戴爾認為，生成式AI將像當年的伺服器虛擬化一樣，通過顛覆性變革推動計算、網路和存儲產品的銷量增長。
戴爾公司多位高管在一場「專家問答」活動中向在場的金融分析師們靜態，稱生成式AI有望進一步擴大目前總值300億美元的AI潛在市場，但沒有給出具體增幅。
戴爾公司副總裁兼聯席COO Jeff Clarke指出，「生成式AI代表著一大戰略拐點。它具有顛覆性，將改變整個遊戲規則。」
AI總潛在市場以機器學習、深度學習和電腦視覺為基礎。生成式AI則進一步帶來大語言模型（LLM），其中包括面向製造業的電腦視覺、供應鏈應用的機器學習以及用於提高客戶滿意度的聊天機器人等示例。
生成式AI目前主要分為兩大類：強調通用性的大規模多功能模型，以及由較小數據集訓練而成、僅面向特定業務的領域模型。戴爾認為，後者可以依託較小的伺服器和GPU集群完成訓練，並通過單個伺服器在邊緣位置執行推理。
Clarke解釋道，「我們將在邊緣、數據中心和雲端建立起AI設施；換句話說，業務體系中的每個角落都將落地一系列生成式AI解決方案。」
可以想見，這兩種生成式AI類別都將推動相應的計算需求，除了內存、高速千兆以太網網路和存儲設備之外，還包括架設在各訓練伺服器集群之間的InfiniBand互連和光纖通道。
Clarke指出，「為計算設施投餵素材的任務，將越來越多由數據驅動的大規模非結構化和對象存儲基礎設施負責完成……目前，CEO們的優先待辦清單中普遍出現了四大生成式AI用例的身影：客戶運營、內容創建與管理、軟體開發、軟體銷售。」
在戴爾公司看來，生成式AI模型離不開來自結構化（塊存儲）和非結構化（文件 對象存儲）數據源的數據。換言之，AI模型需要大量實時、近實時和歸檔數據，其中實時和近實時數據主要由閃存介質提供。需要注意的是，AI模型所需要的非結構化數據要明顯多於結構化數據，而這些非結構化數據將被存儲在超大規模的軟體定義存儲庫內。
針對這方面需求，戴爾給出的方案就是搭載OneFS作業系統的PowerScale集群文件與對象存儲方案。它能夠同時滿足本地和公有雲環境下的需求，還配備面向公有雲的APEX存儲，可支持塊數據和非結構化數據。
塊存儲主要由戴爾旗下橫向擴展的PowerFlex超融合基礎設施產品提供，該產品不使用VMware及其VSAN技術。至於非結構化文件和對象存儲，則由剛剛提到的PowerScale打理。
而且在對象存儲範疇之內，戴爾又進一步做了細分：面向邊緣和小型部署場景的Object Scale，以及用於大規模對象部署的ECS。目前這兩套方案均未登陸公有雲環境。
