戴尔科技(Dell Technologies)产品营销高级总监斯里纳特·阿拉帕蒂(Srinath Alapati)给出了一组对比:在自家测试中,喂给AI智能体的数据不对,准确率大约只有60%;换成正确的上下文,准确率能提升到94%左右。
![]()
他的原话很直接:“底线是,如果你喂错了数据,你就会得到错误的结果。”这组数字背后,是企业AI工厂正在暴露的一个现实:成排的GPU本身价值有限,智能体缺的是可信、可治理的上下文。
阿拉帕蒂与戴尔计算、网络及全球行业产品营销高级总监艾莉森·比尔斯(Alison Biers)、戴尔计算AI解决方案产品营销高级总监亚当·格利克(Adam Glick)一起,在SC26期间接受了theCUBE Research的约翰·弗里尔(John Furrier)的独家直播访谈,话题是戴尔如何把数据、基础设施管理和验证设计串起来,让企业AI工厂真正进入生产状态。
一个网关,卡在编排层
企业不可能让智能体无限制地访问自家系统,戴尔新公布的Agentic Data Gateway就落在这个位置上。按阿拉帕蒂的说法,它位于编排层,作为单一控制点,背后由一个Model Context Protocol服务器支撑。
与之配套的是存储智能能力:告诉客户手里有哪些数据、归谁所有、体量多大。戴尔新的数据智能能力则负责追踪数据血缘与来源。混合工作流把这一模式延伸到边缘、云和数据中心。
阿拉帕蒂点出了与其他数据平台厂商的路线差异:对方希望客户把所有数据搬到平台所在之处,但这并不总是可行。“第一,这超级贵。第二,数据一直在生成,这是个没有尽头的游戏。”戴尔的做法是只发送元数据,数据本身留在客户希望它待的地方。
从开箱到投产,六小时
基础设施侧,戴尔OpenManage Rack Scale把管理范围从计算端点扩展到网络架构、供电和制冷。比尔斯说,这让运维人员从第零天到第二天拥有一个统一的运营平面。
基于意图重建的Dell Fabric Manager取代了原有的SmartFabric Manager,PowerRack系统则把整个机架当作部署单元。比尔斯给出的时间数字是:从设备到达装卸货平台到全面投产,“ literally 六个小时”。过去要花好几个月的事,现在砍掉一半,甚至更少。
格利克补充,目前已有超过6,500家客户使用戴尔AI Factory,其中越来越多是核心企业客户,主动寻求把AI用起来的帮助。与英伟达(Nvidia)等伙伴共同打造的验证设计覆盖硬件和完整软件栈,戴尔也在扩建实验室,以跟上不断加入生态的独立软件公司。
格利克用工厂打比方:计算是装配线,是最重要的部分,也是人们想到“工厂”时首先想到的东西;但如果没有仓库给它送原料,装配线就转不起来——那些原料就是数据。
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.