準確性。
加速 AI 網路設計
定義 AI / ML 基礎設施的未來。 解鎖可能，塑造未來格局。
基準測試 AI 集合通訊的作業完成時間
駕馭 AI 工作負載的複雜性。
實現網路性能測量的精確性
根據更深入的 AI 通訊洞察做出設計決策。
靈活的假設場景
透過測試 AI 流量模式優化叢集配置，從而提升 AI 集體效能。
高性價比的高密度 AI 網路測試平台
使用 AresONE-M 800GE 和 AresONE-S 400GE 的 AI 流量模擬擴展實驗規模。
將真實的 AI 工作負載帶入實驗室
KAI 工作負載模擬使 AI 基礎設施團隊無需部署大型 GPU 叢集即可重現真實的 AI 訓練行為，在保持真實性的同時降低成本。
工作負載模擬的主要優勢
- 使用 400GE / 800G AresONE 流量產生器或商用現成伺服器 (COTS) 模擬 AI 工作負載。
- 在真實環境下驗證並行策略、模型切分和資料交換模式。
- 在全面部署前，確保基礎設施與 AI 工作負載需求保持一致。
- 降低對高成本 AI 叢集在基準測試與效能測試上的依賴。
重新定義 AI 基礎設施的基準測試方式
- 透過模擬大規模 AI 工作負載，優化 AI / ML 系統設計。
- 深入洞察性能瓶頸，提升 AI 集體通訊效率。
- 透過以應用程序交付的預打包方法，簡化基準測試和驗證流程。
- 運用具備數百個 400GE / 800GE 埠的高密度 AresONE 負載設備，模擬 RoCEv2 架構下的 RDMA 通訊端點，實現高真實度的網路行為測試。
透過集體基準測試簡化 AI 基礎架構驗證
Keysight 透過提供精確、可擴展性，以及有助於優化設計與部署的深度洞察，加速 AI 基礎設施的驗證流程。KAI 資料中心建構工具透過KAI集合基準測試應用程序結合預打包測試方法和高保真儀器，簡化了性能評估，使AI運營商能夠優化基礎架構設計和網路性能。
KAI 數據中心建構工具結合 KAI Collective Benchmarks 應用程式、測試方法包與高保真測試儀器，簡化效能評估流程，協助 AI 營運人員優化基礎設施設計與網路效能。
主要功能包括：
- 透過測量任務完成時間、演算法和匯流排頻寬，以及與理論最大性能的偏差，評估集體通訊效率。
- 使用 AresONE 流量負載設備模擬 RoCEv2 端點，透過深入分析功能評估佇列對（AI 資料流）的效能表現。
- 透過將AresONE硬體測試結果與真實 AI 系統的指標進行比對，來驗證 RoCEv2 模擬的真實性。
- 透過集成 AI 集合基準測試，KAI 資料中心建構工具協助AI 營運商和基礎架構供應商深入瞭解資料傳輸效率、網路壅塞狀況與整體系統效能。
RoCEv2 端點模擬和狀態驗證
超越模擬，精準定義 RoCEv2 驗證新標準
IxNetwork 與 AresONE-S 全面支援 RoCEv2 協定
IxNetwork / AresONE-S 支援 RoCEv2 傳輸協定，並具備資料中心量化壅塞通知（DCQCN）壅塞控制與優先級流量控制（PFC）功能。它為驗證 AI 叢集中的資料平面流量管理提供了可擴展且高性價比的解決方案，優化網路架構效能。
速度與規模
AresONE-S 每台設備可提供高達 16 個 400GE 埠，並可組合為多設備配置，在單一集體中實現超過 256 個埠的擴充能力。每個埠可模擬一個 RoCEv2 端點，並支援數千個佇列對（Queue Pair），實現線速流量傳輸。這種規模對於重現真實 AI 叢集的網路拓撲至關重要。
流量靈活性
為了貼近 AI 工作負載模式的真實性，並在較小規模配置中重現潛在問題，AresONE 支援多種流量模式的 RoCEv2 功能，涵蓋匯聚 (in-cast)、部分網狀 (partial mesh) 以及全面 all-to-all 集體通訊。 在傳輸層，它支援可配置資料大小、突發速率和間隔的 RDMA 動作序列，並結合了 DCQCN 和 PFC 的速率控制機制。
佇列對 (Queue Pair) 級別的 DCQCN 流控制機制
每個佇列對的 DCQCN 支援精準的網路壅塞控制，結合顯式壅塞通知（ECN）與速率控制等功能，優化資料流與網路架構的回應能力。
訪問 GitHub 專案庫 以獲取 AI / ML 測試方法。
AI 測試硬體
Keysight 的資料中心負載模組提供高密度和高性能的乙太網 IP 測試解決方案，支援業界首款涵蓋 1G、10G、25G、40G、50G、100G、400G 與 800G 速率的產品。
推薦資源
需要幫助或有疑問嗎？