近日，NVIDIA将向中国市场销售H20芯片的新闻引发关注。在AI时代，GPU等算力核心器件无疑是企业创新发展的命脉所在，如果说模型是AI的大脑，那么数据中心就如同心脏一般输送着算力血液。但数据中心耗费不菲，其高效可持续发展议题吸引人们关注。6月26日，在是德科技Keysight World Tech Day 2025上，是德科技揭晓了算力中心面临的瓶颈，以及其用于大规模AI数据中心的系列解决方案。

AI大模型时代，算力中心面临挑战

是德科技大中华区高速数字市场部经理李坚介绍，早期人工智能的应用基本呈现单向性，主要聚焦于识别功能，基于的算力、参数和数据规模相对较小。如今，人工智能不仅限于简单的识别，其模式基于大模型，参数规模上升至万亿量级，算力集群也从千卡集群向万卡、十万卡集群演进。大模型需要大算力、大数据和大带宽支持，算力中心规模庞大，建设投入高达数百亿元人民币。

在这些投入中，GPU的成本无疑占据很大比重。然而，数据显示，GPU并非时刻都在“工作”，在进行模型训练时，GPU的等待时间超过了50%，真正处于工作状态的时间大概只有38%。投入几百亿元建设的数据中心，核心部件GPU利用率却不高，投资回报率显得很低。这背后的原因是网络在进行数据交换时遇到阻碍，数据没有及时给到GPU。就像早上上班路上堵车，上班就会迟到，自然也就没办法按时开始工作。

另一个值得关注的状况是数据中心中故障频发。大模型训练一次就能顺利完成任务的概率大概只有57%。这是因为在训练过程中，会出现各种各样的硬件或软件故障，尤其是硬件故障。如今速率提升得非常快，很多器件已经接近其物理极限，在高温、高速且24小时不间断的工作环境下，很多器件不堪重负甚至崩溃。网络可靠性问题频发，只要其中任何一个器件出现故障，整个系统可能都无法正常运行。

当下算力中心建设正如火如荼地推进，然而不少算力中心其实是“带病上线”，存在诸多问题。投入了巨额资金，但这些资金的投资回报率能否达到期望，还有没有优化的空间？李坚的回答是“有很多空间”。

是德科技深耕测试测量领域八十余载，一直密切关注产业发展，希望与产业界携手合作，共同提升数据中心基层硬件和软件的指标，及时察觉网络中可能潜藏的各种问题，疏通网络流量，让网络运行更加有效。

Keysight AI解决方案，助力数据中心优化

基于对算力中心挑战的认知，是德科技与众多AI产业客户开展了大量工作，逐步梳理了产品线，针对人工智能市场重新定义了产品矩阵，推出用于大规模AI数据中心的系列解决方案，统一命名为“Keysight AI”，简称“KAI”。产品矩阵分四大板块：

· KAI高速计算：涵盖算力板卡相关的所有测试手段，助力打造更稳定可靠的算力。主要包括电子设计自动化套件、误码仪、示波器和任意波形发生器。

· KAI互连：验证光学和电气通道，面向连接板块的电缆、光模块、光连接等。这些在高速率下工作的器件数量众多，必须保证质量。该板块主要包括采样示波器、光子功率计和网络测试仪。

· KAI网络：对AI网络性能进行基准测试，检测瓶颈，优化AI工作负载分配。主要包括AI工作负载仿真器、分布式网络流量生成器和网络流量仿真器。

· KAI能效：“数据中心的尽头是电站。”一个十万板卡的算力中心，其耗电量堪比甚至超过一座百万人口城市的耗电量。KAI能效解决方案助力优化数据中心组件的电源效率和能源管理。主要包括示波器、电源轨探头和电子设计自动化套件。

人工智能引发广泛关注，源于其背后的巨大机会。是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan强调，AI已从概念走向现实，大量投资涌入该领域。是德科技展现出前瞻性的战略眼光与强大的技术实力，为人工智能提供全栈、全生命周期的解决方案，为人工智能产业的蓬勃发展注入强劲动力。