戴爾近日表示，正在擴展其生成式AI基礎設施和服務套件。
戴爾的生成式AI硬體現在支持更多用例包括模型調整和推理，讓客戶能夠在他們自己數據中心內的專有基礎設施上部署最新的模型。
此外，戴爾還宣布擴展生成式AI專業服務能力，涵蓋了數據準備、實施和教育。戴爾還和Starburst Data展開合作，幫助客戶構建現代化的開放數據湖屋，為生成式AI應用提供支持。
戴爾的Validated Design for Generative AI with Nvidia為客戶提供了戴爾最先進的伺服器硬體和Nvidia的AI軟體以及GPU，可以作為託管在客戶自己數據中心而不是雲端的生成式AI模型的基礎。
該解決方案誕生於戴爾和Nvidia合作的Project Helix計劃，將最強大的、支持AI的Dell PowerEdge服務和Nvidia最先進的GPU以及軟體（例如Nvidia AI Enterprise和Nvidia NeMo，後者是一個用於訓練、定製和部署生成式AI模型的框架）結合在一起。除了硬體和軟體之外，客戶還可以訪問大量可定製的、預訓練的AI模型，無需從零開始。
戴爾Validated Design for Generative AI with Nvidia的最初重點是AI訓練，但此次更新之後，還將支持模型調整和推理，意味著客戶還可以在本地部署模型。新功能現已通過傳統渠道提供給客戶，並將於本月晚些時候提供給戴爾APEX客戶。
客戶藉助戴爾的Validated Design for Generative AI with Nvidia，可以在戴爾PowerEdge XE9680和PowerEdge XE8640伺服器以及各種Nvidia GPU之間進行選擇，對於那些希望構建生成式AI模型的同時在自己伺服器內保持數據安全公司來說，這是一種理想的解決方案。
Constellation Research副總裁、首席分析師Andy Thurai認為，最強大的大型語言模型（例如GPT-4）由於其龐大的規模和資源需求，都是在雲端專有環境中進行訓練的。然而，一些企業正在尋找方法在他們自己的環境中訓練他們自己的、規模小得多的大型語言模型。Thurai表示：「他們想要一種方法，能夠在更小規模上做到這一點，以及根據自己的數據微調現有模型並在自己的基礎設施上進行這一切。目前這還沒有實現，但當它發生的時候，就需要對基礎設施進行優化。」
普林斯頓大學就是已經這麼開始做的客戶之一。普林斯頓大學電腦科學系Charles C. Fitzmorris教授Sanjeev Arora解釋說，普林斯頓大學已經在高性能計算集群中部署了戴爾和Nvidia的硬體來開發大型語言模型。他說：「該系統讓自然科學、工程、社會科學和人文學科的研究人員有機會把強大的AI模型應用到可視化、建模和量子計算等領域的工作中。」
戴爾的Generative AI Professional Services服務已經擴展到數據準備領域。戴爾的專家可以確保客戶擁有最乾淨的、最準確的數據集，並以正確的方式格式化，為他們的AI項目提供支持。戴爾表示，該服務還確保了數據集成和高質量的數據輸出。
此外，戴爾還提供了新的實施服務，幫助客戶建立一個可操作的生成式AI平台，用於推理和模型定製，並加快價值實現的速度，這實際上是為那些希望在自己數據中心內運行戴爾和Nvidia AI堆棧的客戶提供完全託管的服務，使客戶能夠專注於開發自己的AI模型。
戴爾還為那些希望培訓員工了解生成AI最新發展趨勢的客戶提供了新的教育服務。戴爾表示，以上這些新的服務都將在本月底推出。
最後，戴爾把PowerEdge計算和存儲平台與Starburst業界領先的分析軟體進行集成，幫助客戶構建集中式的數據湖庫，更輕鬆地從數據中提取洞察，預計這項集成將在2024年初在全球上市。
TECHnaanalysis Research分析師Bob O』Donnell表示，很明顯，企業希望使用自己的數據來訓練生成式AI模型，然而他們需要大量幫助來準備數據並確保其安全。他說：「戴爾最新的生成式AI解決方案和合作夥伴關係提供了一系列廣泛的功能，可以幫助企業充分利用這一潛力，彌合知識差距，確保數據驅動可識別的、有影響力的業務成果。」
儘管如此Thurai認為，如果戴爾想在本地生成式AI開發方面贏得任何關注，就必須保持耐心。「這是一個有趣的概念，但戴爾首先需要吸引客戶遠離雲端，因為所有的大型語言模型訓練組件都已經在雲端建立起來，但是要在本地設置所有這些東西、從雲和分布式環境進行數據準備和數據移動，可能並不適合那些膽小的人。」
