隨著人工智慧（AI）基礎建設快速擴張，以及B5G、6G、低軌衛星、光電整合與電動車高功率充電等技術持續演進，科技產業正從單一元件效能競爭，走向更複雜的系統級整合。是德科技（Keysight Technologies）近期電子量測技術展示，便聚焦AI資料中心、次世代無線通訊、高速數位介面、能源與自主測試等領域，呈現從晶片設計、系統整合到實際部署的完整驗證思維。
是德科技串聯AI、通訊、能源與自主系統驗證布局
隨著AI應用快速擴張，測試與驗證成為推動技術從研發走向實際應用的關鍵。是德科技舉辦電子量測論壇，聚焦AI基礎設施、6G與未來通訊、智慧能源及自主系統，現場展示超過20項測試解決方案與合作夥伴技術，展現從晶片、互連、網路到系統層級的完整驗證布局。是德科技網路應用與資安事業群副總裁暨總經理Ram Periakaruppan表示，透過「設計到部署連續體」，結合共通系統模型與一致驗證標準，可讓客戶從前矽至後矽階段提早驗證元件與系統協同運作，加速開發並縮短上市時程。
在AI基礎設施方面，KAI DC Builder與AresONE可模擬AI工作負載及高密度NPU節點，支援晶片前後的系統級壓力測試；通訊領域則涵蓋Wi-Fi 8、AI-RAN、ISAC、NTN、B5G及6G，協助驗證複雜網路情境。面對能源轉型與自主移動需求，是德科技亦提供電動車充電、智慧電網、V2X、GNSS、ADAS及車用雷達等測試能力，涵蓋電力、通訊、定位與感知。透過跨域模擬與驗證，協助產業因應從晶片到系統的複雜挑戰，加速創新技術落地。
AI資料中心從「高速」走向「全系統協同」
AI時代的資料中心與傳統雲端架構存在明顯差異。大量GPU、CPU、NPU、網路介面與交換器必須透過高速互連協同運作，任何單一節點或鏈路的延遲，都可能拖慢整個AI訓練或推論工作。
因此，AI資料中心測試的重點已不只是單一交換器能達到多少吞吐量，而是整個系統在真實AI工作負載下能否維持低延遲、高利用率與穩定的運算效率。尤其在大量節點進行AllReduce、AllGather等集體通訊時，少數效能較慢的節點可能形成「Tail Latency」，進而影響整個工作完成時間。
是德科技透過AI Data Center Builder等方案，讓工程團隊可以在實際建置大型GPU集群之前，先模擬AI工作負載、RDMA與RoCEv2流量及不同網路架構，分析壅塞、延遲與整體工作效能，將部分系統級問題提前到開發階段驗證。
AI推論方面，KAI Inference Builder則進一步從使用者實際體驗出發，模擬不同指令（prompt）、使用者數量與AI應用情境，分析Time to First Token、Token生成速度及系統資源使用情形。這代表AI基礎設施的效能評估，正從傳統硬體benchmark逐漸轉向以實際工作負載與使用者體驗為核心。
6G通感合一讓基地台兼具通訊與感知能力
在無線通訊領域，Integrated Sensing and Communication（ISAC）是6G的重要發展方向。其概念是讓基地台在傳輸資料的同時，也利用無線訊號感知周遭環境，進一步取得物體的位置、距離、速度及其他特徵。
3GPP Release 19已將ISAC相關通道模型納入TR 38.901，使產業能夠在較一致的模型下研究與驗證感知功能。這類測試可模擬無人機、車輛與行人等動態目標，並利用反射訊號中的Micro-Doppler等特徵進行目標辨識。
例如無人機旋翼高速旋轉時，會在反射訊號中產生特殊的微都卜勒特徵，測試平台便可透過通道模擬建立受控環境，驗證基地台及感知演算法能否區分不同目標。
值得注意的是，特定展示情境中的距離、速度及辨識誤差門檻，不能直接等同於3GPP對所有ISAC設備的通用合規要求。ISAC標準仍在持續演進，測試條件也會依應用情境而有所不同。
NTN與低軌衛星帶來高速動態測試挑戰
除了地面網路，5G NR Non-Terrestrial Network（NTN）也成為通訊產業的重要發展方向。低軌衛星具有高速移動特性，終端與衛星之間的通訊會受到傳播延遲、都卜勒頻移、路徑損耗與衛星位置變化影響。
這使得NTN測試不能只確認手機「能否連上衛星」，還必須驗證終端在衛星快速移動過程中的同步、頻率追蹤與handover能力。是德科技的通道模擬方案可以建立LEO、MEO及GEO等不同衛星環境，模擬動態Delay、Doppler及Path Loss，協助工程團隊驗證真實衛星移動環境下的通訊穩定性。
PCIe 7.0與高速光電互連推動測試技術升級
AI資料中心的另一項關鍵挑戰，是晶片與加速器之間不斷提高的資料傳輸需求。PCIe 7.0將傳輸速率提升至128 GT/s並採用PAM4，對訊號完整性提出更高要求。是德科技的PCIe 7.0測試方案涵蓋高速示波器、BERT及自動化一致性測試，可針對PAM4眼圖、抖動、訊號雜訊與接收端壓力測試等項目進行驗證。
另一方面，隨著AI資料中心朝800G、1.6T甚至更高速網路發展，224G級高速電氣與光學互連也逐漸成為重要技術。矽光子與共封裝光學（CPO）則進一步把測試範圍延伸至光源、光路、光電轉換與高速訊號整合，讓未來資料中心的驗證從單純電子量測走向電、光與封裝的整合測試。
電動車充電邁向兆瓦級
AI算力需要大量電力，電動車與重型運輸同樣面臨高功率能源需求。隨著電動卡車等重型車輛電池容量增加，Megawatt Charging System（MCS）逐漸成為重要技術。是德科技已推出SL2600A Megawatt Charging Discovery System，可支援最高1,500V、1,500A直流充電測試，最大功率達2,250kW，並可用於MCS相關的通訊、互通性、符合性與安全測試。
在一般電動車充電領域，其測試平台亦涵蓋CCS、NACS、CHAdeMO、GB/T等主要標準。測試重點已從單純確認是否能充電，逐步延伸至充電通訊、V2G、電力控制與高功率操作下的系統安全。
AI正在改變測試工程本身
除了測試AI與通訊設備，AI也正在改變測試工作的執行方式。面對4G、5G及未來6G日益複雜的3GPP規範，測試工程師必須處理大量參數、訊息流程與異常情境。未來AI可望協助工程師將自然語言需求轉換成測試案例與儀器控制流程，降低測試腳本建立與維護的負擔。
更進一步的發展，則是讓AI Agent參與測試結果分析、異常歸因及下一輪測試案例生成，使測試從傳統自動化逐漸走向自主化。不過，這類完整的自主測試閉環目前仍應視為技術發展方向，而不宜將所有展示功能直接描述為已全面產品化。
從元件測試走向系統級驗證
從AI資料中心、6G ISAC、NTN低軌衛星，到PCIe 7.0、224G高速互連與兆瓦級充電，可以看到共同趨勢：產品效能已越來越難透過單一元件規格判斷。
一顆高速晶片即使具備優異性能，如果與交換器、NIC、記憶體及軟體堆疊整合後產生瓶頸，整體AI工作負載仍可能無法達到預期。相同地，6G基地台除了要具備良好的射頻性能，也必須在動態通道下正確完成感知；NTN終端則必須在高速衛星移動環境中維持穩定通訊。
次世代電子與通訊產業的測試重點，正從單點元件量測走向涵蓋晶片、介面、網路、軟體、工作負載與實際應用情境的系統級驗證。
對台灣科技產業而言，這種轉變尤其重要。台灣完整串聯IC設計、晶圓製造、封裝測試、伺服器、交換器、光通訊、網通設備與電動車電子等產業鏈，未來競爭力不只來自單一零組件性能，更取決於不同技術能否在實際系統中穩定協同運作。
從Pre-Silicon模擬到Data Center部署，從高速介面到無線通訊，再到高功率能源系統，系統級測試將成為AI與次世代通訊產業建立效能、互通性與可靠性的關鍵基礎。