Dell Technologies utökar sin AI Data Platform med nya funktioner som ger AI-agenter en säkrare kontext att arbeta i.
Den uppdaterade plattformen gör det också möjligt för organisationer att snabbare skala upp AI-projekt och bearbeta data fyra gånger snabbare.
Det är oftast inte modellerna som hindrar organisationer från att använda AI i stor skala. Det är istället datan. En organisations mest användbara information finns i filer, databaser, molntjänster och system som ligger på flera olika platser.
Det mesta av denna miljö skapades långt innan någon räknade med att en AI-agent skulle läsa den. Den har aldrig märkts upp, kopplats ihop eller organiserats för att en maskin ska kunna läsa den. Därför förbrukar agenter tokens för att återskapa svar som redan borde finnas. Varje fråga kräver fler steg, mer beräkningskraft och högre kostnader, och resultaten blir långsammare och mindre tillförlitliga.
Det är därför som Dell bygger ut Dell AI Data Platform. Målet är att AI-system ska ge bättre svar, kosta mindre att driva och komma i produktion snabbare. Det sker genom att applikationer och agenter får tillförlitlig och aktuell kontext från företagets egna data.
Ger data mening och sammanhang
Dell AI Data Platform täcker in hela kedjan, från där data lagras till där agenter använder den:
- Lagringen flyttar kritiska data till accelererad beräkningskapacitet och tar bort flaskhalsar.
- Orkestreringen kopplar ihop och förbereder datan.
- Analys och sök omvandlar och indexerar den.
NVIDIA Nemotron Retriever-modeller gör det möjligt att tolka dokument, skapa inbäddningar (embedding) och rangordna om sökresultat (reranking). NVIDIA cuVS gör vektorindexering och vektorsökning snabbare. Eftersom alla lager körs på samma plattform kan allt den producerar spåras tillbaka till styrd data som kunden redan äger.
Agenter går tillbaka till samma dokument, historik och beslut gång på gång, men de flesta system bygger upp sin förståelse från grunden varje gång. Då måste samma två frågor besvaras vid varje förfrågan: Vad betyder det här begreppet? Hur hänger det ihop med allt annat?
Dell lägger till tre nya funktioner i Dell AI Data Platform som besvarar båda dessa frågor samtidigt.
- Unified Semantic Layer ger strukturerad och ostrukturerad information en enhetlig affärsmässig betydelse. Det sker med regler, definitioner och en sökbar ordlista, så att ett begrepp betyder samma sak överallt. Om ett system säger ”kund” och ett annat säger ”konto” förstår AI nu att det är samma sak. Användare kan också importera befintliga ontologier och klassificeringstaxonomier. På så sätt kan de återanvända taxonomier som följer branschstandard eller är specifika för det egna företaget.
- Enterprise Knowledge Graph kartlägger hur strukturerad och ostrukturerad data hänger ihop, så att en applikation eller agent kan hitta rätt kontext. Grafen justeras hela tiden efter hur aktiviteten förändras, med hjälp av metadata, datahärkomst (lineage) och frågehistorik. När en agent ställer en fråga hämtar plattformen allt relaterat som agenten har behörighet att se: rätt tabeller, dataprodukter, multimodal data och vektorindex, oavsett var de finns.
- Knowledge Agents omsätter kontexten i praktiken. Varje agent fungerar som en betrodd rådgivare inom ett visst ämne och utgår från en avgränsad del av Enterprise Knowledge Graph. Organisationen bestämmer reglerna: vilka riktlinjer agenten följer, vilken data den får se, vilken kvalitetsnivå den måste nå och hur mycket den får kosta. NVIDIA Nemotron Retriever-modeller ger Knowledge Agents förmåga att resonera och förstå visuellt innehåll.
Acceleration och säkerhet inbyggt i dataflödet
Affärskontext är bara tillförlitlig om datan är korrekt, aktuell och kontrollerad hela vägen från källan till applikationen. Organisationer ska inte behöva lägga till ännu ett proprietärt lager för att snabba upp olika delar av sin datamiljö. Därför bygger Dell in accelerationen direkt i datamotorerna, och samarbetar med NVIDIA genom hela dataflödet. Datan måste omvandlas och analyseras och sedan nå den accelererade beräkningskapaciteten tillräckligt snabbt för att GPU:erna ska vara fullt belastade. Samtidigt måste den vara skyddad hela vägen.
Dells nyheter inom data och lagring stöttar detta:
- cuDF-accelererad databearbetning med Apache Arrow: Dell Data Processing Engine drivs av NVIDIA cuDF på GPU:er av typen NVIDIA RTX PRO 4500 Blackwell Server Edition. Nya tester visar att motorn bearbetar data i genomsnitt nästan fyra gånger snabbare än med enbart CPU:er, över en rad olika arbetslaster. Vid batchbearbetning är den upp till 20 gånger snabbare.¹
- Utökad ”multitenancy” och säkerhet: Dell PowerScale stöder nu upp till 500 tenants i ett och samma kluster. mTLS över NFS krypterar och autentiserar filtrafiken, och mer detaljerad rollbaserad åtkomstkontroll gör det lättare att hantera varje tenant. AI-tjänsteleverantörer och företag som driver delade AI-plattformar kan därmed betjäna fler team och kunder från ett kluster, med varje ”tenants” data isolerad och säker.
- Prestandatester av arbetslaster: Med nya Dell Storage Performance Tool kan organisationer testa prestandan i sin S3-kompatibla objektlagring för träning, inferens och checkpointing. Det hjälper dem att dimensionera AI-infrastrukturen, jämföra olika leverantörers lösningar och se till att GPU:erna alltid får data.
- Based on Dell internal testing in September 2026 comparing GPU-accelerated and CPU-only Apache Spark runs across diverse data processing workloads on a Dell PowerEdge R770 with NVIDIA RTX PRO 4500 Blackwell Server Edition GPUs. Results showed a 3.9x average speedup and a 20.4x peak speedup on a batch processing (data mining) workload. The numbers are from default configurations without any performance tuning to the engine or infrastructure. Actual results may vary.
Om Dell Technologies
Dell Technologies (NYSE: DELL) helps organizations and individuals build their digital future and transform how they work, live and play. The company provides customers with the industry’s broadest and most innovative technology and services portfolio for the AI era.
