シノプシス
Ansys

ラックからのアプローチによるAIファクトリーの設計


Neeraj PaliwalがEETimesのホストであるEric Singer氏を迎え、なぜデータセンターではなくラックがAIコンピュートの基本単位となったのか、そしてそのシフトがその根底にあるシリコンやインターコネクトIPに何を求めているのかについて解説します。

ゲスト:Neeraj Paliwal(シノプシス シリコンIP製品管理担当シニア・バイスプレジデント)

ホスト:Eric Singer(EETimes)

AIのスケーリングはデータの移動から始まる


より高速なチップ単体では、次世代AIインフラストラクチャの可能性を解き放つことはできません。Power Cornerのインタビューにおいて、シノプシスのNeeraj Paliwalが、パッケージ内の接続からデータセンター全体のネットワークに至るまで、インターコネクト、共同パッケージ・オプティクス、およびエネルギー効率の高いデータ転送がどのようにAIデータセンターの設計を形作っているのかを探ります。

シリーズを読む:AIファクトリーのアーキテクチャ構築

コンピュートから接続性に至るまで、より高速で効率的なAIシステムの背後にある設計上の決定に関する4部構成のエグゼクティブ・ブログ・シリーズです。


パート1

コンピュートの新単位となるラック

設計の焦点がサーバーからラックへと移行した理由。

読む
パート2

ラック・スケールでのAIシステムの設計

液浸冷却や800V電源からマルチダイ・シリコン、シミュレーションに至るまで、AIファクトリーのラックを単一のシステムとして設計しなければならない理由をご覧ください。

読む
SNPS-396002
パート3

データ移動の実現こそがコンピュートのスケーリングを可能にする

帯域幅、レイテンシ、1ビットあたりのエネルギー、インターフェイスIP、および光接続が、AIファクトリーの実効パフォーマンスをどのように決定づけるのかをご覧ください。

読む
SNPS-396002
パート 4

次世代AIスタックがもたらす可能性

3D積層とラックレベルの協調設計がAIをどのように実現するのかをご覧ください。

読む

IPを探索する

トランジスタからパッケージ、クラスターに至るまで、ラックレベルAIを支える基盤。

Ask BETA This experience is in beta mode. Please double check responses for accuracy.

チャットを終了する

このウィンドウを閉じると、チャット履歴が消去され、セッションが終了します。本当に このチャットを終了してもよろしいですか?