- ● Dell AI Data Platform with NVIDIA 最新技術進展，可自動化完整的 AI 資料生命週期，並為高需求的代理型 AI（agentic AI）工作負載提供極致的 AI 儲存效能。
- ● 戴爾科技集團將支援 NVIDIA 所有最新推出的 AI 儲存與資料管理創新技術。
戴爾科技集團（NYSE: DELL）宣布推出結合 NVIDIA 技術進展的 Dell AI Data Platform，協助企業發掘並活化企業資料，同時提供極致儲存效能，以支援 AI 應用與自主式 AI 代理。
AI 正快速從輔助工具轉型為具備自主能力的代理系統，但其效能仍受限於可存取、可信任並能採取行動的資料。許多企業在推動 AI 時遭遇瓶頸，原因在於大量資料仍被困在資料孤島中，缺乏結構化、商業脈絡與治理機制。最終造成 AI 計畫停滯不前、投資效益不如預期，競爭優勢也逐漸流失。
戴爾科技與 NVIDIA 正在消除企業導入 AI 的主要障礙之一：資料速度過慢、過於分散，或因雜亂無序而難以使用。作為 Dell AI Factory with NVIDIA 的核心組成之一，Dell AI Data Platform with NVIDIA 能在維持安全性、治理機制與業界領先效能的同時，將企業資料活化以支援 AI 應用。相較於傳統運算方法，客戶可實現最高 12 倍更快的向量索引速度[1]、3 倍更快的資料處理速度[2]，以及 19 倍更快的首次生成 token 時間（time-to-first-token）[3]。
自動化完整AI資料生命週期
由 NVIDIA AI 基礎架構加速的 Dell 資料引擎，可自動化完整的 AI 資料生命週期，在維持企業級治理的同時，大幅縮短資料準備時間。
- ● Dell Data Orchestration Engine 採用戴爾科技近期收購的 Dataloop 技術，重新定義企業將資料導入 AI 應用的方式。這款無程式碼／低程式碼引擎可協調整個 AI 資料生命週期，自動探索、標註、豐富化及轉換結構化、非結構化與多模態資料，進而大規模生成具治理機制、可供 AI 使用的資料集。透過結合自動化管線、主動學習以及 human-in-the-loop 工作流程，企業可在維持治理與控制的同時，持續提升資料集品質與模型準確度。Data Orchestration Engine Marketplace 則提供精選的 NVIDIA NIM 微服務、NVIDIA AI Blueprints，以及其他超過 200 種模型、應用程式與模板組成的資料庫，讓企業無需從零開始建置，即可部署生產就緒的資料工作流程。
- ● 戴爾科技支援最新的 NVIDIA AI-Q 藍圖，協助企業建構可自訂的 AI 代理，以提供可幫助更智慧決策制定的洞察。整合至 Dell AI Data Platform 的 NVIDIA 加速資料引擎，可在結構化與非結構化資料間實現高效能的資料準備、擷取與推理管線。客戶亦可透過 Dell Enterprise Hub on Hugging Face 取得持續擴充的 NVIDIA 預建藍圖與 NIM 微服務資源庫，以及 NVIDIA Nemotron 3 Super 模型。
- ● 戴爾科技亦將支援 NVIDIA STX，這是一項全新的模組化參考設計，採用新一代 NVIDIA Vera Rubin NVL72、NVIDIA BlueField-4 DPU，以及 NVIDIA Spectrum-X™ 乙太網路技術，可加速企業管理、處理與擷取 AI 資料的流程。
- ● 整合於 Dell Data Analytics Engine 的全新 AI Assistant，可將對話式自然語言介面直接導入 SQL 分析。商業使用者無須具備專業 SQL 知識，即可直覺的查詢、視覺化及協作處理具治理機制的資料產品，並以共通的語意理解關鍵指標。此功能有助於資料存取普及化、簡化決策流程，並更快速挖掘深層洞察，對於部署需存取結構化資料的 AI 代理的企業而言尤為關鍵。
- ● 在 Dell AI Data Platform with NVIDIA 中，導入 NVIDIA RTX PRO™ Blackwell Server Edition GPU，可將加速能力直接帶入資料平台層。包含用於結構化資料處理的 NVIDIA cuDF，以及應用於非結構化資料之向量索引與搜尋的 NVIDIA cuVS 在內的 NVIDIA CUDA-X 加速函式庫，將與戴爾科技的資料引擎及最佳化基礎架構協同運作，實現最高 3 倍更快的 SQL 查詢速度[4] 與 12 倍更快的向量索引速度[5]。這些技術可協助企業在大規模資料處理與準備過程中打造回應更即時的 AI 應用，同時提升基礎架構效率。
極大規模儲存軟體創新，確保GPU全速運行
隨著企業從 AI 試驗階段邁向實際部署，儲存逐漸成為關鍵瓶頸。傳統儲存架構在擴展時效能往往下滑，進而導致 GPU 閒置並造成基礎架構投資浪費。戴爾科技針對 AI 優化的儲存引擎，透過專用架構解決此問題，在大規模環境下仍能維持高效能表現。
- ● Dell Lightning File System，全球最快的平行檔案系統[6]，為 AI 訓練與推論環境提供極高的效能密度，每機櫃最高可達 150 GB/秒[7]，較傳統僅採用快閃儲存水平式擴充（ Scale-Out） 檔案系統的競品效能最高提升 20 倍[8]，且每機櫃單位吞吐量最高可達競品平行檔案系統的 2 倍[9]。其專為 AI 打造的網路架構具備直接儲存存取能力，可避免系統運作瓶頸，在極大規模環境下確保 GPU 維持高使用率。Lightning FS 可無縫整合至以 NVIDIA 為基礎的 AI 基礎架構，確保訓練與推論工作負載持續以全速運行。
- ● Dell Exascale Storage 為專為極大規模 AI 與 HPC 打造的唯一三合一儲存解決方案[10]，使 IT 團隊能在最新的 Dell PowerEdge 伺服器上，靈活部署戴爾科技領先業界的檔案、物件與平行檔案系統儲存軟體。客戶可在單一硬體平台上配置 Dell PowerScale、Dell ObjectScale 與／或 Dell Lightning File System 儲存資源，以支援如高頻交易（high-frequency trading）與新興雲服務（neocloud）等高需求 AI 及 HPC 環境。透過支援 NVIDIA CX-8 與 CX-9 SuperNIC，並規劃最高達 800GbE 的網路連線能力，Exascale 每機櫃讀取效能最高可達 6TB/秒[11]，提供多模態 AI 工作負載所需的高吞吐量。
- ● 支援 NVIDIA CMX情境記憶儲存平台，並透過在 Dell PowerScale、Dell ObjectScale 與 Dell Lightning File System 之間的共享儲存上部署 KV Cache，以實現推論加速，使企業可依效能需求，將 KV cache 從 GPU 記憶體卸載至 Dell CMX Storage 或高速共享網路儲存。此舉可大幅提升 GPU 在長上下文（long-context）與代理式 AI 工作負載下的使用率，使 AI 系統在長時間互動過程中維持上下文，同時避免耗盡 GPU 記憶體。此能力對於需參照大量歷史資料或維持長對話脈絡的 AI 代理應用尤為關鍵。
- ● PowerScale 效能測試：最新測試顯示，Dell PowerScale 採用軟體驅動的平行網路檔案系統（pNFS）架構，在企業 AI 環境處理大型檔案時，相較於 NFSv3 可實現最高 6 倍效能提升[12]。此舉可持續為 GPU 密集型 AI 工作負載提供資料，降低整體資料流程瓶頸，並確保高成本的 GPU 資源不會因等待資料而閒置。
戴爾科技集團基礎架構解決方案事業群產品管理資深副總裁 Travis Vigil 表示：「企業從 AI 試點導入正式部署時，面臨的首要挑戰在於整理既有資料並加以有效運用。Dell AI Data Platform with NVIDIA 可自動化完整的資料生命週期，並提供 AI 工作負載所需的速度與規模。我們已完成整合工作，使客戶能更快速部署、安心擴展，並收獲實質成果。透過與 NVIDIA 的合作，我們正重新定義企業 AI 基礎架構的樣貌。」
NVIDIA 儲存技術副總裁 Jason Hardy 表示：「邁向自主 AI 代理的發展，需採取截然不同的資料基礎架構策略，透過自動化協調、AI 原生儲存，以及針對 GPU 最佳化的效能設計，三者需要相互協同運作。結合戴爾科技的企業級專業能力與 NVIDIA 全端 AI 基礎架構，企業將得以更順利地推動 AI 的大規模部署。」
[1] 戴爾科技結果係根據內部測試，並與 Elasticsearch 結果進行比較，2025 年 12 月。
[2] 聲明：根據 Dell 內部分析，2025 年 9 月。
[3] 戴爾科技結果係根據使用 Qwen3-32B 模型進行之內部測試。
[4] 聲明：根據 Dell 內部分析，2025 年 9 月。
[5] 戴爾科技結果係根據內部測試，並與 Elasticsearch 結果進行比較，2025 年 12 月。
[6] 根據戴爾科技初步測試，比較每機櫃單位之隨機與循序吞吐量，2025 年 5 月。實際效能可能因情境而異。
[7] 根據內部對循序與隨機讀取 I/O 的分析，2026 年 2 月。實際結果可能有所差異。
[8] 根據戴爾科技內部測試，比較每節點之 IOPs 效能，2026 年 3 月。IOPs 數據係基於遠端檔案系統上執行 FIO 測試所得。實際效能可能有所差異。
[9] 根據戴爾科技初步測試，比較每機櫃單位之隨機與循序吞吐量，2025 年 5 月。實際效能可能有所差異。
[10] 根據截至 2026 年 3 月之主要企業儲存廠商公開文件進行分析。比較係指在單一可重複使用硬體平台上，具備獨立檔案、物件與平行檔案引擎之架構，不包含單一引擎多協定設計。
[11] 根據針對 Lightning File System 之循序與隨機讀取 I/O 的內部分析，2026 年 2 月。實際結果可能有所差異。
[12] 根據初步內部測試，針對單一用戶端在大型檔案之隨機 I/O 效能進行評估。實際結果將因工作負載與系統配置而異，2026 年 3 月。
