戴尔为其AI数据平台增加了数据上下文、准备和存储功能。

今年早些时候，戴尔对全球3,800名企业IT决策者和AI专家进行了调查，了解他们采纳和扩展AI技术的经历。该供应商发现，数据——其质量、可用性、管理和安全——成为企业面临的首要挑战。

这一发现验证了戴尔高管自两年前推出其AI数据平台以来一直强调的观点：扩展AI的组织受限不是GPU或硬件，而是数据准备就绪。

"这正是我们每天都从客户那里听到的问题，"戴尔基础设施解决方案组高级副总裁Varun Chhabra在最近的媒体通报会上告诉记者。"基础设施已经准备好了，但数据没有。没有为AI做好准备的数据，投资就会从试点沦为孤立的试点，永远无法在整个组织范围内充分发挥潜力。真正的瓶颈不是计算能力的获取。通常也不是模型的获取。实际上是数据的获取。企业数据根本没有处于准备好支持扩展AI工作负载的状态。"

企业数据分散在各个位置——云端、数据中心、文件系统、数据库、应用程序和边缘基础设施——Chhabra指出。"其中大部分被困在基于工作负载的数据孤岛中，通常没有统一的方式来访问它。其中大部分是非结构化的。这些数据经常是'黑暗的'，这意味着它对AI来说是看不见的。这些数据经常缺乏治理，让团队陷入AI对数据访问的需求与控制政策要求之间的矛盾。"

戴尔的AI数据平台是其AI工厂的核心组件，由三个层次组成。数据编排引擎通过统一管道、分离计算和存储的分布式控制，以及对Nvidia NIM微服务、AI蓝图和模板的原生访问，处理数据摄取、准备、标签和富集。

用于分析、处理和搜索的数据引擎使组织能够在数小时而非数周内找到正确的数据。存储引擎包括用于非结构化数据和高吞吐量AI工作负载的网络附加存储PowerScale、支持S3-over-RDMA和Nvidia CUDA库的ObjectScale（用于大型对象存储库和AI模型快照），以及闪电文件系统——一个快速的软件定义并行系统，在Nvidia 2026年3月的GTC大会上宣布，次月发布——设计用于大规模训练和推理。

Nvidia技术是该平台的基础。除了CUDA库和NIM微服务，它还包括Nvidia的Nemotron Retriever模型（用于文档解析、嵌入和重排序），以及cuVS（一个用于向量索引和搜索的GPU加速算法开源库）。

统一的存储层提供EB级能力，防止GPU等待数据，并解决Chhabra所称的"试点复现差距"：在演示或小型试点中有效的用例在扩展时经常失败，受数据治理挑战、缺失或脏数据影响，导致AI结果不佳。"这就是企业规模受阻的真实原因，"Chhabra说。

本周，戴尔正在用智能体AI的新功能扩展该平台。这些功能为智能体提供跨分散的结构化和非结构化数据的共同背景和一致的含义定义，提供寻找相关背景的更简便路径，以及应用这些背景的工具。

Chhabra解释道，访问相同数据和文档的智能体目前必须在每次查询时重新构建理解并重新生成令牌。"这会消耗额外令牌，通常会因人工参与循环中不可避免的来回交互而产生变动，从而降低速度。答案往往也不够可信。背景才是关键。所有这些功能都能减少步骤并降低成本，因为智能体无需在每个请求中不断重建背景。数据流入智能体，降低了计算成本和令牌生成。"

统一的语义层提供规则和定义，确保单词在任何地方都有相同的含义。例如，在制造业中，"缺陷"这一术语在不同工厂可能有不同定义。统一的语义层（包括可搜索的词汇表）确保智能体理解一致的含义。戴尔集成了Nvidia的Auto-Ontology开源库以从企业数据创建知识图。

企业知识图通过元数据、血统和查询历史展示结构化和非结构化数据如何相关联，持续完善自身。语义层定义单词的含义，而知识图提供跨系统数据间的连接。"如果你将缺陷频率与供应链中的特定供应商或分销商相关联，"Chhabra说，"企业知识图可以为模型建立这些连接，使其更加令牌高效——而不是模型每次都必须重新运行并生成令牌。"

知识智能体建立在这些层之上，是在特定主题领域专业化的可信智能体。企业可以设置规则来管理其行为、令牌预算和数据访问。这些智能体还利用Nvidia的Nemotron Retriever模型进行推理和视觉数据理解。知识智能体为企业提供更大灵活性——选择模型大小、在云端部署通用模型，或在本地运行开源模型。

戴尔为数据处理引擎引入了Nvidia的cuDF GPU加速库以实现更快的数据处理和分析，并引入Apache Arrow以在存储和处理之间高效移动数据，使查询能在数据所在位置运行。GPU加速可以提供比CPU快20倍的批处理速度，以及总体快4倍的数据处理速度。这补充了处理引擎中已有的cuVS增强搜索和cuDF分析。

戴尔推出了一款新的开源存储性能工具（适用于ObjectScale和PowerScale），使组织能准确规划AI基础设施规模并维持数据流向GPU。用户可定义自己的工作负载进行基准测试——顺序写入、高并发读取、混合读写环境和复杂查询——使用与戴尔工程部门内部相同的工具。