是德科技推出AI數(shù)據(jù)中心構(gòu)建器以驗證和優(yōu)化網(wǎng)絡架構(gòu)和主機設計

●   通過模擬真實工作負載驗證AI基礎設施的性能

●   通過評估新算法、組件或協(xié)議提高AI訓練的性能

●   在不投資昂貴的大規(guī)模部署的情況下，調(diào)整和優(yōu)化AI工作負載和系統(tǒng)基礎設施的參數(shù)

Keysight AI (KAI)數(shù)據(jù)中心構(gòu)建器是一款先進的軟件套件，通過模擬真實工作負載來評估新算法、組件和協(xié)議對AI訓練性能的影響

是德科技近日推出Keysight AI (KAI)數(shù)據(jù)中心構(gòu)建器，這是一款先進的軟件套件，通過模擬真實工作負載來評估新算法、組件和協(xié)議對AI訓練性能的影響。KAI數(shù)據(jù)中心構(gòu)建器的工作負載模擬功能將大型語言模型（LLM）和其他人工智能（AI）模型訓練工作負載集成到AI基礎設施組件的設計和驗證中——包括網(wǎng)絡、主機和加速器。該解決方案實現(xiàn)了硬件設計、協(xié)議、架構(gòu)和AI訓練算法之間的更緊密協(xié)同，提升系統(tǒng)性能。

AI服務提供商使用各種并行處理策略（也稱為數(shù)據(jù)或模型并行）來加速AI模型訓練。將模型并行與AI集群拓撲和配置對齊可以提高訓練性能。在AI集群設計階段，關鍵問題最好通過實驗來回答。許多問題集中在圖形處理單元（GPU）之間的數(shù)據(jù)傳輸效率上。關鍵考慮因素包括：

●   AI主機或機架內(nèi)GPU互連的scale up設計

●   Scale out網(wǎng)絡設計，包括每個GPU的帶寬和拓撲

●   網(wǎng)絡負載均衡和擁塞控制的配置

●   訓練框架參數(shù)的調(diào)整

KAI數(shù)據(jù)中心構(gòu)建器的工作負載模擬解決方案再現(xiàn)了真實AI訓練任務的網(wǎng)絡通信模式，加速實驗，降低達到熟練程度所需的學習曲線，并更深入洞察性能下降的原因，這些是通過真實AI訓練任務實驗難以獲得的。是德科技客戶可以訪問包括GPT和Llama在內(nèi)的LLM工作負載庫，以及數(shù)據(jù)并行（DP）、全分片數(shù)據(jù)并行（FSDP）和三維（3D）并行等流行的模型分區(qū)方案。

使用KAI數(shù)據(jù)中心構(gòu)建器中的工作負載模擬應用程序，AI服務提供商可以：

●   實驗并行參數(shù)，包括并行數(shù)據(jù)大小及其在可用AI基礎設施上的分布（調(diào)度）

●   了解并行內(nèi)和并行間通信對整體任務完成時間（JCT）的影響

●   識別低性能的集合通信操作并深入識別瓶頸

●   分析網(wǎng)絡利用率、尾部延遲和擁塞，了解它們對JCT的影響

KAI數(shù)據(jù)中心構(gòu)建器的新工作負載模擬功能使AI服務提供商、GPU云提供商和基礎設施供應商能夠?qū)⒄鎸嵉腁I工作負載引入其實驗室環(huán)境，以驗證AI集群和新組件的不斷演變的設計。他們還可以通過實驗微調(diào)模型并行方案、參數(shù)和算法，以優(yōu)化基礎設施并提高AI工作負載性能。

是德科技網(wǎng)絡測試與安全解決方案副總裁兼總經(jīng)理Ram Periakaruppan表示：“隨著AI基礎設施規(guī)模和復雜性的增長，對全棧驗證和優(yōu)化的需求變得至關重要。為了避免昂貴的延誤和返工，必須將驗證轉(zhuǎn)移到設計和制造周期的早期階段。KAI數(shù)據(jù)中心構(gòu)建器的工作負載模擬為AI組件和系統(tǒng)設計提供了非常高的真實性，優(yōu)化工作負載以實現(xiàn)最佳性能?！?/p>

KAI數(shù)據(jù)中心構(gòu)建器是是德科技人工智能（KAI）架構(gòu)的基礎，這是一系列端到端解決方案，旨在通過使用真實AI工作負載模擬驗證AI集群組件，幫助客戶在數(shù)據(jù)中心擴展人工智能（AI）處理能力。

是德科技在2025年4月1日至3日于舊金山Moscone中心舉行的OFC 2025會議上展示KAI數(shù)據(jù)中心構(gòu)建器及其工作負載模擬功能，展位號1301。