DesignCon是由 IEEE(电气和电子工程师协会)和其下属的信号处理协会(SPS)共同主办的年度会议和展览,被认为是该领域的顶级技术盛会之一。这个盛会不仅是行业趋势的风向标,更是推动整个电子设计自动化和硬件系统不断向前发展的关键力量。锐捷网络参与发表了800G LPO系统与224G PCB技术相关论文,成为DesignCon 2024展会全场热点。

2024年初始,DesignCon官网展示了来自全球的60多篇论文,其中,锐捷网络与字节跳动等业内伙伴参与合作发布的2篇论文入选DesignCon。这两篇论文分别聚焦于800G线性直接驱动网络系统设计与实施,以及224G PCB系统设计中的低损耗链路解决方案。这些研究不仅为未来800G LPO系统和基于224G PCB硬件系统的大规模生产和商业化应用奠定了坚实的理论基础,更凸显了锐捷网络在高速硬件系统领域的创新技术实力。

DesignCon 2024 的论文演讲现场
论文"800G Linear Direct Drive Network System Design & Implementation"针对数据中心网络系统中LPO模块的应用进行了深入研究。相较于传统DSP模块,LPO在成本、功耗、延迟方面展现优势,但同时也带来器件间信号完整性、光电链路一致性、系统可测试性及可运维性等端到端设计挑战。论文不仅深入剖析了这些挑战,还重点探讨了如何在系统设计中优化高速信道,并通过系统级调整提升端到端信号完整性。此外,论文全面展示了800G LPO系统在单模和多模模块下的实际链路性能,并结合具体应用场景,为LPO系统的实际应用提供了切实可行的建议,旨在推动产业界克服LPO系统产业化所面临的难题。

本论文荣获DesignCon的推荐,被列为关键会议议程(Key Conference Sessions),这体现了组委会对论文内容与学术价值的高度认可。

论文"224G Ultra-low Loss PCB Solution"针对224Gbps速率下高速链路损耗的挑战进行了深入研究。由于传统用于112Gbps速率的PCB和高速材料无法满足更高速率的需求,该研究基于介质和导体损耗理论,从树脂分子结构、增强材料类型和铜箔粗糙度等角度探讨了新一代PCB高速材料的研究方向。论文提出了一种创新的超低损耗PCB解决方案,该方案摒弃了增强材料,采用改性PPO树脂作为传输介质,并结合优化的PCB堆栈设计和新型铜箔粗糙处理工艺。通过仿真和实验验证,该方案在降低插入损耗、提升224G高速PCB性能方面表现出色,与上一代112G速率相比,插入损耗性能提升了21.5%,为224Gbps速率下的PCB损耗设计提供了有力参考。

锐捷网络以其优异的服务实力闻名,致力于提供全面技术支持和迅捷的售后响应,确保网络设备的可靠性,为客户持续创造价值。我们致力于与行业先锋紧密协作,携手推动网络技术的创新。与多方联合论文发布正是我们在技术研发领域深度合作的体现。这种互利共赢的合作模式预示着网络技术的新突破,为整个行业带来创新的无限可能。
在全球互联网流量激增和数据应用需求多样化的当下,锐捷网络,作为AIGC全栈服务专家,不仅专注于网络技术的革新与进步,更致力于以创新思维解决客户面临的挑战,率先推出了AI-Flexiforce和AI-Fabric解决方案。展望未来,锐捷网络将持续投入技术研发和产品创新,致力于为全球数据中心提供更高效、更可靠、更智能的网络服务。在AIGC时代,我们期待助力互联网企业和各行业实现快速成长。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。