潘其涛：测试测量技术，赋能下一代AI基础设施建设
当前，AI的竞争早已超越了算法与模型的范畴，其背后庞大而复杂的智能基础设施，正成为决定这场技术革命成败的关键。从支撑大模型训练的算力集群，到赋能终端的边缘智能，再到与物理世界交互的具身智能，AI基础设施正成为阻碍AI技术发展的重要因素。
是德科技华东大区总经理潘其涛
在这一背景下，作为全球领先的测试测量与解决方案提供商，是德科技（Keysight）正从幕后走向台前，赋能和加速下一代AI基础设施建设。在2026中国IC领袖峰会上，是德科技华东大区总经理潘其涛以“协同创新，共筑基石：是德科技赋能下一代AI基础设施建设”为主题，分享了AI产业和技术的发展趋势，同时探讨了AI基础设施在高速网络、算力扩展及系统复杂性提升过程中所面临的关键挑战，以及介绍了是德科技面向实际应用场景的测试验证思路与全栈解决方案。
AI发展的多阶演进与基础设施的全局挑战
当前AI发展已进入多层次、多形态的融合演进新阶段。这一进程主要体现为几个关键阶段，每一阶段都对底层基础设施提出了独特且严苛的性能与可靠性要求。潘其涛表示，“AI技术的发展，不仅仅是AI本身能力的提升，还随着AI能力的提升，其实带来系统级的复杂度会越来越大。”
其中，AI工厂是当前AI算力的核心载体，专注于模型的训练与推理。其核心是数据中心级的超大规模计算集群，由GPU/TPU、高速服务器、高效互联（包括芯片间、板卡间、机柜间）以及数据中心网络构成。这里的核心挑战在于打破“内存墙”、“带宽墙”和“功耗墙”，实现算力的近乎线性扩展。
同时，随着AI技术向数据源头迁移，边缘AI逐渐兴起。在这一阶段，边缘AI涵盖了AI设备（如智能手机、物联网终端）、AI传感器等，其需求在于在严苛的功耗、成本和尺寸限制下，实现实时、低延迟的本地化智能处理，对芯片的能效比和集成度要求极高。
2026年被视为AI智能体技术规模化落地的元年。这一阶段，以智能体和个人AI助手为代表，强调AI的自主性、交互性与持续性。这要求基础设施不仅提供强大的云端协同能力，还需支持复杂的多模态信息处理与长期记忆，对网络的可靠性和服务的连续性构成挑战。
而物理AI是智能与物理世界深度融合，其终极体现是自动驾驶汽车、人形机器人等。此类系统对实时性、安全性、可靠性的要求达到了极致，需要车规/工规级的硬件、高精度的传感器融合以及超低延迟的决策闭环，测试验证的复杂度和重要性空前突出。
随着AI技术不断演进，在未来的集成式AI系统（Integrated AI Systems）阶段，则需要对云端边网进行整合。
在市场规模方面，潘其涛认为，这波AI浪潮催生了一个迅速增长的万亿级市场。相关数据显示，预计到2030年，AI市场将超过2万亿美元，其社会与经济影响力深远：未来二十年内，AI可能自动化约50%的现有工作；个性化AI助手将增强日常任务与决策。与此同时，技术层面正飞速演进：基础模型参数量已突破万亿；智能体与推理模型可能需要当前100倍的计算量和20-50倍的训练数据；而小型语言模型、多智能体与多模态技术则驱动着边缘侧的效率革命。
核心挑战：标准快速演进与验证困境
然而，AI的飞跃绝非仅依赖于算法创新。潘其涛指出，除了速度和计算能力，AI的需求对技术栈各层面的挑战是全方位的，需要协同优化与创新，包括速度、能耗、稳定性、安全性等。基础设施已成为关键瓶颈：互联与网络现已成为关键瓶颈，每个GPU所需的互联带宽是过去的5-10倍；巨大的能源需求则迫切要求芯粒（Chiplets）、硅光（Si-Ph）等创新技术来实现功耗优化。
潘其涛认为，在AI驱动的超高速计算与通信需求下，基础设施领域正面临两大核心挑战：
一是人工智能推动标准快速演进，开发周期被极致压缩。AI对算力和带宽的饥渴，迫使高速互联标准以前所未有的速度迭代。这主要体现在标准代际的演进周期大幅缩短：2022年进入1.6 Tbps，2025年迈进3.2T Tbps，按预测，2028年将达7.25Tbps，2031年冲击14.5Tbps，调制技术将进一步复杂化至PAM8。
值得一提的是，面向未来的800G/1.6T之后的标准（如OIF CEI-448G框架）已于2024年8月启动提案，研发、标准与部署的深度耦合（Concurrent Engineering）已成为常态。这给芯片、模块、系统厂商带来了巨大的合规性压力与市场窗口期挑战。
二是设计验证变得越来越困难。标准的快速演进直接导致了设计验证的复杂度呈指数级上升，具体体现在：
·物理与信号层面的挑战：这主要聚焦于硬件设计和信号完整性方面，信号速率从112G、224G发展到448G，调制方式从PAM4演进到PAM6甚至PAM8，同时设计周期在不断缩短（Shrinking Design Cycles）。同时，芯片尺寸越来越小，出现芯片堆叠和将多个芯片封装在一个大封装内的趋势。
·互连与协议层面的挑战：这主要涉及芯片内部及芯片间通信的复杂性，包括CPO（共封装光学）、LPO（低功耗光学）、SiPho（硅光子）以及Chiplets（芯粒）等技术；抖动预算在几十飞秒（fs）级别，误码率要求极高，眼图几乎闭合，需要全新的纠错方案；面临严重的拥塞（Congestion）和串扰（Crosstalk）问题。
·系统集成与协作层面的挑战：这主要体现在复杂系统集成中面临的管理与协作难题，必须满足严苛的标准，并且需要与众多其他供应商的产品协同工作；当系统出现故障时，难以界定问题出在哪个环节。
是德科技从测量科学到协同创新
面对上述系统性挑战，是德科技的价值远不止于提供测试仪器。其核心价值在于，通过深度的测量科学、前瞻性的技术投入和广泛的产业协同，帮助客户跨越从芯片到集群的鸿沟，确保AI基础设施的性能、互操作性与可靠性。
潘其涛表示，是德科技从四大方面帮助业界应对挑战：一是集成电路定制制造，是德科技实验室利用自身专有的磷化铟(InP)和砷化镓(GaAs)晶圆厂自主设计并制造定制芯片；二是性能测试平台，UXR、PNA和M8199等开创性精密仪器能够表征高频、高速人工智能组件，确保精度；三是促进研究和技术，早期投资于广泛的解决方案组合并与行业领导者合作，可以开展技术探索性研究；四是发明测量科学，利用测量科学和率先上市的解决方案，推动开放标准和市场，从而实现互操作性。
同时，是德科技深度参与并引导全球主要技术标准的制定，从而在标准初期即融入测试考量，助力产业互操作性。潘其涛介绍，公司在各标准组织的参与度广泛而深入，运用最新的测量科学技术赋能行业发展，包括加入存储、DisplayPort、USB、CXL、HDMI、MIPI等产业联盟组织或机构。这种深度的标准参与，确保是德科技的解决方案能够紧跟甚至预见技术演进，为客户提供“首发上市”的验证能力。
此外，自成为独立公司以来，是德科技已完成约20项战略收购。这些收购帮助其强化了产品组合，并进入新的相邻市场，从而更好地服务客户。其中，公司通过收购Anite、Prisma和Sanjole获得的软件开发能力对在5G市场的领先地位至关重要。收购Ixia后，该公司现在能够提供涵盖整个通信工作流程的解决方案。近期收购SCALABLE Network Technologies进一步扩展了在商业和国防市场的建模与仿真能力。2020年收购Eggplant使其得以进入自动化软件测试市场。现在，是德科技是唯一一家能够提供从物理通信层到应用层，直至用户体验的全面测试能力的公司。
潘其涛介绍，量子领域是是德科技重点关注的领域，致力于在生态系统形成过程中提供解决方案。过去几年，公司收购了Quantum Benchmark和Labber，以增强其产品和服务。此外，该公司还通过收购拓展了在汽车领域的产品和服务能力。
目前，是德科技已经构建了“从芯片到集群扩展AI基础设施”的全栈解决方案从底层的芯片设计验证，向上延伸至晶圆、芯片、电路板、服务器、机架，直至顶层的数据中心和边缘计算场景。这使得是德科技提供的一体化、端到端解决方案，能够帮助客户应对AI时代下从器件到系统各层级的复杂挑战，加速产品上市。
