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
大数据可观测性初创公司Monte Carlo Data推出全新Agent Observability产品,为AI应用提供全方位数据和AI可观测性。该工具帮助团队检测、分类和修复生产环境中AI应用的可靠性问题,防止代价高昂的"幻觉"现象,避免客户信任度下降和系统宕机。新产品采用大语言模型作为评判器的技术,能够同时监控AI数据输入和输出,提供统一的AI可观测性解决方案。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
网络安全公司Aikido披露了迄今最大规模的npm供应链攻击事件。攻击者通过钓鱼邮件获取维护者账户凭证,向18个热门JavaScript包注入恶意代码,这些包每周下载量超过26亿次。恶意代码专门劫持加密货币交易,监控浏览器API接口将资金转移至攻击者地址。受影响的包括chalk、debug等广泛使用的开发工具库。虽然攻击在5分钟内被发现并及时公开,但专家警告此类上游攻击极具破坏性,可能与朝鲜黑客组织相关。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。