|
马上注册，结交更多好友，享用更多功能，让你轻松玩转社区。
您需要 登录 才可以下载或查看，没有账号？注册
x
2024年诺贝尔物理学奖被授予了约翰·J·霍普菲尔德和杰弗里·E·辛顿，以表彰他们在使用人工神经网络进行机器学习的基础性发现和发明。同为物理学系毕业的作者也萌生了将自己十几年工作经验浓缩到一本书中的想法。作者既以本书对工作内容进行梳理和总结，也希望能够帮助工程师迅速定位和解决问题，为推动国内AI产业链的发展尽一份力。 相信读者已经感受到了以Chat GPT和Deepseek为代表的生成式AI工具已经深刻融入到了现代社会生活中的方方面面。新能源汽车中最先进的智能辅助驾驶技术就是通过不断的AI训练来完善，从而接近以至超过普通人类的驾驶水准；最新款的智能手机和笔记本也将AI功能作为其卖点宣传，人们可以用AI工具绘画写作、答疑解惑、处理文档、分析数据甚至辅助编程；在最前沿的科学研究中，AI也被用于药物研发、发现新材料、科学模拟等。 生成式AI需要通过训练大量高质量数据来不断完善模型，以提升其预测的准确性。因此越是高级的AI应用越需要大量的算力作为基础。业内一方面通过更先进的制程来提升单颗AI芯片的算力，更重要的另一方面是将多达数万颗AI芯片组成集群协同计算。Nvidia能够在AI赛道上一骑绝尘的两大利器就是其单颗GPU的强大并行计算能力以及NVLink/Infiniband的多GPU组网能力。 让如此多AI芯片能够协同工作并不是一件简单的事情，任何一条链路的掉速都会影响整个系统的运行效率。因此工程师需要在AI芯片的研发阶段充分验证其高速接口运行的稳定性后才能交付并大规模部署。本书会向读者介绍如何利用各种不同类型的仪表对AI芯片的高速接口进行一致性测试。 本书共200页，将AI芯片的高速接口的测试场景分为以太网、PCIe和光网络三部分。其中前两部分着重介绍电口的物理层测试方法，第三部分重点介绍光网络的测试方法。 本书不是简单的高速仪表操作指导，笔者会尽量从原理出发来解释各项操作背后的原理，深入研读本书需要具备一定的技术基础。建议读者首先阅读奥本海默的信号与系统以及Eric Bogatin的信号完整性与电源完整性分析作为基础。
| 
/1 
eetop公众号
创芯大讲堂
创芯人才网
发表于 
