PCIe 5.0 / 6.0 高速接口技术交流总结我们上周二和一家从事高速网卡芯片研发的客户，围绕 PCIe 5.0、PCIe 6.0、协议兼容性测试、协议分析仪、训练器以及 Gen6 测试环境搭建等内容，进行了接近 3 小时的深入交流。参与交流的主要是客户内部负责高速接口、协议验证以及板卡研发的工程师，因此整个讨论过程非常偏底层，也涉及了不少目前 PCIe 6.0 行业内实际推进过程中遇到的真实问题。这里按照会议交流的大致顺序，把几个核心内容整理一下，供后续做 PCIe 5.0 / 6.0、AI 服务器、SSD、DPU、网卡以及高速互连研发的工程师参考。一、从 PCIe IP 开始：为什么真正自研 PCIe IP 的公司并不多？会议一开始，双方先聊到了 PCIe IP 的来源问题。客户目前主要从事高速接口研发，但底层 PCIe IP 并不是完全自研，而是采用第三方 IP。交流中提到：真正从 PHY 到 Protocol 全栈自研 PCIe IP 的公司其实并不多大部分厂商仍然依赖：SynopsysRambusAlphawaveCadence 等第三方 IP 供应商而像：AMDIntelBroadcom这种大型厂商，则更多采用内部自研 PCIe IP 团队。二、PCIe 6.0 真正大规模落地，可能还需要几年？客户目前主力产品仍然是 PCIe 5.0，PCIe 6.0 则已经开始进入下一代规划阶段。不过会议里大家其实形成了一个比较一致的观点：PCIe 6.0 真正进入大规模商用，时间并不会特别快。交流中提到：主流x86 CPU厂家内部已经有 PCIe 6.0 CPU 原型平台部分大型 OEM / ODM 厂商已经拿到原型机国内一些服务器厂商也已经开始提前布局但真正成熟量产的服务器平台：大概率仍然要等到 2028 年底以后。原因并不是协议本身的问题，而是：信号完整性主板设计散热电源验证周期CompatibilityFirmware这些问题，在 64 GT/s PAM4 条件下都会变得极其复杂。三、当前 PCIe 6.0 最大的问题：缺少真实测试环境这是会议中非常核心的话题之一。因为现在很多工程师其实都发现：PCIe 6.0 最大的问题不是“规范”，而是“环境”。真正能跑 PCIe 6.0 的：CPUSwitchSSDNICRetimer目前都极少。所以很多公司现在其实是在：“没有完整生态”的情况下开发 PCIe 6.0。交流中重点提到：目前业内大量 PCIe 6.0 Bring-up 环境，实际上是基于：Saniffer公司销售的PCIe Gen6 Switch 卡搭建的。通过：MCIOGen6 x16EDSFFCX8 800G NIC等方式，先把基础链路建立起来。四、一个很有意思的现象：加了延长线，反而更稳定会议中有一个非常典型、也非常工程化的案例。现场演示中发现：某些情况下：Gen6 网卡直接插入 Switch 板卡时，只能跑到 Gen5。但：加入特定延长线后，反而可以稳定跑到 Gen6 x16。交流里分析认为：这实际上和：阻抗匹配PresetEqualizationSI（信号完整性）都有关系。这也再次说明：PCIe 6.0 已经不是“插上就能跑”的时代。很多问题：其实已经开始进入：“毫米级 SI 调试”阶段。五、为什么现在 PCIe 6.0 Switch 卡越来越重要？会议里花了很长时间讲当前 Gen6 Switch 卡的作用。原因其实很现实：现在真正能买到的 PCIe 6.0 CPU 平台没有。所以：大量研发团队只能先用：Gen6 Switch 卡作为RC或者EP搭环境。例如：AI NICDPUSSDCXL DeviceFPGA都可以先挂在 Switch 后面做验证。甚至：SSD 厂商已经开始用这种方式：一次同时验证多块 Gen6 SSD。包括：EDSFFE3.SGen6 x4 SSD等。六、PCIe 6.0 Compatibility 测试的发展过程，比很多人想象得慢会议中非常详细地回顾了：PCI-SIG PCIe 6.0 Compatibility Testing过去几年的真实推进过程。从 2024 年6月份第一次 Preliminary FYI Workshop 开始：最早阶段其实问题非常多：设备互联失败Gen6 建链失败Analyzer 不稳定测试结果不一致FLIT Mode 问题FEC 问题Protocol Error等等。现场提到：第一批测试时，很多设备甚至连 Gen6 都跑不起来。之后经过：第二次第三次第四次第五次 Workshop问题才逐渐收敛。直到：2026 年，PCIe 6.0 协议层 CTS 才正式进入可用阶段。SerialTek成为PCI SIG官方认证的首批PCIe 6.0 协议层CTS供应商。七、为什么 SerialTek 现在越来越被关注？这部分其实是整个会议里讨论最多的内容之一。因为现场反复提到：PCIe 6.0 后，协议分析仪已经不是“抓包工具”了。而是：Bring-up 基础设施。会议里重点提到：很多传统 Analyzer：会影响链路会改变 SI会导致问题消失即：接上分析仪后，原本的问题“不见了”。这对于研发来说是非常致命的。交流中特别强调：SerialTek 当前方案采用：宇航上一种非常特殊模拟信号透传的高端分路芯片而不是：RetimerRedriver方式。也就是说：Analyzer 本身：尽量不改变原始链路行为。八、为什么很多大厂开始重新选择 Analyzer 平台？会议里分享了不少调试的真实案例。其中提到：某些团队早期使用其它 Analyzer 平台时：接入后链路异常消失无法复现问题长期定位不到根因后来不得不换成使用SerialTek公司的PCIe 5.0或者6.0协议分析仪后：问题才能重新稳定复现。这其实也说明：PCIe 6.0 已经进入：“测试工具本身也必须足够透明”的时代。九、PCIe 6.0 的另一个现实：Trace 数据量已经极其庞大会议后半段，大家还讨论了一个现实问题：Gen6 Trace 数据量太大。例如：Gen6 x1664 GT/sFLIT Mode下，长时间抓包的数据量非常惊人。因此：现在 Analyzer 的核心竞争力之一，已经变成：解码速度。交流中提到：业内传统的PCIe分析仪：抓完 一个较大的Trace 后：解码时间可能长达数小时到一两天。而新的 Gen6 平台：已经开始强调：高速解码长时间 Trace深 Buffer快速搜索能力。十、为什么现在越来越多公司开始提前布局 PCIe 6.0？虽然现在真正商用还比较早。但交流中其实能明显感受到：整个行业已经开始提前卡位。尤其：AI 服务器GPU 集群高速 SSDCXLSmartNICDPU都已经开始进入：Gen6 提前验证阶段。因为：等真正量产服务器出来时，如果再开始做：SICompatibilityLTSSMRetimerCTS已经来不及了。十一、这场交流最核心的一个感受整个交流过程中，其实有一个非常明显的感觉：PCIe 6.0 已经不再只是“高速接口”。它开始变成：一个完整系统工程。涉及：协议SI电源散热FECPAM4CompatibilityRetimerCTSTrace Analysis全部协同。尤其到了：AI 服务器GPUCXLGen6 SSD时代后，很多问题：已经不能靠：日志猜测单点分析解决。最终：还是得回到：完整的协议分析与系统级验证。总结整体来看，这次接近 3 小时的交流，其实非常真实地反映了：当前 PCIe 5.0 → PCIe 6.0 转型阶段，整个行业的真实状态。一方面：Gen6 已经开始进入研发阶段另一方面：生态仍远未成熟而：SwitchAnalyzerExerciserCTSSICompatibility正在成为整个产业链最关键的基础设施。对于：SSDDPUAI 服务器网卡CXL研发团队来说，未来几年：“谁能更早建立稳定的 Gen6 调试环境”，可能会直接决定产品推进速度。更多PCIe5&6.0, CXL, NVMe SSD, SAS/SATA, NVMe over Fabric (NVMoF), NAND, DDR5/LPDDR5以及UFS测试方面的问题想咨询，可以查看Saniffer公司2026.2.24最新更新的测试工具白皮书15.1版本，我们已经整理收录在Saniffer公众号的【白皮书】菜单中。欢迎关注Saniffe公众号，点击底部菜单栏即可免费获取。如有任何技术问题，也可直接在公众号内留言交流。

PCIe 5.0 x16 协议分析仪现场技术交流与 Live Demo昨天下午，我们在客户会议室现场，围绕 SerialTek PCIe 5.0 x16 协议分析仪，做了一次持续两个多小时的技术交流与实际 Live Demo。整个过程既包括硬件设备展示、Interposer 连接、协议抓包演示，也包括大家非常关心的：LTSSM 状态分析L1.2 低功耗抓包信号高保真长时间 Trace 抓取远程访问解码性能Gen5 信号完整性SSD / 网卡 / FPGA 场景等问题。因为现场参与交流的工程师里，也有第一次真正接触 PCIe Gen5 Analyzer 的同事，所以这次交流整体上并没有一开始就直接进入协议细节，而是从“协议分析仪到底是干什么的”开始，一步一步往下展开。下面按照今天现场交流和演示的大致顺序，把一些重点内容整理一下。一、PCIe 协议分析仪到底是干什么的？交流刚开始时，我们先从最基础的问题开始：PCIe 协议分析仪到底解决什么问题？很多第一次接触这类设备的工程师，第一反应通常是：“这是不是逻辑分析仪？” “是不是示波器？” “是不是专门抓 PCIe 波形的？”现场其实专门解释了一下：示波器、误码仪、逻辑分析仪、协议分析仪，其实是不同层次的工具最底层：示波器（Scope）误码仪（BERT）更多是：看物理信号质量。例如：眼图抖动电压SI（Signal Integrity）这些。再往上一层：是逻辑分析。而 PCIe 协议分析仪：其实已经属于：Protocol Analyzer（协议分析）它看的已经不是波形。而是：Ordered SetDLLPTLPPacketLTSSMFlow Control这些协议层行为。现场也举了一个比较容易理解的例子：示波器更像是在看“0101”的电平变化， 逻辑分析仪就是可以将电平翻译成“0101”，而协议分析仪已经是在看：“这段数据到底代表什么命令”。二、协议分析仪为什么一定需要 Interposer？后面现场重点展示了：Interposer。其实很多第一次见 PCIe Analyzer 的工程师，真正觉得“神奇”的地方，就是：为什么它能在不中断 PCIe 正常工作的情况下，把双向数据全部抓下来？这里现场专门拿了 PCIe 5.0 x16 插卡型 Interposer 做展示。整体结构其实很直观：原本：CPU ↔ PCIe Card现在：CPU ↔ Interposer ↔ PCIe CardInterposer 位于中间。它的作用：不是修改链路。而是：把上下行 PCIe 信号“分一路出来”。现场重点解释了：PCIe 5.0 x16：实际上：上行 16 Lane下行 16 Lane每个 Lane 上，都有专门的宇航上用的模拟透传分路芯片。作用：一路正常透传，一路送给协议分析仪。同时：包括：PERST#CLKREQ#REFCLKSideband等边带信号，也会通过专门 Sideband 线缆引到分析仪。三、为什么现在 PCIe 5.0 / 6.0 对“信号高保真”越来越敏感？这个其实是今天现场讨论最多的话题之一。因为现在很多工程师已经发现：PCIe 5.0 / 6.0 最大的问题，很多时候不是协议， 而是 SI。现场专门解释了：传统很多协议分析平台，内部实际上会加入：RetimerRedriver芯片。这样做的好处：是链路更容易稳定。但问题是：原本的问题可能“消失”。现场举了一个非常典型的案例：某服务器平台：不接分析仪时会掉链接上某些分析仪后问题完全消失原因其实就是：分析仪改变了原始链路行为。而今天演示的这套 SerialTek 平台，核心特点之一：就是：Signal Integrity Fidelity（信号高保真）。即：中间：不加入 Retimer。而是采用：模拟透传分路芯片。这样：如果原始链路上：有毛刺有 Recovery有 SI 问题那么：接上分析仪后，问题依旧会真实存在。这对于真正定位问题非常关键。现场也提到：很多大型服务器、SSD、芯片公司，后来重新引入这套平台，一个非常重要的原因，就是：“接上分析仪后问题不能消失”。四、为什么这套 Analyzer 和传统平台很不一样？现场后面专门拆开讲了一下：Analyzer 内部架构。这个部分大家讨论得非常热烈。传统协议分析平台：很多其实是：“抓包盒子”。抓到的数据：需要：导到外部 PC再由 PC 软件解码所以：解码速度非常依赖工程师自己的电脑。而今天现场展示的这套平台，内部实际上是一台：高性能 Linux 服务器。包括：高性能 x86 服务器CPU多线程处理FPGA BufferNVMe SSD Storage全部在分析仪内部。现场提到：Gen5 x16：如果双向高压力抓包，数据量极其惊人。传统平台：可能：导数据几小时解码几小时甚至 PC 死机而这套架构：最大的变化是：“抓包、解码、分析、存储”全部在设备内部完成。现场提到一个比较直观的例子：同样几十 GB Trace：传统平台：可能：几小时甚至更久，例如一天。而现场这套设备：往往：几分钟到十几分钟即可完成解码。五、为什么现在越来越强调浏览器管理？后面现场还重点演示了：Browser浏览器远程访问。这个部分其实不少工程师觉得很方便。因为传统平台：通常：必须装 Windows Client必须特定版本VNC专用软件比较重。而这套平台：直接：浏览器登录，建议Chrome或者微软Edge。只要：PCLinuxMac手机能访问网络。直接输入 IP：即可进入 Analyzer 管理界面。现场也演示了：IP 配置Browser 登录管理界面Analyzer 状态识别等。包括：Interposer 接入后：系统会自动识别：UpstreamDownstreamPCIe x16Interposer 类型这些信息。六、关于 LTSSM：为什么大家越来越重视？后面交流开始进入：PCIe 调试核心问题。也就是：LTSSM。现场有工程师专门提到：现在很多 PCIe 问题：其实协议本身并不复杂。真正复杂的是：物理层训练。包括：DetectPollingRecoveryL0等状态。现场重点演示了：Analyzer 的 Timeline 时间轴。这个时间轴最大的价值：就是：可以直观看到：Link RecoveryLTSSM 跳转RetryRecovery 震荡等行为。现场还提到：如果链路存在：SI 问题Margin 不足Lane 不稳定通常会看到：Timeline时间轴上大量 Recovery 竖线。这一点在 Gen5 环境里特别明显。七、关于低功耗 L1.2：现场讨论非常多今天交流中，另一个大家讨论特别多的话题：就是：L1.2。尤其：M.2 SSD笔记本Client SSD方向。现场有工程师提到：以前某些平台：一进入 L1.2 就大量丢数据。而现场也明确提到：目前很多传统 Analyzer：在：L1.2Low PowerCLKREQ#场景下，仍然会出现：Trace 丢失解码错误状态异常等问题。这一点：其实在做：M.2 NVMe SSDNotebook SSDModern Standby的团队里，现在已经是非常典型的问题。八、为什么“无损复现问题”越来越重要？今天现场还有一个讨论非常有意思。就是：真正好的协议分析仪，不是“让链路更稳定”。而是：“不要改变原始问题”。因为：很多研发调试最怕的是：“不接分析仪有问题， 接了分析仪问题消失。”所以：现在越来越多团队开始重视：Analyzer 本身是否改变链路行为。现场其实反复强调：真正好的 Analyzer：应该：尽量透明。这也是为什么：现在：无 Retimer高保真透传架构越来越被重视。九、关于 Trigger、长时间抓包与 Trace 存储后面现场还讨论了：长时间抓包。因为：Gen5 x16：数据量非常大。现场介绍：Analyzer 内部：FPGA BufferNVMe SSD共同工作。同时：支持：TriggerPacket 截断指定长度存储长时间 Trace等模式。例如：某些场景：不需要保存完整 Packet。只保留：前面 Header 部分。这样：能显著延长抓包时间。十、现场交流的一个整体感受整个两个多小时交流下来，其实有一个非常明显的感受：PCIe 5.0 之后，协议分析已经越来越像“系统级调试”。而不是：“简单抓包”。尤其：Gen5Gen6AI 服务器GPUSSDCXL之后，很多问题：实际上都是：SIRecoveryLTSSMLow PowerRetimerCompatibility共同作用。很多时候：系统：“能跑”，不代表：真正稳定。而协议分析仪：本质上就是：帮工程师看清系统内部到底发生了什么。总结整体来看，今天这次现场交流，对于第一次真正接触 PCIe 5.0 x16 Analyzer 的工程师来说，最大的帮助其实是：建立了一个完整概念。包括：协议分析仪到底是什么为什么需要 Interposer为什么 SI 如此重要为什么 LTSSM 是核心为什么 L1.2 难调为什么高保真越来越关键为什么 Gen5 / Gen6 已经进入系统级调试时代同时，现场 Live Demo 也让大家更直观地看到：一套真正用于 PCIe 5.0 / 6.0 调试的 Analyzer，到底是如何工作的。更多PCIe5&6.0, CXL, NVMe SSD, SAS/SATA, NVMe over Fabric (NVMoF), NAND, DDR5/LPDDR5以及UFS测试方面的问题想咨询，可以查看Saniffer公司2026.2.24最新更新的测试工具白皮书15.1版本，我们已经整理收录在Saniffer公众号的【白皮书】菜单中。欢迎关注Saniffe公众号，点击底部菜单栏即可免费获取。如有任何技术问题，也可直接在公众号内留言交流。

最近和用户技术交流的时候，经常碰到一些新加入公司的工程师从来没有使用过计算机总线协议分析仪，例如PCIe协议分析仪，我又翻出来几年前拍摄的PCIe 5.0 x16协议分析仪的高清演示视频，对于其中的主要内容做了提炼，分享给感兴趣了解的朋友。注意：我们的文章来自我们平时自己在实验室做的测试拍摄的高清视频，和国内用户的技术交流，以及和国内、外最前沿厂商和供应商的产品、技术、产品的培训和沟通，不是AI生成，但有些文字会通过AI进行润色，使得阅读更加通顺。SerialTek PCIe Gen5 x16 协议分析仪安装、调试与使用我们今天整理的内容，来自之前做的一套比较完整的 SerialTek PCIe Gen5 x16 协议分析仪培训视频，该视频以分析PCIe 5.0 x16插卡为例进行演示。整个视频比较长，大概2小时40分钟，对于该视频感兴趣的朋友可以留言给我们，这个视频既包含了硬件连接、上电、抓包环境搭建，最关键的包含了管理软件使用、Trace 分析、LTSSM 状态查看、协议解码等内容。因为很多刚接触 PCIe 协议分析仪的工程师，第一次看到这种设备时，都会觉得：设备很贵线很多软件界面复杂不知道从哪里下手不知道抓到的数据到底怎么看所以这篇总结，我们尽量按照视频里的实际演示顺序来整理，同时尽量用工程师日常调试的思路来讲，不去堆太多规范术语，而是尽量让第一次接触 PCIe Gen5 x16 Analyzer 的人，也能大概建立一个完整印象。一、PCIe 协议分析仪到底是干什么的？培训一开始，其实首先强调的并不是“怎么点软件”。而是：为什么需要 PCIe 协议分析仪。很多人第一次接触 PCIe 调试，会下意识觉得：“PCIe 不就是一条高速总线吗？” “设备能识别出来不就行了？”但真正做服务器、GPU、SSD、NIC、CXL 或 AI 系统调试时，很快会发现：很多问题其实根本无法只靠：dmesgWindows Event驱动日志BIOS log定位。例如：LTSSM 为什么卡在 Polling？为什么 Recovery 反复震荡？为什么设备偶尔掉链？为什么 Gen5 x16 会退速？为什么能枚举但性能异常？为什么 Linux 正常、Windows 蓝屏？为什么高压力下突然出现 Replay？为什么训练后偶现 Correctable Error？这些问题，最后都要回到：PCIe 链路本身到底发生了什么。而协议分析仪，本质上就是：在 Root Complex （你理解成CPU）和 Endpoint(你理解成各类PCIe插卡，如网卡，GPU卡） 中间“监听”PCIe 总线。把：Ordered SetDLLPTLPLTSSMSidebandLink State全部抓下来。这也是为什么：现在很多大型服务器、SSD、GPU、CXL 公司，已经把协议分析仪视为：基础研发工具。而不是“出了问题才偶尔借来用”的设备。二、Gen5 x16 分析仪长什么样？培训视频前半部分，首先演示的是：硬件本体。很多工程师第一次看到 Gen5 x16 Analyzer 时，第一反应通常是：“怎么这么大？”因为：PCIe Gen5 x16：已经是：32 GT/s × 16 Lane的数据量。它不是普通逻辑分析仪能处理的。视频里演示的这套设备：主要包括：主分析仪设备Host 控制电脑Gen5 x16 Interposer专用高速线缆外部供电被测系统等。其中：Interposer是整个系统里最关键的东西之一。因为：它负责：在不影响 PCIe 正常工作的情况下，把高速信号“复制”一份给分析仪。这个过程其实非常难。因为：Gen5 已经进入：极高信号完整性要求时代。所以：线缆长度接口质量PCB 设计RetimerREFCLK都会影响是否能稳定抓包。三、硬件连接流程视频里接下来重点演示的是：怎么接线。这一部分其实非常重要。因为：很多第一次使用 PCIe Analyzer 的人，并不是不会点软件，而是：线接错了。整体连接思路其实很简单：1）Host 与 Device 中间插入 Interposer即：CPU/Switch ↔ Interposer ↔ SSD/GPU/NIC2）Interposer 再连接分析仪通过专用高速线：Interposer ↔ Analyzer3）Analyzer 连接控制电脑控制电脑负责：配置TriggerTrace 保存后处理分析培训里特别强调：Gen5 时代一定要注意供电。包括：外部供电是否稳定Interposer 是否需要额外供电某些设备是否必须先上电再启动软件因为：Gen5 x16：已经不像早期 Gen3 那么“随便插都能跑”。四、第一次抓包时最容易遇到的问题培训视频里，其实花了不少时间讲：“为什么抓不到数据”。这部分很真实。因为：很多新人第一次使用时：经常：软件打开了设备识别了但没有 Trace或者：Link 一直不上一抓包就掉链只能跑到 Gen1Lane width 不对这里视频里重点提到几个经验：1）先确认链路本身正常即：不要一上来就怀疑分析仪。先确认：HostDeviceInterposer在不抓包时：本来就能稳定工作。2）Gen5 对线缆非常敏感培训里特别提到：Gen5 后：很多问题其实是 SI 问题。包括：Lane margin插损线材Connector3）某些平台会因为低功耗导致抓包异常尤其：笔记本M.2 SSDClient 平台会频繁进入：L1 / L1.2。这时候：CLKREQ#REFCLKRecovery都会频繁变化。如果分析仪处理不好：就容易：丢 Trace。这一点，在之前 M.2 SSD 的技术交流里也反复提到。五、软件界面初步认识硬件连接完成后，培训开始进入：软件演示。这部分对于第一次接触的人，其实是最容易“懵”的。因为：界面里会出现：LTSSMOrdered SetDLLPTLPLaneSpeedRecoveryTriggerTrace Buffer等大量内容。视频里的讲法比较接地气：不是一上来讲规范，而是：先让大家知道：“哪个界面是干什么的”。整体软件大概分成几个区域：1）Timeline 时间轴这是最核心区域之一。所有抓到的数据：都按时间顺序排列。2）Packet/Event 窗口显示：Ordered SetDLLPTLPNVMe Command等。3）解码窗口点某一包后：会自动展开：HeaderAddressTagLengthCompletion等字段。4）LTSSM 状态区显示：DetectPollingConfigRecoveryL0等链路状态。六、为什么 LTSSM 如此重要？培训里后面花了大量时间：讲 LTSSM。因为：绝大部分 PCIe 问题，最终都会反映在 LTSSM 上。视频里讲得比较通俗：可以把 LTSSM 理解成：PCIe 链路“从陌生到建立连接”的全过程。例如：Detect互相检测有没有设备。Polling双方开始“打招呼”。Config协商 Lane 数量、速度等。Recovery重新训练链路。L0正式进入正常工作状态。培训里一个很重要的经验是：看 LTSSM 的变化顺序。很多问题：不是“不工作”。而是：卡在某个阶段反复循环。例如：Polling ↔ RecoveryRecovery ↔ RecoveryConfig 失败这些都能帮助快速定位问题方向。七、软件里怎么看性能问题培训后半段，开始讲：NVMe / PCIe Trace 分析。这里演示了：QueueRead CommandCompletionLatency等。重点不是：“协议规范怎么定义”。而是：工程师平时怎么看问题。例如：一个 NVMe Read Command：从 Host 发出，到 Completion 返回。中间：实际上包含：很多底层 PCIe TLP。软件里：可以直接：点中一条命令自动关联上下文统计耗时这比以前：人工对时间戳，方便很多。视频里还演示：如何：放大时间轴对比不同 Packet统计最慢命令查看不同 Queue 延迟这些对于：SSD 性能分析GPU DMANIC 流量CXL Memory调试都非常有用。八、为什么现在越来越多工程师开始重视 Trace 分析培训最后其实讲了一个很现实的问题：真正懂 PCIe Trace 的工程师，非常少。因为：很多人：会写驱动会做硬件会做 FPGA但：不一定真正懂 PCIe Trace。而现在：随着：PCIe Gen5PCIe Gen6CXLAI服务器快速发展，越来越多问题：已经不能只靠：猜日志经验解决。最终：还是得回到：Trace。培训里也提到：现在很多公司：其实都在缺：真正懂 PCIe 的工程师。因为：PCIe 已经不只是“一个接口”。而是：现代服务器内部最核心的互连体系。九、这套培训给人的最大感受整个培训看下来，最大的感受其实是：PCIe 协议分析，本质上不是“看包”。而是：看系统行为。尤其到了：Gen5Gen6CXL之后，很多问题：已经不是单纯协议错误。而是：SI电源LTSSMLow PowerRecoveryFirmwareBIOSDriver共同作用。很多时候：系统：“能跑”，不代表：真正稳定。而协议分析仪：就是帮助工程师：把这些“系统内部真实发生的事情”看清楚。十、总结对于第一次接触 PCIe Gen5 x16 Analyzer 的工程师来说，最重要的，其实不是：一开始就把规范背下来。而是：先建立几个概念：1）Analyzer 不是示波器。它更像：PCIe 世界里的“抓包工具”。2）LTSSM 非常重要。很多问题：都能从：PollingRecoveryL0变化中看出来。3）Timeline 是核心。因为：PCIe 本质是：时间序列行为。4）很多问题：本质上是：SILow PowerRecovery问题。而不仅是：“协议不对”。5）真正学 PCIe：一定要：多看 Trace。因为：很多经验：不是规范里写出来的，而是：一条一条 Trace 看出来的。更多PCIe5&6.0, CXL, NVMe SSD, SAS/SATA, NVMe over Fabric (NVMoF), NAND, DDR5/LPDDR5以及UFS测试方面的问题想咨询，可以查看Saniffer公司2026.2.24最新更新的测试工具白皮书15.1版本，我们已经整理收录在Saniffer公众号的【白皮书】菜单中。欢迎关注Saniffe公众号，点击底部菜单栏即可免费获取。如有任何技术问题，也可直接在公众号内留言交流。

我平时工作用的笔记本是某知名厂家的2018年的型号，商务本，较轻薄，后来也陆续买过同一款后续的笔记本，例如2019款，2020款，因为存在一些经常掉声卡的问题没怎么用（要经常zoom 开会），再后来2024年和2025年又分别买过当时最新的笔记本，严重影响工作，其中2024款两个主要问题无法忍受：1）笔记本不提供指纹识别，但是FaceID经常失效；2）Windows 11查询文件查不到，后来搜索引擎一查，发现全球用户民怨沸腾；2025款也发现不少问题，例如：从C盘A目录拷贝一个大文件到B目录，还不如2018年的ThinkPad快和稳定，当然中间差了几个代际了，区别主要在于：2018款是Core CPU第i7 第8代（4核），16G内存，三星EV 970/980 PCIe 3.0 x4 M.2 SSD 2TB（后续自己更换），运行Windows 10；2025款是Ultra 7 AI CPU（8+4核），32G内存，Seagate PCIe 4.0 x4 M.2 SSD 2TB（京东授权代理更换），运行Windows 11。我对这个事情也觉得好奇，2026年我还得不得不使用8年前的笔记本电脑工作。所以，今天，我结合网上找到的各类和我碰到类似问题的反馈来，以及Windows版本对于文件系统的处理差异，SSD采用工具的实测性能、笔记本电脑的SSD的PCIe链路的L1.2低功耗等多个方面来简单分析一下为什么会出现这种奇怪的现象。同时，我们也会结合Saniffer的很多针对PCIe M.2 SSD的诊断、分析、故障定位等各类工具看看可以协助分析这些性能问题。首先，网上查到的很多测试都显示，和我上述的感受差不多，即便是配备高端硬件的Windows 11笔记本，在大文件复制任务中也可能整体表现不如老款Windows 10机。主要原因包括文件系统和驱动差异、SSD缓存和低功耗管理、散热限制等多重因素。例如，一项测试中Windows 11系统复制6.7GB文件时，初始速度虽达3–4 GB/s，但很快跌至约150 MB/s并持续低速；而合成基准测试却持续给出7.4/6.8 GB/s的读写值，表明OS缓存和驱动策略导致实际复制速度大打折扣。我们结合网上找到的的2023–2026年相关测试报告，以及自己实际使用的感受，对比分析Windows 10/11文件复制测试的硬件配置、系统版本、驱动、电源策略、文件系统设置和测试方法，给出完整案例和数据；并通过PCIe 4.0 SSD产品对比表和专用诊断工具（SerialTek、Quarch等）的使用流程，深入剖析大文件复制性能瓶颈及解决方案，最后提供实用建议和测试指南。Windows 11 vs Windows 10 文件复制性能对比现有测试表明，在相同硬件条件下，Windows 11并未必优于Windows 10。例如Tom’s Hardware一项使用相同老旧硬件（ThinkPad X220 i5+HDD）的测试发现，Win11在绝大多数项目中最慢，仅在“文件传输”这一项排名第二，仅次于Win10。这说明Win10在文件复制上略占优势。微软内部测试偏向高端配置，但用户实际对比也发现Win11对随机/小文件写入有明显拖慢：微软技术社区和十一（Eleven）论坛用户反馈，某Win11系统复制大文件时CPU飙高却速率骤降；而相同平台在Win10下并无此问题。微软支持论坛和用户报告均指出，“Windows 11中出现这种随机写入速度下降问题，而同机型的Windows 10没有”。这表明Win11对NVMe设备或文件系统的管理更保守或复杂。另一方面，Win11 24H2在ReFS文件系统引入了“Block Cloning”特性：官方称在ReFS卷上复制大文件可提速18%–94%。这表明文件系统本身优化潜力巨大，但常见笔记本多用NTFS或FAT格式。文件复制测试示例以复制单个大文件为例，假设源文件路径为 C:\TestData\bigfile.dat（10 GB），目的地为 D:\Backup\bigfile.dat，使用Windows资源管理器（或 robocopy）执行拷贝。对于最新的Windows 11旗舰机（Intel Ultra 7 + 32GB + PCIe 4.0 NVMe），实测中前几秒速度可达3–4 GB/s（利用SSD SLC缓存），但随着写入继续，“速度骤降到仅约150–500 MB/s”并稳定在该水平。此时CPU占用率往往不低（部分线程满载），因为操作系统需要频繁刷新缓存与写元数据。原因在于现代SSD使用伪SLC缓存来加速写入，一旦SLC缓存写满，就会出现“悬崖式”掉速：如分析所示，速度常从GB/s级别骤降到几百MB/s。相比之下，同样任务在7年前的Win10笔记本（2018年i7 + 16GB + PCIe 3.0 NVMe）上，虽然写入速度相对比读取速度要慢，但稳定写入速率可能能持续在800MB/s–1GB/s左右，且CPU占用可能更低一些，因为该平台对并发缓存机制略简单。举例数据：一个实际案例中，Win11机完整复制6.7GB文件耗时约7秒后速率骤降到最终极慢，而某旧款Win10机同样拷贝可能保持在1GB/s，耗时长但更平稳。对于小文件拷贝（如1万+个1 MB文件），资源管理器会为每个文件逐一操作（分配空间、写入数据、更新MFT和日志、计算进度等），开销巨大，整体吞吐往往只有数十MB/s，且CPU几乎100%忙于处理目录和安全扫描。同时，不同驱动影响也不可忽视：例如使用Intel RST驱动的模式在Win10下可能与Windows内置NVMe驱动（Win11推荐方案）性能略有差异；SSD厂商白皮书通常给出不同驱动下的性能测试数据。测试方法建议列出：单线程拷贝（Explorer或 robocopy/MT:1），记录总耗时和平均速度；对比多线程并发拷贝任务；拷贝前后使用 fsutil behavior queryDisableDeleteNotify 确保TRIM已启用；关闭Defender或实时扫描以免干扰（可观察见）；在固定电源计划下（详见下文）进行测试。如源文件与目标卷都支持NTFS/ExFAT，则按需分别测试单大文件和许多小文件情况，记录吞吐和延迟（可用资源监视器或 perfmon 计量）。文件复制 vs 合成基准测试合成基准工具（如CrystalDiskMark、ATTO、AS SSD等）测量的主要是SSD在理想条件下的峰值性能，而非文件复制中的真实表现。例如，CrystalDiskMark默认使用单方向、大块(1MiB)、高队列深度(QD=8)*测试：它只读或只写，不涉及NTFS元数据更新；其 SEQ1M Q8T1 测试往往完全跑在SSD的SLC缓存内，因此可以轻易达到官方标称速度（几GB/s）。但Windows资源管理器的复制操作是*读写并行的（源读+目标写），并且单线程（QD=1）、固定小缓冲区，还要不断更新文件系统索引、NTFS日志及计算进度。这意味着实际文件复制的速率往往远低于CDM或ATTO的高分值。例如Brent Ozar说明：CDM的“SEQ1M Q8T1”意味着8个并行队列请求，能够充分填满NVMe队列；而实际文件复制更类似于“SEQ1M Q1T1”。AS SSD通常使用QD=1顺序读写，也更贴近单流表现；ATTO则只测序列读写（一般QD=1）。但这些工具仍然缺乏文件系统开销和缓存耗尽后的表现。综上所述，真实用户体验反映在实际文件拷贝中更接近于低队列、持续写入下的表现，如果结果远低于合成测试要属正常。建议测试流程：使用 robocopy或专门工具（如DiskBench）实际拷贝大文件并测量速度，同时使用CrystalDiskMark的低队列单线程（SEQ1M Q1T1）和AS SSD Seq测试对比，观察SLC缓存耗尽前后的速率，以此了解SSD的持续性能和OS开销。ATTO和CDM可用于验证硬件“最大理论值”，但评测拷贝问题时更应关注单线程、实际文件测试结果。PCIe 4.0 SSD 对比表即使都是PCIe 4.0接口，主控厂商、NAND类型和DRAM缓存的不同会导致性能差异巨大。下表列出几款具有代表性的PCIe 4.0 M.2 SSD，以及其控制器、NAND工艺、DRAM配置和性能指标（部分数据来自官方及评测）：说明：以上读写和IOPS数据多为厂商标称峰值或评测Peak值；实际持续写入速度通常低于峰值，受SSD容量、热节流和SLC缓存大小等影响。如Corsair MP600 LPX在2TB下标称顺写6800MB/s，但大量测试发现SLC缓存满后可降至几百MB/s。此外表中未列出的控制器（如Phison E18、Silicon Motion SMI等）和新型164层、232层NAND也存在类似差异，选择SSD时务必参考最新评测。专业诊断工具与故障定位流程对于笔记本M.2 SSD问题，有条件的话可以使用Saniffer推荐的一些工具进行深入分析：SerialTek PCIe分析仪（Kodiak系列）：可捕获主机与SSD之间的完整PCIe信号和NVMe协议交互，并与Quarch PAM结合记录每条电源线的实时电流和功耗。例如它能同时看到PCIe数据信号和侧带信号（如PERST#、WAKE#等）。Quarch PAM (Power Analysis Module)：插入SSD电源轨（或用适配卡），以每4μs对电压/电流精确采样，记录功耗曲线。可捕捉电源上升沿、栅极扫描、侧带信号变化等。通过PAM，能看到SSD进入深度睡眠(L1.2)时功耗骤降，以及唤醒时功耗尖峰。Quarch Breaker (信号破坏器)：可快速断开/接通SSD供电或PCIe信号，用于模拟插拔、复位或错误注入。例如可以人为触发SSD复位序列，观察系统反应。Quarch PPM (Power Profile Module)：自带可调稳压电源，对被测SSD供电并可精确调整电压和瞬时丢失电源时间。适用于电压裕量测试（Margining）和模拟突然掉电等场景。下图以流程图形式展示一个诊断“复制慢”问题的思路：此流程首先根据表现区分热节流与电源管理问题，然后利用SerialTek+Quarch PAM判断PCIe链路和功耗变化（如L1.2唤醒时的延迟和功率峰值）。如确认为L1.2问题，可按建议关闭NVMe ASPM；如为热力学问题，则需改善散热。对疑难信号问题还可用Quarch Breaker注入信号干扰或复位脉冲，用PPM测试SSD对电压变化的敏感度。以上工具均来自NVMe/PCIe测试行业，能检测信号完整性、协议错误和电源异常。例如如果抓包发现NVMe命令重传或死锁，就可能是固件BUG或驱动兼容问题，此时尝试更新固件或回退驱动；如果PAM记录到未预期的功耗抖动，则可能是主板供电不足或电压调节器问题。常见问题与诊断工具对应典型的PCIe M.2 SSD故障和对策包括：热节流（Thermal Throttling）：SSD温度过高时写速下降。iFixit测试表明，在某MacBook Pro上SSD温度超过68°C时，90秒后写入速率下滑44%。解决方法是改善散热（加散热片、保持良好空气流通）。问题检测可通过HWinfo监控SSD温度或通过持续写入观察性能曲线。PCIe L1.2低功耗唤醒延迟：Windows默认开启NVMe ASPM L1.2，会在闲置后首次I/O引入8–12ms延迟。症状是每次复制中途停顿，然后加速恢复。使用SerialTek+PAM可观测到链路进入L1.2和功耗降低，而唤醒时出现功率峰值。此问题可通过“高性能”电源计划或在高级设置中关闭PCIe链路省电来避免。固件或驱动BUG：有时SSD控制器固件会出现内部错误（如缓冲区溢出、指令挂起等）。可用SerialTek捕获NVMe命令流并检查错误码或重传情况。如果怀疑此类问题，可用Quarch Breaker插入错误以复现场景。解决方案是更新固件和驱动程序，厂商常发布修复固件。BIOS/主板设置错误：如PCIe通道限制、NVMe模式（AHCI/VMD）错误等，可导致性能下降。使用SerialTek分析可验证链路协商速率和通道数（例如检查是否真正以PCIe 4.0 x4运行）。如发现主板强制在Gen3或共享带宽（某些笔记本将M.2与显卡/雷电共享），需在BIOS设置中调整或换用PCIe 4.0通道。供电不足/干扰：移动设备节能会在SSD上施加低压或掉电以省电，此时使用Quarch PPM模拟电压突降或闪断可检验SSD反应。SerialTek/PAM可监测到主板电压调节器输出异常时SSD功耗波动。问题可通过BIOS关闭低压模式或在关键时刻提升供电裕量来解决。共享通道/命名空间问题：笔记本上M.2通道有时与其他设备共享（如带宽给Wi-Fi/Thunderbolt），或者存在多命名空间配置（企业级）。这些问题通常通过软件确认：例如检查Windows设备管理器的命名空间列表，或用硬件信息软件查看总线拓扑。L1.2 低功耗状态问题详解PCIe L1.2是一种链路低功耗状态，当NVMe设备闲置一定时间后进入。由于链路深度睡眠，每次恢复通信需要“唤醒”过程，这会造成高延迟：如上所述，Windows 平衡电源计划默认开启L1.2，使第一次I/O延迟增加8–12ms。症状表现为每次复制停顿（特别是在文件复制间隔出现的阵发性停顿）和第一个IO延时。重现方法：在执行复制过程中故意等待数百毫秒，再观测后续写入延迟；或用十字网卡并行测试。可用SerialTek检查PCIe信号：如果长时间无数据后链路进入L1.2，可在链路状态指示和Quarch PAM记录中观察到电压下降。要确认此问题，可对比在“平衡”与“高性能”计划下的复制速度，通常高性能计划（禁用L1.2）可以显著减少停顿。Windows上，解决方案包括在高级电源选项中找到“PCI Express – 链路状态电源管理”将其设为“关”，或修改注册表/组策略禁用NVMe节能（见《技评》）。在Linux系统，则通过修改 /etc/modprobe.d 禁用 NVMe 省电策略。测量工具：可以使用 perfmon 或 Windows API 观察 NVMe 寄存器功耗状态（如 NVMe Capabilities 的 PS Max Latency），或用SerialTek+PAM抓取低功耗进入时的功率下降及唤醒上的功率尖峰，以验证链路进入/退出L1.2的时序。实用建议对比测试：在自己的笔记本上，先关闭杀毒及Windows索引，确保TRIM已启用，然后在“高性能”电源计划下，用 robocopy/J（无缓冲）或 dd式工具拷贝一个大文件（如10–20 GB），记录平均速度和CPU占用。再运行CrystalDiskMark的SEQ1M Q8T1和SEQ1M Q1T1测试，以及AS SSD顺序读写测试，对比理想和实际值。建议也用并发小文件复制（例如脚本创建大量1MB文件）测试小文件场景。BIOS/硬件设置：确认BIOS已启用PCIe 4.0 x4模式（用 hwinfo64检查NVMe控制器所连接的PCIe版本）。如果存在NVMe共享或节能选项，可尝试调整或禁用。为SSD增加散热（贴金属散热片或购买带散热片版本），避免长时间满载时热降速。更新驱动与固件：确保使用Intel RST或主板推荐的存储驱动；SSD固件应更新至最新版本（许多厂商SSD管理软件如Samsung Magician、Crucial SE可自动化升级）。最新Win11版本也会修复部分NVMe驱动问题。测试工具推荐：除了合成基准(CrystalDiskMark、AS SSD、ATTO)外，还可使用PCMark 10的Storage压力测试或Samsung/Intel自带的大文件复制测试脚本。另外，PowerShell的 PerformanceCounter 或系统监视器可记录文件复制过程的延迟和CPU负载。对于开发者，可尝试DiskBench等专用软件，更贴近日常文件操作场景。电源策略设置：如果遇到明显的间歇性停顿问题，应在控制面板高级电源选项中将“PCI Express/链路状态管理”设为“关闭”；并使用“高性能”计划测试。此外，可在注册表或电源cfg中关闭NVMe驱动的APST功能，以减少延迟。防病毒设置：对于复制大量文件的测试，应暂时关闭实时防护或将目标目录排除在扫描之外，以排除安全扫描带来的额外开销。通过以上分析和测试，可以帮助用户和评测人员定位Windows文件复制性能瓶颈，并采取针对性的优化措施。最后建议：仅参考合成成绩容易导致误判，应以实际场景测试为准；同时密切关注系统更新和SSD厂商的技术公告，以获取最新的性能修复和优化提示。更多关于PCIe 5.0/6.0，CXL, SSD等的测试工具和技术，可以查看Saniffer公司2026.2.24最新更新的白皮书15.1版本，我们已经整理收录在Saniffer公众号的【白皮书】菜单中。欢迎关注Saniffe公众号，点击底部菜单栏即可免费获取。如有任何技术问题，也可直接在公众号内留言交流。

很多人这两年谈液冷，关注点几乎都集中在：CDU冷板（Cold Plate）Manifold快接头泵流量漏液检测冷却液配方浸没式 vs 冷板式但实际上，在越来越多AI数据中心真正开始大规模部署液冷之后，业内正在慢慢意识到一个过去很少被认真讨论的问题：“液冷系统里面流动的冷却液，本身到底是不是健康的？”这个问题，过去在很多传统数据中心里并不突出。 因为以前服务器功耗没那么高，液冷规模也没那么大。但随着H100、B200、GB200、MI300这一代AI GPU不断推高单柜功耗，液冷系统已经开始从“辅助散热”，变成数据中心的“生命系统”。而一旦液冷系统内部出现问题，影响的可能不是一台服务器，而是整个集群。最近，在和业内一位长期做液冷监测方向的工程师交流时，我第一次真正意识到：原来液冷行业，已经开始有人在研究一种“冷却液健康监测器（Coolant Health Monitor）”。而且，它监控的还不是传统意义上的：温度流量压力而是：冷却液里的铜离子腐蚀抑制剂（azole）biocide（杀菌剂）生物污染（细菌增长）冷却液长期化学变化这些以前很多人根本不会想到的问题。更有意思的是，这些新的技术其实有点像：“液冷系统的在线体检仪”。为什么液冷系统最怕的，可能不是漏液？很多刚接触液冷的人，第一反应通常是：“液冷最怕的不就是漏液吗？”但真正做大型液冷运维的人会告诉你：漏液反而很多时候是最容易被发现的问题。真正难处理的，是：慢性腐蚀冷板内部材料老化冷却液污染微生物增长管路长期化学变化inhibitor，例如铜腐蚀抑制剂耗尽这些问题，往往不是几小时发生的。而是：几个月、甚至一年以后，系统开始慢慢“生病”。最可怕的是：你一开始根本看不出来。冷却液里面为什么会出现“铜”？上图：随着试管内“铜腐蚀抑制剂”的耗尽观察到的铜的腐蚀在实验室逐渐腐蚀的例子这个其实是整个技术路线里最让我觉得“有意思”的地方。他们现在第一代产品，重点就是检测：冷却液中的铜离子浓度。为什么是铜？因为很多冷板、热交换器、散热结构内部，本身就使用铜材料。如果冷却液里开始持续出现铜离子：通常意味着：系统内部已经开始发生腐蚀。也就是说：系统表面上可能还在正常运行，GPU温度也没问题，但实际上内部材料已经在慢慢被“吃掉”。而传统液冷系统，很多时候并不知道这件事。于是你会发现：半年后流量下降一年后堵塞两年后冷板性能恶化某些区域开始析出污染物很多问题最后查半天，才发现是冷却液体系早就出了问题。而他们现在做的事情，本质上就是：尝试把这种“慢性疾病”提前可视化。液冷行业，其实已经开始遇到“化学问题”了这家公司在交流时提到一句让我印象非常深的话：“做液冷监测，到最后会发现，自己越来越像化学公司。”因为真实的数据中心冷却液，并不是：“水 + 管子”这么简单。里面往往会有：丙二醇（propylene glycol）去离子水corrosion inhibitor（腐蚀抑制剂）azole类保护剂biocide（杀菌剂）而这些东西：会互相反应会随着温度变化会随着时间老化会逐渐耗尽也就是说：未来液冷系统真正复杂的地方，很可能不是机械结构，而是：“长期化学稳定性”。这其实和传统汽车冷却系统越来越像。只不过：AI数据中心的功耗密度、流量规模、运行时间，要恐怖得多。数据中心液冷系统，已经开始遇到“细菌问题”交流里还有一个特别有意思的话题。有人提到：之前和某大型互联网公司海外数据中心运维团队交流时，对方最头疼的问题之一，居然是：液冷系统里的细菌。而且：即使已经加入大量biocide（杀菌剂），问题依然很严重。更麻烦的是：长期使用同一种biocide后，细菌会逐渐形成耐受性。听到这里时，对方工程师直接说了一句：“这其实就像人类长期使用抗生素后出现耐药性一样。”这一点其实很多做IT的人以前根本不会想到。因为大家默认：数据中心 = 电子设备。但液冷时代以后：数据中心正在越来越像：化工系统水循环系统工业冷却系统甚至开始出现“微生物治理”问题。未来的数据中心，可能会出现“冷却液运维工程师”这是我听完整个交流后最大的感受之一。过去的数据中心运维，主要是：电网络空调服务器但液冷时代之后，未来很可能会多出来一个新角色：“冷却液健康运维”。因为很多问题，不再只是：温度高不高泵转不转流量够不够而是：inhibitor还有多少铜离子是否异常是否开始生物增长杀菌剂是否失效冷却液是否老化这已经不是传统IT运维逻辑了。而更像：半个化学实验室。为什么这类监测工具会越来越重要？因为AI数据中心正在进入一个新阶段：以前：一台服务器坏了，问题不大现在：一个液冷系统可能对应上千块GPU一旦液冷体系出问题：损失非常巨大。尤其未来：NVL72超高密度机柜100kW+200kW机柜越来越普及后：液冷系统本身的可靠性，会变得和GPU本身一样重要。而过去很多液冷系统，其实缺少：“长期在线健康监测能力”。所以这类产品真正的价值，不一定是：“发现已经坏掉的系统”。而是：在系统真正坏掉之前，提前几个月看到趋势变化。这才是它最有意思的地方。一个很容易被忽略的趋势：液冷正在从“硬件问题”变成“系统工程”整个交流过程中，还有一个很明显的感受：真正成熟的液冷系统，未来一定不是：“买个CDU接上就结束”。而是：化学材料流体软件长期数据分析预测性维护在线监控全部结合在一起。甚至他们的软件系统，已经开始强调：长时间日志记录趋势分析周级别运行观察自动采样长周期数据追踪因为很多液冷问题：根本不是瞬间发生的。而是：“系统慢慢变坏”。这其实和今天AI服务器的发展方向非常一致：未来真正重要的，不只是“性能”，而是：“长期稳定运行能力”。结语：液冷行业，正在进入“看不见的问题”时代过去几年，液冷行业最吸引眼球的是：快接头CDU冷板漏液浸没式但未来几年，真正难的问题，可能恰恰是那些：肉眼看不见的问题。例如：腐蚀化学失衡微生物增长冷却液老化inhibitor耗尽长期污染而这类“在线冷却液健康监测”技术的出现，其实说明整个行业正在逐渐成熟。因为只有行业真正开始大规模部署、长期运行之后，大家才会意识到：原来液冷系统真正复杂的地方，并不只是“把热带走”。而是：如何让整个冷却系统，稳定健康地运行很多年。如果大家对于本文讨论的内容感兴趣，可在公众号后台留言，大家可以多多进行经验交流和分享，共同研究如何有效地促进数据中心，尤其是大型互联网数据中心针对AI训练和推理使用的液冷技术的发展和进步。

周六下午和一家PCIe 5.0 M.2 NVMe SSD公司的AE (application engineering) 部门做了一场技术交流，我觉得他们针对M.2 SSD日常碰到的问题的诊断、分析的困扰非常具有代表意义，反馈的问题也很典型，有必要放在这里给大家分享一下。我们主要围绕下面这些主题依次展开讨论：PCIe 5.0 M.2 NVMe SSD 的研发与验证M.2 SSD 在低功耗场景中的调试难点PCIe 协议分析仪在 NVMe SSD 调试中的作用SATA SSD 与 NVMe SSD 的历史与测试差异企业级 SSD（U.2/U.3/EDSFF）与消费级 M.2 SSD 的区别PCIe Low Power（L1.2）问题及如何使用Quarch PAM有效分析这些问题NVMe SSD性能与协议层分析方法说明：其实我们2025年底也发了一篇文章，通过PCIe M.2协议分析仪实际演示讲述：笔记本电脑出现蓝屏、死机、慢、不稳定是这样连接分析M.2 SSD的；以及通过全球SSD业内都在使用的quarch公司的PAM分析由于L1.2低功耗导致的M.2 SSD问题的文章：如何有效分析笔记本电脑的低功耗？当然，对于quarch的QPS(quarch power studio)细节感兴趣的也可以进一步看这里：如何监控和快速分析各类接口SSD和PCIe 插卡的功耗、sideband信号？PCIe 5.0 M.2 NVMe SSD 测试技术交流小结一、交流背景与参与人员交流时间约 2 小时。 用户参会人员包括：SSD 厂商 AE（Application Engineer）NPI产品导入工程师客户目前主要从事：PCIe 5.0 M.2 NVMe SSD（消费级）研发、应用工程支持与后续产品导入。交流初期，客户提到：之前主要使用 SATA SSD以及 PCIe 3.0 / PCIe 4.0 SSD曾经使用过一些PCIe协议分析仪，但是在分析低功耗L1.2以及上电时序的时候，不得不配合示波器和逻辑分析仪，需要3个部门同时参与，只是为了同时抓取PCIe协议packet和对应的sideband信号，调试问题非常不方便平时更多是在研发阶段前期、测试阶段使用PCIe协议分析工具当产品成熟后，协议层问题相对较少同时也提到：遇到过之前PCIe协议分析仪“抓不到数据”以及“丢数据”的问题这一点后续自然引出了：M.2 NVMe SSD 的低功耗抓包问题。二、SATA SSD 与 NVMe SSD 的历史演进我们在交流中花了较长时间回顾了传统SATA SSD和最近10多年来主流的NVMe SSD的发展历程：SATA SSD → NVMe SSD 的产业演进过程重点包括：1）2011~2012 年是 NVMe SSD 的关键转折期当时 PCIe SSD 上层协议有多个竞争方向：SCSIe //* SCSI over PCIeSATA Express //* 即ATA over PCIeNVMe最终：NVMe 在 2012 年后成为主流标准。这里特别要注意，很多 SSD 厂商当年的NVMe 团队都是并行开发两个协议：即，企业级SSD同时押注NVMe和SCSIe，消费类SSD同时押注NVMe和SATAe，事后我们知道是NVMe一统江湖，但是当时行业并不确定：最终到底哪种协议会胜出。2）SATA SSD 目前仍存在，但主要用于：工业控制军工嵌入式老平台维护部分低成本市场交流中还提到：部分海外市场（例如南美的类似于沃尔玛等这类大卖场针对个人用户的消费类电子产品） 仍存在大量低成本 SATA SSD在销售。但很多：控制器质量差Flash 品控差拆机 NAND黑片 NAND导致：掉盘、稳定性问题频繁。三、当前 NVMe SSD 接口形态讨论我们随后也讨论了：PCIe 5.0 SSD 当前主流接口形态包括：M.2U.2 / U.3EDSFF（E1.S、E3.S 等）1）客户当前产品：PCIe 5.0 x4 M.2 消费级 SSD客户明确表示：目前主要是：M.2x4消费级未来可能向：PCIe 5.0企业级 SSD扩展。2）PCIe 6.0 对接口的影响交流中重点提到：PCIe 6.0 时代：EDSFF 将成为主流。原因包括：信号完整性问题M.2/U.2 在 64GT/s 下难度过高PCIe 6.0 对连接器、走线要求极高同时也提到：虽然市场上短期内 M.2 仍会存在，但长期：企业级 PCIe 6.0 SSD 会越来越偏向 EDSFF。四、企业级 SSD 与消费级 M.2 SSD 的差异我们也详细解释了：企业级 SSD 的 Dual Port 机制包括：Single PortDual Port的区别。Dual Port SSD 特点典型用于：银行电信医疗税务高可靠系统特点：同一 SSD 可建立两条 PCIe Link（2条Gen5 x2 link)一主一备提供冗余访问路径但：两条链路不能同时写同一数据区域。否则会造成数据破坏。M.2 SSD 特点M.2 主要面向：笔记本消费级PADClient 平台不涉及 Dual Port。五、交流核心：M.2 SSD 低功耗问题这是我们本次讨论最多，也是用户问题最多的部分。重点围绕：PCIe L1.2 Low Power State展开。1）为什么 M.2 SSD 特别容易出问题？原因：笔记本平台大量使用低功耗机制。我们知道：现代笔记本为了待机续航：CPUPCIe PHYREFCLKPLLSSD都会快速进入：L1.2 深度低功耗状态。2）L1.2 的典型行为交流中详细讲解：L0：正常工作状态L1：低功耗状态L1.0 / L1.1 / L1.2其中：L1.2 是最深度低功耗。特点：PLL 关闭REFCLK 关闭TX, RX, PHY 关闭SSD 内部部分逻辑关闭 (PS4状态 - power state 4)优点：功耗极低缺点：唤醒复杂。3）CLKREQ# 信号的重要性SerialTek是业内唯一可以同时实时监控所有sideband边带型号的协议分析仪，非常好用，交流中特别强调：CLKREQ是观察：进入低功耗退出低功耗最关键的边带信号之一。典型行为：拉低：退出低功耗拉高：进入低功耗同时：PCIe Link 会重新经历：RecoveryLTSSMRetraining过程。六、协议分析仪在低功耗调试中的作用我们重点讨论了：为什么传统协议分析仪经常抓不到低功耗下 M.2 SSD 的问题。核心原因：低功耗切换过程中PCIe协议分析容易丢包。1）协议分析仪需要同时抓：PCIe TrafficCLKREQ#PERST#SidebandLTSSMPower State否则：很容易误判。2）我们知道：这么多年来，已经持续得到市场验证，传统的PCIe协议分析仪：在 M.2 低功耗场景下全部都会丢数据。尤其：L1.2RecoveryRetraining过程中。目前全球只有一家公司的产品，即SerialTek PCIe 5.0 M.2协议分析仪这方面做的最好：更适合 M.2 NVMe SSD 抓包。因为：Sideband 抓取更完整Low Power 状态处理更稳定七、LTSSM 与链路训练分析我们也花了大量时间：解释 LTSSM。包括：DetectPollingConfigRecoveryL0等状态。并结合：协议分析仪 Timeline 界面，讲解：如何观察：建链Recovery低功耗退出链路恢复过程。从中可以看到Ordered Set, packet以及CLKREQ#的同步关系，参见下图，绿色代表L0状态，紫色表示L1.2低功耗状态：下图是一张全貌图，从上面时间轴可以看出，CLEREQ#反复拉高、拉低进出L1.2低功耗，同时出低功耗后重新进入L0后，读写ssd的时候LED#的闪烁情况。八、NVMe 性能分析方法我们也重点根据用户日产碰到各类笔记本上观察到NVMe SSD性能不好的情况提供了如何使用SerialTek PCIe协议分析仪来分析这些问题的思路和方法，包括NVMe 延迟统计、TLP延迟分析、Flow Control流控分析等等，首先可以从：NVMe Command 和I/O Latency 分析。包括：QueueRead CommandWrite CommandCompletionTLP等。下图是一个所有NVMe I/O队列里面最快和最慢的I/O的图形统计，左边绿色是最快的，右边红色的是最慢的。下图是点击一笔非常慢的I/O操作同步到这边具体NVMe 命令的图片和命令解码。下面是NVMe ADMIN CMD的延迟分析，这个一般即便得到ms或者几十ms也问题不大，因为平时不是很多。1）分析思路不仅看：PCIe Link Speed还要看：NVMe Queue //* 重点看NVMe I/O延迟分析Completion DelayTransaction Latency //* 重点看TLP transaction 延迟分析，包括flow control流控分析。TLP 延迟 //* 参见下图，NVMe传输依赖于底层TLP传输，所以TLP延迟大，那么NVMe读写肯定慢。2）举例交流中举例：某些 NVMe 命令：达到：1.5 ms已经明显偏慢。因为：正常很多 I/O：通常：数十微秒百微秒以内3）性能慢的原因可能包括：主控NANDFlow ControlCPU 平台OS信号完整性低功耗切换Firmware等。九、Windows 10 与 Windows 11 性能差异讨论我们讨论过程中也插入了一个非常有意思的话题，就是我们在实际使用笔记本的过程中观察到：Windows 11 在某些 SSD 场景下明显慢于 Windows 10。其实，这与：文件系统NVMe StackOS 内核处理方式有关。同时也提到：不同 SSD：即使：PCIe Gen4 x4参数一致实际体验仍差异很大。其实，关于这块的更深入的分析，请添加Saniffer公众号，我们有一篇关于这方面的详细的讨论，包括我最近在2024年和2025年当年度购买的ThinkPad x1 Carbon配合最新的PCIe 4.0 M.2 SSD反而总体性能，包括专门的文件拷贝性能远低于7-8年前ThinPad x1 carbon 笔记本配合当时的PCIe 3.0 x4 M.2 SSD(Samsung 970/980 M.2 SSD)的情况，这里面问题比较复杂，不是一句两句话可以说的清楚的。具体请查询《深度揭秘：为什么最新Windows 11笔记本复制大文件竟不如旧款Windows 10？》十、流控（Flow Control）问题讨论中我们也提到在高负载NVMe SSD读写压力下：SSD Flow Control也是协议分析的重要观察点。即：SSD 因内部处理不过来，通知 Host：暂停发送。如果大量发生：Credit 不足Flow Control Stall可能意味着：NAND 忙Firmware 调度问题缓存机制问题主控瓶颈最终：导致性能下降。十一、本次交流几个非常关键的核心观点1）M.2 NVMe SSD 最大调试难点：不是协议本身，而是低功耗切换。2）PCIe 5.0 后：Recovery / L1.2 / Retraining越来越重要。3）协议分析：不能只看 TLP。必须：看 LTSSM看 Sideband看 Power State看 CLKREQ#4）很多“偶现掉盘”或者笔记本的蓝屏、死机等现象导致的根源：本质上是：低功耗兼容性问题。5）PCIe协议分析仪：已经不仅是“抓包工具”。而是：PCIe/NVMe 系统级调试平台。总结整体来看，这场这次讨论非常典型地反映了：当前 PCIe 5.0 M.2 NVMe SSD 的真实研发、测试、包括AE/FAE支持客户碰到的问题难点。重点已经不只是：Gen5 x4 跑起来带宽够不够而是：低功耗、稳定性、 兼容性、 长期运行、 Recovery、 LTSSM、 系统协同。尤其在：笔记本Client 平台AMD 平台Windows Modern Standby场景下，L1.2 已经成为：M.2 NVMe SSD 调试最核心的问题之一。更多关于PCIe 6.0/CXL的测试工具和技术，请下载Saniffer公司2026.1.6最新更新的白皮书15.1版本 - PCIe5&6.0, CXL, NVMeNVMoF, SSD, NAND, DDR5, 800GE测试技术和工具白皮书_ver15.1-low resolution.pdf（低分辨率版本，file size: 63MB）；需要高清图片pdf版本的请参见本文底部的联系方式联系我们获取（file size: 204MB)链接: https://pan.baidu.com/s/1R-tJEqwBlzBaDR0WLuMU0Q?pwd=9av3 提取码: 9av3如果你有其任何关于PCIe5&6.0, CXL, NVMe/NVMoF, NAND, DDR5/LPDDR5以及UFS测试方面的我问题想咨询，请访问：访问www.saniffer.cn / www.saniffer.com 访问我们的相关测试工具和产品；或者添加点击左下角“阅读原文”留言，或者saniffer公众号留言，致电021-50807071 / 13127856862，sales@saniffer.com。

我们前天发了一篇文章，介绍了一下SerialTek的PCIe 6.0 协议分析仪、训练器以及其CTS成为PCI SIG正式批准的Gold Suite approved for PCIe 6.0 Link and Transaction Layer Endpoint Testing，也就是业界我们经常说的SerialTek成为官方指定的PCIe 6.0协议层兼容性测试服务提供商，全球任何公司的PCIe 6.0产品只要在PCI SIG组织的PCIe 6.0 workshop通过SerialTek的PCIe 6.0 CTS测试就可以成为官方认证产品。这个是在2026年5月6日至7日在加州圣克拉拉会议中心的2026年PCI-SIG®开发者大会正式宣布的。我们今天进一步介绍一下今年这次非常重要DEVCON 2026的一些情况。【DEVCON 2026观察】PCIe 6.0 正在进入“真正可落地”的阶段：从协议分析、CTS 到 AI 服务器互操作性2026 年 5 月，对于 PCIe 产业来说，是一个很值得记录的时间点。一方面，PCI-SIG Developers Conference（DEVCON 2026）于 5 月 6-7 日在美国 Santa Clara Convention Center 举办；另一方面，就在 DEVCON 前夕，PCI-SIG 官方批准了 PCIe 6.0 Link & Transaction Layer CTS（Compliance Test Suite）相关测试平台的新进展，其中一个引起业内关注的消息是：SerialTek Kodiak 平台正式获得 PCI-SIG 的 Gold Suite Approved for PCIe 6.0 Link and Transaction Layer Endpoint Testing。如果把 PCIe 6.0 过去几年的发展划分阶段，那么：2022~2024：更多是 PHY、电气层和 PAM4 bring-up；2024~2025：进入大规模 Pre-FYI、互操作性验证；具体可以到本文底部下载或者联系我们Saniffer，你可以查看Saniffer公司编写的《PCIe5&6.0, CXL, NVMeNVMoF, SSD, NAND, DDR5, 800GE测试技术和工具白皮书_ver15.1》的章节1.4：PCIe 6.0/CXL3.0协议的最新进展（截至2026年）获得更多信息。2026：则开始明显进入“正式合规验证（Compliance）”阶段。而这一变化，在今年 PCI-SIG DEVCON 2026 的各种议题、演讲、展示和会后讨论中，已经越来越明显。一、PCIe 6.0：行业已经不再讨论“要不要做”，而是在讨论“怎么验证”过去几年，PCIe 6.0 最容易吸引眼球的，通常是这些关键词：64 GT/sPAM4FLIT ModeFEC256 GB/s x16AI/HPCCXLPCI-SIG 官方对于 PCIe 6.0 的描述也很明确：PCIe 6.0 在保持低延迟的同时，将带宽相比 PCIe 5.0 再次翻倍，并继续成为 AI、HPC、数据中心、高性能存储等场景的关键互连标准。但真正进入工程落地后，产业开始发现：PCIe 6.0 最大的挑战，也许已经不是“速度”。而是：“复杂系统下的协议一致性与互操作性”。因为到了 PCIe 6.0：PAM4 带来更高 BER 压力；FEC 和 FLIT 改变了传统错误恢复模型；Retimer、Switch、GPU、SSD、NIC 组合越来越复杂；AI 服务器的 PCIe Fabric 规模越来越大；CXL 与 PCIe 深度耦合；多 CPU、多 GPU、多 Root Complex 场景越来越普遍。很多问题开始变成：能训练，但长时间运行后偶发掉链；能跑 benchmark，但实际 AI workload 下出现 replay storm；某些 SSD 在特定 Switch 下 Recover 异常；Retimer 与 Endpoint 组合在 FLIT mode 下出现兼容性问题；不同厂商 PHY 在边界条件下行为不一致。所以：2026 年之后，PCIe 6.0 产业重点已经明显转向：“Protocol Compliance + Interoperability”。二、DEVCON 2026：PCIe 6.0 议题已经全面“工程化”从 PCI-SIG 官方公开的 DEVCON 2026 Agenda 来看，今年 PCIe 6.x 的议题已经非常偏向实际工程问题。例如：PCIe 6.x & 7.0 Protocol UpdatePCIe Compliance UpdatesFlit Error Injection at 64 GT/s Using Protocol TesterDesign Insights into Flit-mode Error and Replay MechanismsEfficient Strategies for TS0-Based Equalization Verification这些议题本身就说明：行业重点已经从“理论规范”，转向：“如何验证”。尤其是：Flit Error InjectionReplay MechanismProtocol ComplianceEqualization Verification这些关键词背后，其实已经是典型的：PCIe 6.0 调试现场问题。三、PCIe 6.0 生态正在快速形成从今年 DEVCON 的现场展示和会后报道来看，PCIe 6.0 的生态明显比 2024、2025 年成熟很多。目前产业链中已经形成了几个方向：1）IP / PHY 厂商包括：SynopsysCadenceAlphawaveRambus等。今年 DEVCON 上，Synopsys 展示了：PCIe 6.0 Root Complex ↔ EndpointPCIe 7.0 PHY128 GT/s 测试PCIe optical connectivity等内容。这意味着：PCIe 7.0 已经开始预研，但 PCIe 6.0 仍然是当前真正的主战场。SerialTek等领先公司已经在开发PCIe 7.0协议测试工具的过程中。Saniffer的重要合作伙伴SerialCables已经推出PCIe 7.0相关的连接解决方案。2）Switch / Retimer / Connectivity包括：BroadcomAstera LabsCredoSamtec等。尤其 AI 服务器正在推动：更长链路更多 Retimer更复杂 BackplanePCIe over opticsOCP NIC / EDSFF的发展。3）测试与协议分析这个领域的重要性，在 PCIe 6.0 时代明显上升。因为：PCIe 6.0 已经不是传统“抓包”逻辑。而是：ProtocolLink behaviorLTSSMReplayFLITFECEqualizationPower behavior共同耦合的问题。四、为什么 PCIe 6.0 CTS 开始变得如此重要？很多人过去理解 PCI-SIG Compliance：会觉得：“就是做个认证”。但实际上：PCIe 6.0 之后，CTS 的意义已经发生变化。因为：64 GT/s + PAM4 下，很多设备：“能工作” ≠“真正 interoperable”。PCI-SIG 官方在 DEVCON 和 Compliance Update 议题中， 已经越来越强调：Link Layer + Transaction Layer 的一致性验证。尤其：FLIT modeReplayOrdered setDLLPProtocol behaviorError handling已经成为 PCIe 6.0 的关键部分。这也是为什么：Protocol Layer CTS 正式发布，在 2026 年成为一个很重要的产业节点。五、测试工具也在发生代际变化PCIe 6.0 之后，传统协议分析仪也开始出现明显分化。因为工程现场开始出现几个新问题：1）Trace 太大AI 服务器、GPU、SSD、CXL 流量规模暴涨。很多问题：不是几秒钟触发。而是：几小时几天长时间运行后才出现。所以：深 Trace Buffer超长 Capture快速索引Snapshot Replay变得越来越重要。2）需要同时看 Link + ProtocolPCIe 6.0 的很多问题：单纯看 TLP 已经不够。必须同时关联：LTSSMReplayEqualizationFLITError injectionRetimer behavior3）功耗与协议开始耦合这一点在 AI 服务器中尤其明显。很多问题：表面是协议错误，本质可能是：电流尖峰Power IntegrityThermalRetimer Margin导致。六、PCIe 6.0 测试平台正在成为“基础设施”在这样的背景下，PCIe 6.0 测试平台的重要性正在快速提升。业内如SerialTek等厂商，都在强化 PCIe 6.0 / CXL 方向。其中一个比较值得关注的变化是：Protocol CTS 正在开始正式进入 PCI-SIG 官方生态。而就在 DEVCON 2026 前夕，SerialTek 官方宣布：其 Kodiak PCIe Protocol Test System 已正式获得 PCI-SIG 批准，可用于 PCIe 6.0 Link 和 Transaction Layer Compliance Testing。PCI-SIG 官方也明确表示：PCIe 6.0 Compliance Testing 需要严格 MOI（Method of Implementation）和验证流程， 确保测试平台能够正确执行 CTS 并准确输出 pass/fail 结果。七、为什么这个节点值得关注？因为这意味着：PCIe 6.0 已经开始从：“研发 bring-up”进入：“正式 Compliance Ecosystem”。而这对于：GPUSSDSmartNICDPUSwitchFPGAAI服务器CXL设备都会产生非常现实的影响。未来：是否通过 PCI-SIG Compliance、 是否进入 Integrators List、 是否具备稳定互操作性，会越来越影响产品导入和客户信心。八、一个容易被忽略的趋势：PCIe 6.0 与 AI 服务器正在深度绑定从这次 DEVCON 的各种展示可以明显看到：PCIe 6.0 的推进， 已经越来越不是传统 PC / Server 驱动。而是：AI / HPC 驱动。包括：GPU互联高速SSDCXL MemoryAI NICOptical PCIeRetimer Fabric都在推动：PCIe 6.0 进入真正的大规模部署阶段。甚至：PCI-SIG 已经同步开始讨论 PCIe 8.0 draft 0.5， 目标达到 256 GT/s。这说明：高速互连正在成为 AI 基础设施竞争核心。九、简单针对本次DEVCON 2026小结回头看 2026 年的 PCIe 产业，一个非常明显的变化是：行业已经开始从“追求速度”，转向“追求稳定互操作”。而：Protocol CTSCompliance WorkshopAuthorized Test LabIntegrators List的重要性，也开始快速提升。在这样的背景下，SerialTek 的 PCIe 6.0 Protocol Analyzer、Exerciser/Tester，以及其 CTS 获得 PCI-SIG 正式批准的 Gold Suite Approved for PCIe 6.0 Link and Transaction Layer Endpoint Testing，某种程度上也反映了：PCIe 6.0 协议测试生态，正在逐步成熟。更多关于PCIe 6.0/CXL的测试工具和技术，请下载Saniffer公司2026.1.6最新更新的白皮书15.1版本 - PCIe5&6.0, CXL, NVMeNVMoF, SSD, NAND, DDR5, 800GE测试技术和工具白皮书_ver15.1-low resolution.pdf（低分辨率版本，file size: 63MB）；需要高清图片pdf版本的请参见本文底部的联系方式联系我们获取（file size: 204MB)链接: https://pan.baidu.com/s/1R-tJEqwBlzBaDR0WLuMU0Q?pwd=9av3 提取码: 9av3如果你有其任何关于PCIe5&6.0, CXL, NVMe/NVMoF, NAND, DDR5/LPDDR5以及UFS测试方面的我问题想咨询，请访问：访问www.saniffer.cn / www.saniffer.com 访问我们的相关测试工具和产品；或者添加点击左下角“阅读原文”留言，或者saniffer公众号留言，致电021-50807071 / 13127856862，sales@saniffer.com。