戴爾基礎設施解決方案集團總裁Arthur Lewis表示，人工智慧革命已經到來，數據中心是這場革命能否實現全球擴展的試驗場，但目前數據中心尚未為此做好準備。
「所以，如果你考慮今天的數據，有多少數據位於熱層，多少數據位於溫層，多少數據位於冷層？所有這些都將帶來改變，數據主要位於熱層和溫層，不斷循環，為這些引擎提供數據，如果你相信這一點，那麼就必須拆除過去連接一切的孤島。數據中心將重新架構。這並不一定意味著『嘿，把所有東西都拆掉，把所有新東西都放進去。』」
目前全球銷售的大規模計算和存儲中，有越來越多是來自於Lewis帶領的部門，戴爾在這兩個市場板塊中都處於市場領先地位。
上一季度，戴爾的AI優化型伺服器收入規模增長到26億美元，同樣的計算系統出貨量環比增長100%，達到17億美元。
戴爾表示，截至第一季度末，AI優化型伺服器積壓訂單為38億美元，這只是戴爾管道中的一小部分。華爾街分析師擔心，戴爾達成這些交易的成本會對利潤造成侵蝕。在5月30日的財報電話會議上，戴爾副董事長、首席運營官Jeff Clarke承認成本很高，但表示回報是值得的。
Lewis表示，戴爾正在考慮的是長遠問題。
「在這方面我們有很多歷史先例，我不會去想這是對還是錯。我們的方向正確嗎？這就像在沒有盒子的情況下拼拼圖。但我們與合作夥伴和客戶進行了足夠多的對話，我們對歷史有足夠的了解，可以說，『嘿，根據我們今天掌握的所有數據，這就是我們今天對未來的最好看法。』」
未來的一部分，會涉及到克服重大瓶頸，以實現計算基礎設施的現代化，電力就是其中之一。
戴爾首席人工智慧官Jeff Boudreau表示，兩三年之後，數據中心可能沒有足夠的電力來支持GPU的增長，因為目前訂購的AI系統甚至沒有足夠的電力支持。
Boudreau表示：「如果你看看我們和Nvidia的一些積壓訂單，你就會發現，沒有足夠的電力和冷卻來支持這些，因此，我認為他們最關心的問題之一就是，我們需要重新思考我們構建數據中心的方式。從歷史上看，曾經幫助我們走到那一步的方法，如今已經無法幫助你走到這裡了。」
我們曾經和很多數據中心領域的人們交談過，他們似乎還沒有準備好更換整個硬體堆棧，會存在電源和空間方面的要求。那麼關於AI時代的數據中心，我們能從中得到什麼資訊？
我們試圖描繪出一幅畫面，即圍繞AI的革命與工業革命是非常相似的。工業革命持續了50、60年，而AI革命可能只有工業革命的一半。
如果你了解AI，特別是生成式AI的現狀，那麼就會知道，如今它就是一種獨立的工作負載，你仍然需要承擔大量與之相關的工作負載。但毫不誇張地說，隨著AI的普及，它將在數據中心變得越來越普遍。
好吧，這意味著什麼？這意味著基礎設施需要大量的數據。所以，如果你考慮今天的數據，有多少數據位於熱層，多少數據位於溫層，多少數據位於冷層。所有這些數據都將發生變化，數據主要位於熱層和溫層，不斷循環，為這些引擎提供資訊。如果你相信這一點，那麼就必須拆除過去連接一切的孤島。
數據中心將進行重新架構。並不一定意味著「嘿，把所有東西都拆掉，把所有新東西都放進去。」
重新架構數據中心需要多長時間？
就像Michael在台上說的那樣，「機會有多大？」這很難說。
顯然，這不會在未來五年內發生，這可能是一個長達數十年的旅程，但很難說。一旦人們意識到AI的好處並真正理解了用例，如果經濟上合理，那麼很多事情都會快速推進。這一切都歸結為經濟學。他們部署了AI，看到了AI的經濟效益，然後投入更多，這種轉變將發生得更快。
這不會在未來三到五年內發生。
這麼說有道理嗎？
是的，有道理。但另一方面是計算，對吧？就像我們人類並沒有減少計算量，所有上線的應用在使用越來越多的計算，並沒有放慢速度。
對。我的意思是，AI是它的催化劑，但我們開始意識到，實際上Jeff Clarke意識到了，為了充分利用AI，你真的必須讓你的業務流程現代化。他談了很多關於精簡、標準化和自動化的問題，這需要對業務運營進行大規模轉型。
我們剛剛慶祝了成立40周年。Michael和Jeff都意識到，在過去的40年裡，我們建立了很多流程，但這些流程不會幫助我們度過未來的40年。我們必須精簡所有這些流程，重塑自我，才能真正利用這項新技術。
數據中心也是如此。數據中心的建設方式與過去30年是完全相同的，但這不會幫助我們度過未來30年。我們必須改變，但這種改變不是一次開關電燈式的轉型，我們重塑自我的方式也不是電燈開關式的轉型，而是受其經濟效益的驅動，我們會說：「哇，如果我們轉型業務，將帶來巨大的經濟效益，所以我們正在進行投資以實現這一目標。」
公司將看到巨大的經濟效益，並加速實現這一目標。
Michael（如圖）在台上打了一個很好的比喻，他說，當電力出現時，所有水力磨坊都把水輪換成了電動機，而不是嘗試設計新的工藝來融入這項技術。與此同時，戴爾表示，我們需要顛覆並且替掉價值數萬億美元的數據中心市場，用更強大的GPU架構取而代之。這難道不就是用電動機代替水輪來為水輪提供動力嗎？
沒錯。是的。同樣，我們對此的看法有很多歷史先例。我不會去想這是對還是錯。我們的方向正確嗎？這就像在沒有盒子的情況下拼拼圖。
但是，我們與合作夥伴和客戶進行了足夠多的對話，我們對歷史有足夠的了解，可以說，「嘿，根據我們今天擁有的所有數據，這是我們今天對未來的最好看法。」
每次與客戶會面時，我都會越來越相信我們講述的故事，即客戶如何看待AI，他們希望如何部署AI，然後我們開始向他們提問。
他們開始說，「哇。這會產生影響。我需要一些數據中心設計方面的幫助，因為我可能需要對事物設置的方式進行重構。」
去年和今年的Dell Technologies World大會相比，關於生成式AI的資訊傳遞似乎確實逐漸成熟了。您似乎也開始向合作夥伴提供可行的洞察。那麼您是否從合作夥伴那裡得到了這樣的反饋，他們說，「我真的可以使用它嗎？」我真的能賣這個嗎？』
從第一天起，我們就說，「如果沒有強大的專業和諮詢級服務，這一切都行不通，而如果沒有合作夥伴社區的幫助，我們就無法實現這一點。」
Doug [Schmitt，戴爾科技服務總裁]有100多個合作夥伴參與了到整個堆棧的專業和諮詢服務之中——從一開始就是如此。
暫且把電源和冷卻放在一邊，我們從客戶那裡聽到的最大反對問題是，「我沒有部署生成式AI的知識技能，這對我們來說是非常新的東西，這些技能並不是無處不在的，技術發展非常迅速。我不想成立一個新的ITOps團隊。我需要幫助。」
這就是為什麼我們非常專注於提供解決方案。合作夥伴可以管理這個解決方案，有各種各樣的白手套部署服務、管理服務。我認為渠道合作夥伴有很多機會。
這時，人們必須發揮創造力和創新精神，開始思考『這些就是客戶將要遇到的問題』。
我們必須開始制定解決方案來滿足他們的需求。
我們為合作夥伴提供了一個絕佳的平台，讓他們發揮創造力，找出他們想要為客戶提供的解決方案。就像我們業務的其他板塊一樣，在滿足最終客戶的需求方面，將和渠道社區形成一種緊密共生的關係。
甚至在生成式AI出現之前，數據中心就已經被預訂一空，因此市場已經湧來。您對此有多興奮？
你看到我們了嗎？我是不是精神抖擻？（笑聲）
這是計算。這是網路。這是存儲。這是解決方案。這是軟體。這是專業服務。
歸根結底，機會是巨大的。我們追求的是能夠與企業客戶交談並說「你想要什麼？交給我們。」客戶不必擔心晶片多樣性、網路多樣性或存儲架構。
您不需要為AI組建另一個AIOps團隊。「告訴我們你想要的結果，然後交給我們。從桌面到數據中心再到雲，你想要的結果是什麼？』
我們已經討論過推理編排。如果你是在PC上運行模型，這一點非常重要。你希望編排由模型創建的知識。...我們可以為你做到這一點。我們可以通過Hugging Face做到這一點。
這是AI Factory的概念。整個產業都在AI Factory內，我們希望為你提供你想要的結果。
所以我們現在得到的問題是，「我將想要什麼結果？」哦，讓我們談談這個。然後我們開始談論結果。這裡的「可能性」是什麼？每個答案都會引出更多的問題，更多的答案和更多的問題。這是一個非常有趣的時刻。「我們可以做到嗎？」是的，「實際上你可以做到。」
會不會有數據門檻？這種產生數據的方式，是否有可能滿足這種需求？
答案是，在短期內，從數學上講，是的。隨著時間的推移，數據的增長機會是無限的，但我認為你會看到人們會以不同的方式看待數據，因為如果你相信AI的普及，數據就會為模型提供資訊。模型會進入檢查點，持續微調。隨著時間的推移，數據會不斷變得更好。一旦模型經過訓練，一旦它「強化」了，由於缺乏更好的術語，就不再需要訓練數據了。受監管的行業可能如此，但對很多其他公司來說並非如此。這將需要幾年的時間才能使模型變得牢固，讓人們對此感到滿意，但是一旦數據經過訓練並且運行良好，並且你有能力複製這個模型的話，它就會變成……「我有1 PB的數據。我需要它做什麼？現在我把這些數據放入模型中，然後使用模型並從中獲得了洞察力，我還需要它嗎？」我可能需要其中的一些部分，但你整個數據策略都會發生改變。
這是一個非常有趣的領域，我不知道用「無限」這個詞是否準確，但我真的感覺機會是無限的。
