AI半导体芯片 | Anritsu 中国

保证提供AI服务的硬件信号质量

人工智能 (AI) 和机器学习 (ML) 的应用迅速扩展加速了技术创新，包括数据中心和网络中使用的 GPU、AI ASIC 和 AI 加速器，以及支持这些设备的硬件组件，例如印刷电路板和连接器。
该硬件需要支持AI程序的高速、大容量的运算处理。
该硬件采用专为AI处理而设计的半导体（称为“AI半导体”）构建。为了支持与外部设备交换大量数据，AI半导体需要比传统通用处理器更快地传输数据并以更低的延迟实时处理数据。
为了满足这些性能要求，工程师必须通过模拟硬件实际运行的系统级测试来验证硬件。

云AI

云AI在云服务器上处理数据。使用服务提供商操作的服务器，涉及大量数据信息的复杂过程可以得到处理，包括生成性AI。

PCIe 被用作 CPU、GPU卡和存储之间的接口。以太网用于与网络通信的接口。内存接口的数据速率已从 DDR4 增加到 DDR5。

CPU: Central processing unit
DPU: Data processing unit
GPU: Graphics processing unit
NIC: Network interface card

边缘 AI

在本地边缘设备上部署 AI，可实现实时数据处理和分析，无需依赖云基础设施。

由于无需外部通信，处理可以快速完成。边缘 AI 的应用比如包括使用摄像头的图像识别、自驾车和无人机。

和云 AI 服务器相同，边缘 AI 设备也使用 PCIe 和 DDR 接口。雷电和 USB 有时用作摄像头和传感器接口。

AI 半导体芯片测试中的挑战

Signals running through a semiconductor package and printed circuit board

挑战1：确保使用AI半导体的硬件的电气特性

如果作为高速数字信号传输线的半导体的工作频带宽不足，就会出现高速数字信号的衰减。此外，如果相关印刷电路板、电线、连接器、高速数字信号传输电缆等的带宽不足，也可能由于串扰而导致信号波形失真。因此，基于人工智能半导体的硬件可能无法按设计运行。
此外，如果工程师在设计过程中没有考虑电线和连接器的阻抗，信号质量就会因数字信号的反射等因素而下降。因此，在硬件开发阶段，工程师需要评估上述电气特性以确保所需的性能。

挑战2：减少设计和制造过程中的返工次数

为了减少返工次数并确保集成AI半导体的硬件设计和制造的质量，在硅后和原型验证阶段使用实际信号验证高速数字信号的抖动、噪声和通道损耗方面的质量非常重要。

AI半导体芯片测试解决方案

Frequency characteristic evaluation of products used for AI semiconductors

解决方案1：确保采用AI半导体的产品质量

安立的ME7838系列和MS4640B系列矢量网络分析仪可以验证AI加速器和安装AI半导体的印刷电路板等硬件的频率特性和回波损耗（S参数），以及线路的阻抗。
用户还可以使用四通道矢量网络分析仪测量线路之间的串扰。
此外，光电网络分析仪 ME7848A 非常适合测量光线路中使用的光学元件的频率特性。
MS4640B系列可以评估高达70 GHz的宽频带宽，而ME7838系列支持超过110 GHz的带宽，使其成为评估由AI半导体和硬件处理的PAM4等高速数字信号的理想选择，从而有助于确保采用AI半导体的产品的质量。

MS46522B 适用于高达 43.5 GHz 的无源性能评估，并可在直连电缆 (DAC)、有源电缆 (AEC)、有源铜缆 (ACC) 以及数据中心用于机架内和服务器之间连接的连接器的制造阶段有效工作。

相关产品:

产品简介:

Vector Network Analysis Product Portfolio

解决方案2：开发阶段的高速数字信号验证

安立的信号质量分析仪MP1900A 可生成高速数字信号并测量误码率 (BER)。
MP1900A 提供评估和调试高速数字系统信号质量的功能，涵盖开发的每个阶段，从 AI 半导体的第一个硅片阶段和包括 AI 半导体在内的原型硬件的性能验证，到最终商业发布的合规性测试，从而帮助客户快速将产品推向市场。
安立BERTWave MP2110A 采样示波器可分析高速数字信号波形的眼图等并测量 BER。
MP2110A 可以评估最多四个通道的数字信号波形和 BER，有助于确保采用 AI 半导体的硬件的质量，同时提高生产效率。

相关产品:

产品简介:

High-Speed Serial Data Test Solutions for AI Semiconductors and Data Center

传单: