解决 AI 网络挑战

AI/ML 行业的关键行业趋势和挑战包括：

• 预计到2026年，AI集群的节点数量将突破10万个。
• 有多达50%的时间闲置，等待数据交换。在数据交换等待期间，空闲时间可高达50%。
• AI 网络创新需要新的测量和基准工具。
• 是德科技提供了一个具有无损结构验证记录的800GE/400GE测试解决方案。与基于GPU的系统基准测试相比，它部署更快速，提供更深入的洞察，同时实现可验证的AI流量仿真准确性。

加速 AI 网络设计

定义AI/ML基础设施的未来。解锁可能，塑造未来格局。

基准测试AI集合通信的任务完成时间
驾驭AI工作负载的复杂性。

实现网络性能测量的精确性
根据更深入的AI通信洞察做出设计决策。

灵活的假设场景
通过测试AI流量模式优化结构配置，从而提升AI集体性能。

高性价比的高密度AI网络测试平台
使用AresONE-M 800GE和AresONE-S 400GE的AI流量仿真扩展实验规模。

将真实的 AI 工作负载带入实验室

KAI 工作负载仿真使AI基础设施团队无需部署大型GPU集群即可重现真实的AI训练行为，在保持真实性的同时降低成本。

工作负载仿真的主要优势

• 使用400GE/800G AresONE流量发生或商用现成服务器 (COTS) 仿真AI工作负载。
• 在真实环境下验证并行策略、模型分区和数据交换模式。
• 在全面部署前，确保基础设施与AI工作负载需求保持一致。
• 降低对高成本AI集群在基准测试与性能测试上的依赖。

重新定义 AI 基础设施的基准测试方式

Keysight通过精确和快速的方式帮助改变AI基础设施基准测试：

• 通过仿真大规模AI工作负载，优化AI/ML系统设计。
• 深入洞察集体通信性能，助力系统优化与设计决策。
• 通过以应用程序交付的预打包方法，简化基准测试与验证流程。
• 使用高密度AresONE流量负载设备，通过数百个400GE或800GE端口，模拟基于融合以太网v2（RoCEv2）的远程直接内存访问（RDMA）端点。

通过集体基准测试简化 AI 基础设施验证

       Keysight通过提供精确、可扩展性，以及有助于优化设计与部署的深度洞察，加速AI基础架构验证。KAI数据中心构建器结合KAI Collective Benchmarks 应用程序、测试工具包和高保真测试仪器，简化性能评估流程，使AI运维人员能够优化基础设施设计与网络性能。

主要功能包括：

• 通过测量任务完成时间、算法和总线带宽，以及与理论最大性能的偏差，评估集合通信效率。
• 使用AresONE流量负载设备模拟RoCEv2端点，通过深入分析功能评估队列对（AI 数据流）的性能表现。
• 通过将AresONE硬件测试结果与真实AI系统的指标进行对比，来验证RoCEv2仿真的真实性。
• 通过集成AI集合基准测试，KAI数据中心构建器帮助AI运营商和基础架构供应商深入洞察数据传输效率、网络拥塞情况及整体系统性能。

RoCEv2 端点仿真和状态验证

超越仿真，精准定义RoCEv2验证新标准

IxNetwork 和 AresONE-S 全面支持 RoCEv2 协议
       IxNetwork/AresONE-S支持RoCEv2传输协议，并具备数据中心量化拥塞通知（DCQCN）拥塞控制与优先级流控（PFC）功能。它为验证AI集群中的数据平面流量管理提供了可扩展且高性价比的解决方案，优化网络结构性能。

速度与规模
       AresONE-S每台设备提供高达16个400GE端口，并可组合为多设备配置，在单一集群中实现超过256个端口的扩展能力，每个端口可模拟一个RoCEv2端点，并支持数千个队列对（Queue Pair），实现线速流量传输。 这种规模对于重现真实AI集群的网络拓扑至关重要。

流量灵活性
       为了贴近AI工作负载模式的真实性，并在较小规模环境中重现潜在问题，AresONE提供涵盖多种流量模式的RoCEv2功能，包括汇聚 (in-cast)、部分网状(partial mesh)以及全域 all-to-all 集体通信。
在传输层，它支持可配置数据大小、突发速率和间隔的RDMA动作序列，并结合了DCQCN和PFC的速率控制机制。

队列对 (Queue Pair ) 级别的 DCQCN 流控机制
       每个队列对的DCQCN支持精确的网络拥塞控制，结合显式拥塞通知（ECN）与速率控制等功能，优化数据流与网络结构的响应能力。