在网络通信技术高速发展的趋势下,如何突破硬件通信协议的限制,将通信扩展到更广泛的领域中成为了备受瞩目的研究方向。其中CCIX（Cache Coherent Interconnect for Accelerators）规范协议为下一代云计算、人工智能、大数据、数据库和其他数据中心基础设施提供高性能、低延迟的通信互联。CCIX的一致性协议可通过PCIe链路传递,而PCIe作为一种应用于各类通信平台的高带宽、点对点串行互联总线协议,在云计算、数据中心及IT产品线上具有广泛的应用前景。本文提出构建PCIe底层通信协议仿真分析平台,以软件仿真的方式来避免传统硬件方式配置僵化、开发周期长、工作量大的缺点,并在此基础上针对端到端通信的时延性能进行深入分析。基于网络通信中保证数据完整性的CRC与FEC编码技术研究与设计,本文进行了PCIe点到点的网络协议仿真。首先针对协议各层功能进行了软件化重现,以环形队列形式的共享内存进行多进程间通信,在协议各层之间、层与数据总线之间进行高速的数据传递,实现端到端的全双工同步通信;其次,考虑到硬件运行时钟与仿真时钟不一致,本文提出了流量控制与总线传输的仿真时钟推进算法,以更合理准确地分析处理时延数据;最后,在搭建软件仿真分析平台的基础上,提供了友好的人机交互入口,通过网络页面、数据库、后端服务器等技术进行直观的参数输入以及结果输出。在完成PCIe点到点协议仿真设计的基础上,本文进行了PCIe协议多点到多点的仿真。在AI集群的网络场景中,多点到多点间的通信数据规模快速增加,而分布式机器学习（Distributed Machine Learning）作为近年来人工智能研究的前沿技术,在计算量较大、训练数据较多、模型规模庞大等情况下,能够通过数据划分或模型划分等方法进行灵活高效的训练。本文基于分布式机器学习Res Net-50理论分析,采用典型AI集群数据并行调优策略,建立了时延计算模型。基于Full-Mesh与Switch两种拓扑,针对传输速率、带宽、误码率等对AI性能的影响进行了仿真分析与理论验证。