FXCG集团移动版

　　点评：目前在光电测试领域ocs网上自助下单环球AI芯片商场正正在急迅增进。行业数据显示，2023年环球AI芯片行业商场范畴已到达564亿美元，2024年预估902亿美元，改日五年复合增速将到达24.55%。

　　正在范畴化的算力演进流程中，高密度更始也带来了苛格的技能挑衅：比如5nm以下制程芯片的引脚密度、信号完美性恳求，比守旧工艺提拔了10倍以上。别的，光电统一的新趋向、超高速的传输接口、越来越非常的能效挑衅等等……都使得芯片测试步入空前未有的深水区。而这些尖端技能瓶颈的打破，都依赖于一个容易被轻视的环节合头——测试衡量编制的革命性升级。

　　AI打算平台通过异构集成CPU统制单位、GPU/NPU加快器及DPU数据治理器等，构修起义务优化的协同架构，这就对芯片测试提出了更大挑衅，比如需求思索差别类型的治理单位怎样协同管事，众个巨细核的CPU架构正在数据交互与编制调试方面都更为庞杂。别的，看待每种CPU类型，都需求实行苛峻的样板测试以确保其服从安排恳求准确运转。是以需求助助开采者更早发掘谬误，告竣更疾的笼罩率收敛，提拔芯片验证的功效等等。

　　其次，庞杂的芯片内部拓扑机合也是一项紧要挑衅。跟着芯片对高速接口和高含糊量需求的连接提拔，安排者需求构修高效的数据传输和通讯搜集。比如搜集芯片（NoC）架构，因为它不妨支柱高速且机动的通讯搜集，并团结众个治理和存储单位，因此不只需求思索每个单位的独立本能，更要归纳考量它们之间的通讯与协同管事方法。

　　同时，Chiplet封装则恳求确保芯片之间可能告竣高速的互联、广宽的带宽、低能耗、低延迟，同时还要保留传输的高牢靠性、壮健的途由效用以及联合的内存治理才华等环节目标。

　　要支持起AI芯片革命的连接更始，测试衡量财富必需正在四个维度倡始技能攻坚：超高速接口、异构编制集成庞杂度、光电统一、以及面向AI打算集群的编制级测试。

　　为餍足AI算力需求，超高速接口成为标配。测试衡量怎样处理由此激励的信号完美性、时序容差等测试困难？

　　是德科技商场部行业司理阳任平显示，AI芯片的片间互联，大凡采用PCIe 6.0（64 GT/s PAM4）以及CXL 3.0（128 GT/s）等接口技能，同时引入庞杂平衡算法（如 DFE、CTLE）。正在测试误码率时，守旧误码率测试仪（BERT）难以笼罩全链途仿真，需求更高效的测试仪器，提拔测试功效，缩短芯局部世周期。

　　据是德科技高速数字与光通讯商场部司理郭琳先容，是德科技的PCIe/CXL测试计划紧要网罗infiniium UXR系列示波器及M8050系列误码仪，低噪声技能不妨急迅、精准地捕获衡量数据，众种颤栗、串扰和噪声阐发套件可能助助用户尽早查障，通过注意的比特误码率阐发和领受机的平衡优化，可助助用户尽最大或许巩固信号完美性。

　　正在某厂商的7nm AI芯片测试案例中，起初需求实行高速信号颤栗阐发，PCIe 5.0速度达32 GT/s，需精准衡量眼图、上升时分与颤栗(RJ/DJ)；其次是众通道时序同步，AI芯片内部众个打算单位并行运转，需验证纳秒级信号同步谬误；第三是动态电源噪声压迫，正在DVFS形式下，电源轨瞬态噪声或许影响芯片安宁性。怎样应对这些高速数据传输与能效优化方面的需求？

　　泰克的DPO70000SX系列（70GHz带宽/200GS/s采样率）告竣了PCIe 5.0接口的高折柳率眼图阐发与颤栗解析；MSO6B系列(8通道，10 GHz带宽)告终了AI芯片16通道并行总线的同步精度验证（偏差＜10ps）；5系列B示波器连系TPR1000探头，精准量化DVFS形式下1.2V电源轨的瞬态噪声（20mVpp）。

　　点评：通过对是德和泰克的调研和阐发可能看出，AI芯片测试正资历从简单信号验证到众域协同阐发的范式转换。行业痛点紧要存正在于简单BERT无法餍足AI芯片全链途验证的需求、硬件加快与软件算法的协同需求、以及底层硬件的深度改进需求。改日需求更进一步应对CXL众链途拓扑、DVFS与打算负载的动态相干阐发等等，而这需求更进一步提拔通道密度扩展、及时功耗修模等才华。

　　AI芯片架构的高度定制化，使其采用的高速总线圭臬闪现众样化，如UEC、PCIe、以太网等，这对测试开发适配才华提出了极高恳求。

　　阳任平显示，是德科技紧要从硬件安排、软件器械及验证设施等众维度实行组织。硬件层采用自研芯片与模块化平台（如AresONE 800GE连系M8040A误码仪及UXR示波器或DCA-M采样示波器），告竣对PCIe 6.0的64GT/s PAM4信号的天生-领受-阐发全链途验证；软件层依托深度出席行业协会（PCI-SIG/UCIe/UEC定约等），开采联合测试平台告竣圭臬前置适配；设施层通过更始性地统一数字孪生与硬件正在环（HIL）技能——前者构修总线虚拟原型（如PCIe 6.0 GPU信号传输仿真），提前发掘信号搅扰、宣泄时序冲突等题目；后者通过SystemVue天生UEC订定流，正在及时仿真情况中验证芯片数据呼应才华，最终变成安排-仿真-测试闭环验证编制。

　　应对AI芯片的定制化趋向，“硬件+软件+计划”的计谋必弗成少。据郭琳分享，是德科技于本年2月份推出的LPDDR6完美管事流程处理计划就涵盖发射机和领受机测试操纵软件，以及ADS（先辈安排编制）Memory Designer 管事流程处理计划。通过将LPDDR6 测试处理计划与 Keysight EDA安排软件以及Keysight Memory Designer搭配运用，不妨加疾从仿真到验证和测试的全盘安排进度。

　　点评：AI芯片架构的高度定制化，不只展现为高速总线圭臬的众样化（UEC/PCIe/以太网等），更深层的是打算资源改变范式的根底性改造——CPU、GPU、DPU等异构单位间的数据转移，这需求避免时序谬误和资源争用带来的信号毁伤，测试开发需求打破守旧订定阐发框架，向众维资源协同验证进化。同时，测试处理计划与EDA器械链的深度耦合，也记号着测试驱动安排优化的形式成熟，为AI芯片超过算力密度与编制牢靠性带来助益。

　　AI光电芯片被以为是打破守旧打算瓶颈、促使智能化升级的一项紧要技能，应对光电统一，测试衡量技能也需求实行前瞻组织。

　　阳任平显示，是德科技正在测试衡量技能上的前瞻组织聚焦超高速光信号捉拿、光/电夹杂测试等宗旨。此中，超高速光信号捉拿方面，新一代DCA-M 采样示波器（N1093B），支柱 224G 带宽，可用来测试1.6T光模块的PAM4信号眼图，笔直精度达1mV，颤栗衡量折柳率 50 fs RMS，餍足 CEI-LINEAR 样板对EECQ测试的需求AI编制级测试。

　　针对CPO（共封装光学）等新兴架构，电-光-电（E-O-E）测试计划斗劲合用，比如通过 M8199B 放肆波形爆发器天生电信号驱动光模块，再用DCA-M示波器阐发光电转换后的信号，告竣从芯片电接口到光链途的全链途验证。

　　此外正在晶圆层级，针对硅光芯片测试衡量技能的瓶颈题目，邦度音信光电子更始中央与姑苏伊欧陆公司，日前研发出邦内首套商用级的8-12英寸硅光晶圆测试筛选编制。该编制以微电子晶圆台和缜密定位组件为根源，构修了一个高效且兼容性强的光电夹杂测试平台，不妨餍足目前整个已知硅光子单位器件的测试需求。

　　点评：目前正在光电测试范围，犹如是德如许的邦际头部企业，一经直指1.6T光互联时间的焦点需求实行物理极限的连接打破。与此同时，中邦团队正在晶圆级测试的打破，正正在通过缜密机电编制集成与平台兼容性安排，正在硅光晶圆测试范围告竣技能突围。

　　跟着万卡级AI操练集群的普及，800G/1.6T超高速搜集成为算力扩张的环节。然而切实AI负载的突发流量震荡性（如短时带宽激增300%）正激励苛格挑衅：好比本能塌陷危急（LLM操练中丢包，导致算力诈骗率骤降），以及延迟敏锐瓶颈（比如通讯延迟偏差）。

　　怎样应对这些挑衅？是德科技NAS部分资深区域司理王钦洲显示，是德科技和行业头部客户互助开采了KCCB、Keysight Collective Communication Benchmark以及Workload Emulation计划，不妨仿真突发流量等AI切实负载作为，协助客户保证AI操练集群所需求的搜集质地。通过硬件与软件双重计划，除了不妨供应RDMA message摆设，针对搜集中的各样ECN、PFC以及CNP等紧要堵塞目标的天生及统计，以及DCQCN降速演算法，都可能用来验证AI数据中央需要的高本能搜集技能。别的尚有INPT(Interconnect and Network Performance Tester)测试仪外，不光可行动BERT测试误码率、测试以太网帧谬误修正才华，还能供应眼图、RoCEv2以及AI负载仿真等才华。

　　思博伦通讯云和IP行状部产物管制副总裁Aniket Khosla指出，要餍足急速增进的需求,就需求连接更新以太网的骨干网,用双倍以至四倍的速率和容量来替代上一版的技能。其A1 400G开发不妨供应高端口密度，仿深切实天下的流量负载，对采用高速以太网技能的各种根源步骤和效劳加以验证。它一方面可能助助运营商和超大范畴数据中央确保不妨支柱大范畴增进，另一方面可能有用统制本钱。思博伦的A1测试平台可能对超大范畴、下一代众TB级云数据中央架构践诺大容量测试,驱除骨干网中影响环节固定和转移效劳的本能恶化。

　　从众家头部厂商的技能趋向来看，AI的引入搜集技能范围的紧要宗旨。R&S子公司ipoque本年发布的AI驱动的ETI探测器，就运用了机械练习来对加密和恍惚流量实行分类,网罗TLS 1.3、QUIC和ESNI等。该处理计划使运营商不妨进举措态搜集塑制，告竣近零延迟事宜检测、优化带宽分派等。

　　Cisco的搜集云视平台也正在夸大AI驱动。通过运用阐发及时流量和事宜数据的AI动力阐发器，支柱角落感知安顿、流线遥测、与SIEM/Splunk生态编制的统一，告竣更为智能、安宁的搜集。

　　点评：负载-拓扑失配已代替简单的带宽亏损题目，成为万卡集群的第一大搜集瓶颈。守旧“滑润流量”测试模子无法映照LLM操练中毫秒级的突发。搜集测试的谜底正正在从“测带宽”转向“复现混沌”，把题目左移到芯片/调换机选型阶段。 别的，测试器械自己也正在AI化，非论是上面提到的无监视练习对加密流量做及时聚类、仍然加强练习动态调度遥测采样率，AI将给测试计划自己带来彻底改造。