北京
智能体AI正在推高对通用算力的需求，服务器整合因此重新受到关注。GPU主导着AI基础设施的讨论，但跑在这些系统上的智能体对CPU依赖很重，而数据中心在电力和空间上已经难以继续增加服务器。
戴尔科技把这股压力看作PowerEdge服务器线的机会。今年5月，这条产品线扩充了11款新服务器。戴尔产品规划师、高级顾问Pradyumna Narendra表示，用更密集的系统替换老旧设备，可以为新的AI工作负载腾出容量。
“随着AI加速，围绕它的推理和智能体AI会加速得更快，”Narendra说，“当这些用例规模化铺开，对算力的需求会呈指数级增长。”
Narendra是在AI Data Pipeline Forum上，接受theCUBE Research的John Furrier采访时说这番话的，访谈由SiliconANGLE Media的直播工作室theCUBE独家播出。双方讨论的话题包括服务器整合、机架级效率，以及对多家芯片供应商的支持如何帮客户为智能体AI腾出空间。
整合的算术：13台变1台
戴尔即将推出的第18代PowerEdge服务器，就是围绕这笔“更新账”设计的。Narendra指出，搭载AMD处理器的系统将带来70%的代际性能提升，并且能把戴尔第14代的13台服务器折叠进1台。随着企业淘汰旧硬件，这种收益会不断叠加。
“每替换10到13台服务器，你就能拿回大量的生产力增益，因为现在一台服务器就能干完这些活，”Narendra说，“把它扩展到整个数据中心，就像一种加速效应，你可以从中获益。”
处理器原始速度只是这套说辞的一部分，毕竟很多服务器厂商用的是同一批AMD芯片。戴尔的三机架单元、双插槽设计，用于自身散热的功耗比双单元方案更低，这让客户能在每个机架里塞进更多算力。
“所以，部署封装尺寸稍大一点的服务器，反而能在机架层面提供更高的密度，这有时候看起来是反直觉的，”Narendra说，“但我们确实看到了结果，客户也在从中受益。”
不锁死在任何一颗芯片上
Integrated Dell Remote Access Controller（iDRAC，集成戴尔远程访问控制器）和OpenManage Enterprise这类管理工具，把成批的服务器编队串在一起。而对多家芯片供应商的支持，让服务器整合不至于变成一次锁定选择。Narendra表示，无论里面装的是谁的处理器，客户拿到的系统看起来和用起来都一样。
“我们相信技术民主化，支持芯片多样性，这样客户就不会被锁死在单一运营模式或单一选择里，”Narendra说，“这是我们构建产品组合的承诺和前提。”
GPU依然是AI基础设施叙事的主角，但智能体跑起来之后，通用算力的缺口被重新摆上台面。戴尔给出的答案不是加机器，而是换机器——用密度换空间，用整合换电力。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
