新思科技
Ansys

从机架层级构建 AI 工厂


Neeraj Paliwal 做客 EETimes 主持人 Eric Singer 的访谈节目,阐述了为什么机架(而非数据中心)已成为 AI 计算的基本单元,以及这一转变对底层的硅片和互连 IP 提出了哪些要求。

嘉宾:Neeraj Paliwal,Synopsys Silicon IP 产品管理高级副总裁

主持人:Eric Singer,EETimes

AI 的扩展始于数据的传输


仅靠更快的芯片无法解锁下一代 AI 基础设施。在这场“高管洞察”(Power Corner)访谈中,Synopsys 的 Neeraj Paliwal 探讨了从封装内部连接到跨数据中心网络,互连、共封装光学器件以及高能效数据传输如何塑造 AI 数据中心的设计。

阅读系列文章:架构设计 AI 工厂

由四部分组成的高管博客系列,聚焦从计算到互连等更快、更高效 AI 系统背后的设计决策。


第一部分

机架成为新的计算单元

为什么设计重心从服务器转移到了机架。

阅读
第二部分

在机架级别设计 AI 系统

了解为什么 AI 工厂机架必须作为一个系统进行整体设计,涵盖从液冷、800 伏供电到多裸芯硅片和仿真。

阅读
SNPS-396002
第三部分

唯有数据流动,计算才能扩展

探索带宽、延迟、每比特能耗、接口 IP 和光连接如何决定可用的 AI 工厂性能。

阅读
SNPS-396002
第 4 部分

下一代 AI 技术栈开创无限可能

了解 3D 堆叠和机架级协同设计如何赋能 AI。

阅读

探索 IP

从晶体管、封装到集群,构筑机架级 AI 的底层模块。

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

结束聊天

关闭此窗口将清除您的聊天记录并结束本次会话。您是否确定要结束本次聊天?