4. 链路训练失败：根本原因分类
做链路训练失败分析，说白了就是翻来覆去找原因。
我自己的习惯是把问题分成三大类：电气问题、协议问题、环境问题。
为什么这么分？
因为你排查的时候，思路必须清晰。上来就怀疑协议，很可能忽略了最基础的信号质量问题。我在项目里见过不少人，折腾好几天，最后发现就是一颗电容焊歪了。
下面我展开聊聊这三类。每个问题我都会加点实际经验，希望能帮你少走弯路。
4.1 电气问题：基础不牢，地动山摇
电气问题，是链路训练失败里最常见的。
简单说，就是发送端发出的信号，到了接收端已经面目全非了。接收端没法正确解析，自然就训练失败。
核心矛盾：发送器驱动能力、通道损耗、接收器均衡能力的三角关系。
三者不匹配，链路就崩。
4.1.1 信号完整性问题（SI）
这个是重灾区。我几乎每个项目都会碰到。
- 过冲/下冲太大：驱动器摆幅过大，或者阻抗严重不匹配。信号像弹簧一样来回弹，接收器直接懵掉。
- 振铃严重：特别是高频信号，反射叠加，波形像煮粥一样。升不上去也降不下来。
- 眼图闭合：通道损耗太大，尤其是高频分量衰减严重。眼睛睁不开，采样点就不稳。
我常用的排查手法：
第一步，上示波器看眼图。先别管协议，就看波形。
如果眼图垂直张开度小于 30%，或者过冲超过 20%，基本就是SI问题。先调匹配，再看通道设计。
4.1.2 电源完整性问题（PI）
这个容易被忽视。很多工程师只看信号，不看电源。
链路训练时，收发器动态电流非常大。要是电源响应跟不上，电压瞬间就掉。参考电压一飘，接收阈值跟着变。
- 电源噪声：开关噪声耦合到参考电压上。
- 地弹：大量电流同时切换，地电位瞬时抬升。信号看起来没问题，实际参考点已经乱了。
- 去耦电容不足：高频能量没法就近吸收，全靠远处电源滤波，效果很差。
注意：
电源纹波 不要超过 1%，我一般要求 0.5% 以内。
曾经有个板子，链路死活训练不上。我摸了下电源芯片，烫得吓人。换了个输出能力更强的型号，问题立刻解决。
4.1.3 时钟抖动问题
时钟就是心跳。心跳不稳，整个系统都乱套。
链路训练时，收发器对时钟抖动的容忍度很低。特别是恢复时钟的CDR电路，遇到大抖动直接失锁。
- 随机抖动：热噪声、闪烁噪声引起。很难根治，只能靠电路设计控制。
- 确定性抖动：电源串扰、电磁干扰造成。这个能查，也能改。
- 总抖动：一般是两个加起来。规范要求总抖动小于 0.3 UI（单位间隔）。
4.2 协议问题：规则没玩明白
信号没问题，电源也没问题，那就要看协议交互了。
链路训练本质上是一个握手机制。两边要交换训练序列（TS）、协商速度、调整均衡系数。任何一步出错，训练就卡住。
4.2.1 LTSSM 状态机死锁
LTSSM 是链路训练和状态机。它规定了收发器该在什么时候做什么事情。
比如，从Detect进到Polling，再进到Configuration。如果某一步收不到预期的序列，状态机就会超时重试。重试次数多了，就死锁了。
- 状态机乱跳：收到错误序列，或者噪声触发了误判。
- 超时参数不合理：有些BIOS里可以配置等待时间。调得太短，链路还没稳定就开始训练，肯定失败。
排查建议：
我习惯抓逻辑分析仪波形。看两端有没有持续交换训练序列（TS1/TS2）。
如果一端发个不停，另一端没响应，基本就是死锁了。这时候可以复位或降低速度重新训练。
4.2.2 训练序列（TS）错误
训练序列里包含了很多关键信息：速度标识、均衡系数请求、链路号、通道号等等。
任何一个bit传错，都会导致接收端解析失败。
- CRC校验错误：序列被噪声污染，CRC通不过。
- 编码错误：8b/10b 或 128b/130b 编码出错。这通常和电气问题相关。
- 速度协商失败：双方支持的速率列表不对齐。你想跑 Gen4，对方只支持 Gen3，那就降级。
| 错误类型 | 典型表现 | 排查思路 |
|---|---|---|
| TS1 不匹配 | 链路反复在 Polling 状态循环 | 检查两端速率协商寄存器 |
| 均衡系数请求错误 | 链路无法进入 Configuration 状态 | 抓包确认请求的 Preset值 |
| CRC 错误 | 链路频繁重训 | 检查信号质量，看眼图 |
4.2.3 握手时序不匹配
收发器的 CDR 锁定时间 和 均衡器收敛时间 必须匹配。
比如，发送器换了一个 Preset，接收器的均衡器需要几十个微秒才能跟上。如果接收器在这段时间内尝试采样，就会出错。
我记得有一次，更换了一颗高速 SerDes PHY，链路训练就失败。查了很久，就是新PHY的均衡器收敛时间比老的长。最后在BIOS里把训练等待时间延长了一点点，问题搞定。细节决定成败啊。
4.3 环境问题：外部干扰是“隐形杀手”
这种问题最让人头疼。信号和协议都查了，板子单独测也没事。一装进系统就出问题。
这时候，往往要考虑环境因素，特别是电磁干扰（EMI）。
4.3.1 电磁干扰（EMI）相关性
EMI 怎么影响链路训练？
干扰信号耦合到差分对上面，变成共模噪声，或者破坏差分信号的完整性。接收器的差分放大器会共模抑制，但抑制程度有限。干扰足够强的时候，眼图就被“抹平”了。
- 外部辐射源：风扇、马达、开关电源、甚至隔壁板卡的信号。
- 串扰：PCB 上相邻信号线互相干扰。高速信号走线靠太近，会互相耦合。
我自己的排查经验：
如果怀疑 EMI，就把系统放到屏蔽箱里测试。进去之后链路稳定，拿出来就不行，那必是 EMI 问题。
或者用近场探头扫一下链路走线附近，找干扰源。
4.3.2 温度漂移
温度变化会影响导体电阻和介电常数。
通道损耗是随着温度升高而变大的。冬天能跑 Gen4，到了夏天就跑不上去了。处理器发热、电源芯片发热，也会引起局部温升，导致链路不稳定。
- 眼图随温度变化：温度越高，眼图张开越小。
- 均衡器参数漂移：温度变了，收发器的内部参数也会跑偏。
4.3.3 接地参考环路
这个很多人不注意。
两个设备之间，地电位不一致，会有共模压差。这个电压会干扰信号传输。如果两个地之间有回路，还可能形成天线效应，引入更多噪声。
建议：
尽量保证系统单点接地，避免形成大的地环路。
高速连接器的地针，要保证足够多，并且均匀分布。我见过因为地针不够，导致链路电磁兼容性测试不通过的项目。
分类讲完了。你可能会觉得，实际遇到的情况经常是“混杂”的。
没错。
电气问题会导致协议交互出错。环境问题会让电气问题变得更恶化。所以排查的时候，最忌讳只盯一个点。
我自己的建议：先解决电源和信号，再查协议，最后怀疑外部干扰。这个顺序，能帮你省下不少冤枉时间。