Firma Dell Technologies rozszerzyła platformę Dell AI Data Platform o warstwy orkiestracji kontekstu, silniki przetwarzania akcelerowane przez GPU oraz obsługę wielu najemców o wysokiej gęstości w ramach swojej nieustrukturyzowanej infrastruktury pamięci masowej. Udoskonalenia architektoniczne ukierunkowane są na ścieżkę pobierania danych w przedsiębiorstwie, łącząc pliki RAW, bazy danych i repozytoria wielostanowiskowe bezpośrednio z potokami agentów AI. System integruje modele NVIDIA Nemotron Retriever do parsowania, osadzania i rerankingu dokumentów, a NVIDIA cuVS zapewnia przyspieszone indeksowanie wektorów i procedury wyszukiwania. Komponenty kontekstowe działają lokalnie w centrach danych klientów, zapewniając zarządzanie danymi bez uzależnienia od zewnętrznego modelu lub dostawcy pamięci masowej.
Orkiestracja kontekstu i silniki wyszukiwania
Architektura wprowadza trzy komponenty mapowania kontekstu, aby rozwiązać problemy z niedopasowaniem taksonomii w różnych systemach wewnętrznych. Ujednolicona Warstwa Semantyczna zapewnia spójne definicje poprzez scentralizowane reguły, przeszukiwalne glosariusze oraz obsługę importowanych ontologii branżowych lub taksonomii korporacyjnych. Firma Dell rozszerza również warstwę semantyczną o NVIDIA Auto-Ontology, bibliotekę open source, która tworzy grafy wiedzy na podstawie danych korporacyjnych. Działając w tandemie, Graf Wiedzy Korporacyjnej stale mapuje pochodzenie, metadane i historyczne zachowania zapytań zarówno w tabelach strukturalnych, jak i dokumentach niestrukturalnych.
Gdy agent wykonuje zapytanie, platforma ogranicza przeglądanie do autoryzowanych tabel, multimodalnych produktów danych i baz danych wektorowych, umożliwiając agentom korelowanie zdarzeń, takich jak anomalie telemetryczne, z logami konkretnych urządzeń, partiami dostaw i zamówieniami klientów. Agenci wiedzy działają jako instancje doradcze o jednym temacie, ograniczone zdefiniowanymi segmentami Grafu wiedzy, działające w ramach limitów wydatków obliczeniowych narzuconych przez użytkownika, polityk bezpieczeństwa i progów dokładności wyszukiwania, a modele Nemotron Retriever dostarczają ich rozumowanie i wizualne zrozumienie.
„Dane bez kontekstu to tylko szum. Większość przedsiębiorstw poświęciła lata na udostępnianie swoich danych. To nie to samo, co uczynienie ich użytecznymi” – powiedział Arthur Lewis, prezes Infrastructure Solutions Group w Dell Technologies. „Agent, który potrafi znaleźć rekord klienta, ale nie wie, co on oznacza, jak łączy się z resztą danych ani czy można mu zaufać, nie jest inteligentny. Jest po prostu szybki”.
Przyspieszenie GPU Data Path i wielodostępność PowerScale
Dell integruje stosy akceleracji NVIDIA bezpośrednio ze swoimi Silnik przetwarzania danych aby zminimalizować opóźnienie w przygotowaniu danych. Według wewnętrznych testów dostawcy, silnik przetwarzania danych Dell Data Processing Engine z technologią NVIDIA cuDF NVIDIA RTX PRO 4500 Blackwell Server Edition Procesory graficzne przetwarzają dane średnio cztery razy szybciej niż same procesory CPU w przypadku obciążeń mieszanych, osiągając nawet 20-krotnie większą szybkość przetwarzania w przypadku obciążeń związanych z przetwarzaniem wsadowym.
W przypisie firmy Dell podano, że wartości te wynoszą średnio 3.9x, a szczytowo 20.4x w przypadku obciążenia eksploracji danych, mierzonego na platformie Apache Spark z akceleracją GPU w porównaniu z platformą wyłącznie CPU, działającą na serwerze PowerEdge R770 z domyślnymi konfiguracjami i bez konieczności dostrajania. Apache Arrow umożliwia zadaniom wykonywanie zapytań dotyczących danych w miejscu docelowym między pamięcią masową Dell a lokalnymi zasobami obliczeniowymi, co według firmy Dell może skrócić czas przygotowywania danych.
„Dzięki bezpośredniemu wdrożeniu akceleracji NVIDIA cuDF do oprogramowania Dell Data Processing Engine firma Dell pomaga skrócić ścieżkę od przechowywanych danych do danych gotowych na potrzeby sztucznej inteligencji, a następnie przyspieszonych przez procesor GPU, dzięki czemu agenci mogą wykorzystywać je do wdrażania innowacji w świecie rzeczywistym” — powiedział Jason Hardy, wiceprezes ds. technologii pamięci masowej w firmie NVIDIA.
W warstwie pamięci masowej klastry Dell PowerScale skalują się teraz do 500 odizolowanych dzierżawców na klaster, wspieranych przez wzajemny protokół TLS (mTLS) przez NFS w celu szyfrowania i uwierzytelniania danych w transmisji oraz szczegółowej kontroli dostępu opartej na rolach dla każdego dzierżawcy. Jest to rozwiązanie skierowane do dostawców usług AI i przedsiębiorstw korzystających ze współdzielonych platform AI. Zespoły ds. infrastruktury mogą również korzystać z narzędzia Dell Storage Performance Tool (oprogramowanie open source ) do testowania przepustowości i opóźnień w obiektowej pamięci masowej zgodnej ze standardem S3 w przypadku obciążeń związanych z trenowaniem, obsługą punktów kontrolnych i wnioskowaniem AI. Firma Dell rozszerza usługi wdrażania platformy danych AI w swoich silnikach danych i pamięci masowej, aby objąć nimi analitykę, przetwarzanie, wyszukiwanie i dostrajanie orkiestracji.
Rytm wydawniczy i status dostępności
Usługi wdrożeniowe Dell Storage Performance Tool i Dell AI Data Platform są już dostępne. Udoskonalenia w zakresie obsługi wielu najemców klastra PowerScale i mTLS przez NFS mają zostać wydane w listopadzie 2026 roku. Udoskonalenia w zakresie Dell Data Processing Engine ze stosem akceleracji NVIDIA pojawią się w grudniu 2026 roku, a następnie w pierwszej połowie 2027 roku nastąpi integracja z akceleracją Apache Arrow. Ujednolicona warstwa semantyczna, Enterprise Knowledge Graph i frameworki kontekstowe Knowledge Agent mają zostać wydane w pierwszej połowie 2027 roku.
Amazon