1,6T-Ethernet-Plattform zur Validierung von KI-Netzwerken

Keysight Technologies hat eine Emulationsplattform für 1,6-Terabit-Ethernet vorgestellt, die für die Validierung hochleistungsfähiger KI-Fabrics in Hyperscale-Rechenzentren entwickelt wurde. Das System ermöglicht es Herstellern von Netzwerkgeräten, Halbleiterunternehmen sowie Betreibern von KI-Infrastrukturen, große KI-Cluster zu emulieren und das Netzwerkverhalten unter realistischen KI-Workloads zu testen.

Skalierung von Netzwerkinfrastrukturen für KI-Workloads
Das schnelle Wachstum von Trainings- und Inferenz-Workloads im Bereich der künstlichen Intelligenz führt zu einem Wandel hin zu Netzwerkarchitekturen mit höherer Bandbreite in Rechenzentren. KI-Cluster benötigen leistungsfähige Interconnects, um die Kommunikation zwischen GPUs, Beschleunigern und Speichersystemen zu ermöglichen, wodurch sowohl Scale-up- als auch Scale-out-Netzwerktopologien stärker belastet werden.

Um diesen Anforderungen gerecht zu werden, stellt die Branche auf Ethernet-Verbindungen mit 800 Gigabit und 1,6 Terabit Bandbreite um. Diese Links basieren auf 224-Gigabit-SerDes-Lanes, die höhere Portdichten und eine größere Switch-Radix ermöglichen. Fan-out-Konfigurationen von 800GE- und 1600GE-Ports reduzieren die Anzahl der Switching-Ebenen in großen KI-Clustern, wodurch die Netzwerkeffizienz steigt und Latenzen reduziert werden.

Die Validierung von Netzwerken mit diesen Geschwindigkeiten stellt jedoch neue Herausforderungen dar. Ingenieure müssen die Signalintegrität über 224G-Lanes sicherstellen, Überlastverhalten durch Mikrobursts analysieren und Kommunikationsmuster reproduzieren, die bei verteiltem KI-Training auftreten. Ohne realistische Testumgebungen können diese Faktoren zu Leistungsengpässen nach der Inbetriebnahme führen.

Emulation von KI-Workloads im Rechenzentrumsmaßstab
Die von Keysight vorgestellte Plattform kombiniert eine 1,6-Terabit-Ethernet-Architektur mit einer Workload-Emulationssoftware für KI-Rechenzentren. Das System verbindet Hardware-Traffic-Generierung mit der Software Keysight AI Data Center Builder, um typische Datenverkehrsmuster großer KI-Cluster zu reproduzieren.

Mit dieser Software lassen sich vollständige RoCEv2-Verbindungen (RDMA over Converged Ethernet) sowie verschiedene kollektive Kommunikationsoperationen emulieren, wie sie in verteilten Trainingsframeworks auftreten. Dazu gehören Datenverkehrsmuster synchronisierter GPU-Cluster, die häufig sehr burstartige Lastspitzen im Netzwerk erzeugen.

Durch die Reproduktion dieser Bedingungen in einer kontrollierten Umgebung können Ingenieure zentrale Leistungskennzahlen von KI-Fabrics unter produktionsnahen Bedingungen messen. Integrierte Datenerfassung und Analyse bieten Einblicke in Paketverhalten, Überlastungsmechanismen und Durchsatzschwankungen, wodurch sich die Leistung von KI-Netzwerken vor der Bereitstellung optimieren lässt.

Hochdichte 1,6T-Hardwarearchitektur
Die Plattform basiert auf einem Rack-Mount-System mit vier OSFP-1600-Ports, die mehrere Fan-out-Konfigurationen unterstützen. Jeder Port kann betrieben werden als:

Alle Konfigurationen nutzen 224G-SerDes-Lanes, wodurch große Mengen hochgeschwindigkeitsfähigen Datenverkehrs innerhalb eines einzelnen Systems getestet werden können. Diese Architektur ermöglicht flexible Verbindungen zur Validierung von Switches, optischen Modulen und Hochleistungsnetzwerken in KI-Infrastrukturen.

Die Plattform integriert außerdem Layer-2- und Layer-3-Protokollemulation über die Softwareumgebung IxNetwork von Keysight. Dadurch können großskalige Routing- und Switching-Szenarien simuliert werden, während gleichzeitig Datenverkehr mit Lane-Geschwindigkeit erzeugt wird.

End-to-End-Validierung über mehrere Netzwerkschichten
Ein zentraler Aspekt der Validierung von KI-Fabrics ist die gleichzeitige Prüfung mehrerer Ebenen des Netzwerkstacks. Die Plattform unterstützt Tests von der physikalischen Übertragungsschicht bis hin zu Daten- und Steuerungsebenen, die von KI-Workloads genutzt werden.

Zu den Testfunktionen gehören die Validierung optischer und elektrischer Verbindungen, die Analyse von Forward Error Correction (FEC) sowie die Überprüfung physikalischer Codierungsverfahren. Auf höheren Ebenen analysiert das System Ethernet-Datenverkehr, Protokollinteraktionen und Leistungskennzahlen auf Anwendungsebene.

Dieser Ansatz ermöglicht es Ingenieuren zu bewerten, wie sich Netzwerkbedingungen auf die Leistung von KI-Trainingsprozessen auswirken. Dabei können unter anderem Aufgabenausführungszeiten, Überlastkontrolle, Lastverteilung und Leistungsisolierung zwischen verschiedenen Workloads gemessen werden.

Testinfrastruktur für Entwicklung und Betrieb von Rechenzentren
Die Plattform ist für den Einsatz während des gesamten Entwicklungszyklus von KI-Infrastrukturen ausgelegt. Hochleistungsfähige Rechenressourcen und großer Speicher ermöglichen automatisierte und reproduzierbare Testabläufe sowohl im Labor als auch in produktionsnahen Rechenzentrumsumgebungen.

Solche Systeme gewinnen an Bedeutung, da sich KI-Netzwerktechnologien schnell weiterentwickeln. Laut einer Marktanalyse der 650 Group wird der globale Markt für KI-Netzwerke – einschließlich Scale-up-, Scale-out- und Front-End-Infrastruktur – bis 2030 ein Volumen von nahezu 200 Milliarden US-Dollar erreichen, getrieben durch die Einführung von 800G- und 1,6T-Ethernet-Technologien.

Durch die realistische Simulation von KI-Workloads und eine mehrschichtige Netzwerkvalidierung soll die Plattform Risiken bei der Einführung neuer KI-Netzwerktechnologien reduzieren und Entwicklungszyklen für Hyperscale-Infrastrukturen beschleunigen.

Edited by industrial journalist Sucithr Mani with AI assistance.

www.keysight.com