慧與科技（HPE）在今年的HPE Discover 2026大會上全面押注AI。
AI智能體正在與終端用戶協同運行於企業基礎設施之中，深刻改變著工作負載在網路中的流轉方式，以及計算和儲存系統所需具備的能力。在本周於拉斯維加斯舉行的HPE Discover 2026大會上，HPE首席執行官Antonio Neri在開幕主題演講中，從公司全棧角度詳細闡述了HPE的應對策略。
大會主要發布內容如下：
網路方面：HPE通過新款QFX交換機、面向數據中心互聯的PTX 12,000路由平台、SRX 4700量子安全防火牆以及MX 301邊緣路由器，將AI連接能力從GPU機架延伸至推理邊緣；與此同時，Marvis Actions功能已引入Aruba Central，Aruba CX交換機也已接入HPE Mist平台。
計算方面：私有雲AI現已支持256塊GPU，可跨三個AI工廠層級實現多節點推理，並配套推出專為智能體工作負載設計的全新ProLiant DL 394 Gen 12伺服器。
儲存方面：Alletra MPX 10,000成為私有雲AI的儲存層，在單一架構上統一了文件儲存與對象儲存，並原生支持MCP
協議，同時通過了英偉達認證儲存驗證。
智能體運營方面：私有雲AI新增智能體治理控制功能，包括支持跨任意框架的零代碼智能體註冊，以及全新的三層身份模型。底層技術支撐來自英偉達Open Shell（提供策略隔離的智能體運行環境）、NeMo Cloud（提供受治理的工作流藍圖）以及Zerto（在智能體出錯時實現乾淨狀態回滾）。
雲方面：HPE CloudOps將虛擬化、數據保護與雲管理整合為統一的混合運營層，Unleash AI計劃現已涵蓋超過60家經驗證的合作夥伴。
Neri在主題演講中表示："我們正在見證歷史上規模最大的技術平台轉型之一。工作負載和應用程式正從僅由終端用戶驅動，轉變為由終端用戶與AI智能體共同驅動。"
網路是AI的基礎
對HPE而言，網路是AI的根基所在。Neri指出："每一個字節、每一個Token、每一項決策，都要經過網路傳輸。"
Neri在主題演講中對網路的大量論述，圍繞將瞻博網路（Juniper Networks）整合融入HPE更廣泛產品組合展開。
HPE將其產品組合劃分為四個層級：機架內縱向擴展、GPU集群橫向擴展、數據中心互聯，以及邊緣推理路由。新款QFX交換機覆蓋前兩個層級；PTX 12,000負責數據中心互聯，支持800G路由；SRX 4700在單機架單元內提供1.44 Tbps的量子安全防火牆吞吐量；MX 301則基於瞻博網路第六代Trio晶片，將MX平台引入推理邊緣場景。
歸根結底，這一切的核心是速度，以及速度在AI時代的深遠意義。Neri用直白的語言闡釋了訓練規模下延遲的代價："在數百萬塊GPU上，將一個微小的網路延遲乘以數周的訓練時間，可能意味著訓練一個新模型需要90天而非30天。這是追趕突破與創造突破之間的差距。"
計算：為AI工廠提速
在網路連接各系統的同時，計算系統本身也在持續演進，並針對AI進行專項優化。HPE將其計算產品組合劃分為三個AI工廠層級，分別面向企業、服務提供商和主權部署場景。
Neri表示："當今的AI，在於更快地從願景落地為成果——加速Token生成時間，降低執行風險，確保環境從第一天起就具備高性能表現。"
全新ProLiant DL 394 Gen 12專為智能體AI和長上下文工作負載而設計。在AI工廠規模層級，新配置可將AI訓練所需GPU數量降至上一代Blackwell平台的四分之一，推理成本則降至每百萬Token十分之一。
私有雲AI配置現已支持256塊GPU及多節點推理。統一網關提供單一API，支持訪問前沿模型和開源模型；共享緩存可降低首個Token的生成成本。Neri表示："私有雲AI現在可以通過多節點推理跨多個系統服務更大規模的模型，容量隨計算規模線性增長。"
儲存：為智能體提供數據支撐
智能體的能力上限，取決於其背後的數據質量。在儲存層面，Alletra MPX 10,000已成為私有雲AI的儲存層，在單一架構上統一了文件儲存與對象儲存。它新增了實時元數據豐富功能，並原生支持MCP協議，使智能體能夠跨結構化與非結構化數據源檢索資訊。HPE表示，相比自建環境，該方案可將價值實現時間加快7至12倍。
Neri指出："AI智能體的智能程度，取決於用於訓練它們的數據質量。過去，這些數據需要針對每個用例進行定製化準備，構建合適的AI數據管道往往耗時數月，但現在不再如此。"
智能體治理：構建企業級管控體系
在網路、計算與儲存之上運行的，是AI智能體，這也是HPE著力布局的又一領域。Neri表示："智能體現在可以跨數據、應用程式、模型和工作流進行推理，幫助企業做出決策、自動化流程，並越來越多地代表用戶採取行動。"
智能體正在企業中快速擴散，往往由開發者和小團隊在正式IT監管之外自行部署，這給傳統IT管理帶來了前所未有的治理與規模挑戰。Neri表示："智能體AI對企業提出了一套全新的需求。"
HPE的解決方案是將治理型智能體層內置於私有雲AI之中。企業可註冊基於任意框架構建的智能體，無需修改任何代碼，即可在API調用、身份驗證和加密方面應用安全控制。三層身份模型負責驗證用戶身份、管理智能體權限，並對敏感操作要求人工審批。
能耗：AI規模化的關鍵約束
在AI的無限潛力與所需基礎設施之外，Neri特別警示了一項關鍵制約因素——電力。他表示："每個模型、每個工作負載、每個智能體都依賴電力，因為AI工廠的本質只有一件事：將電能轉化為Token。"
他指出，美國到2028年將面臨19吉瓦的電力缺口，預計到2031年，數據中心將占美國總用電量的近一半。Neri表示："隨著AI規模不斷擴大，未來的勝負手將不僅僅是算力，而是我們能以多高的效率為AI供電、散熱和連接。"
Q&A
Q1：HPE私有雲AI在計算能力方面有哪些新突破？
A：HPE私有雲AI現已支持256塊GPU規模，並實現跨系統的多節點推理能力。新配置將AI訓練所需GPU數量降至上一代Blackwell平台的四分之一，推理成本則降至每百萬Token十分之一。統一網關提供單一API接口，支持訪問前沿模型和開源模型，共享緩存機制還可有效降低首個Token的生成成本。
Q2：HPE如何解決企業AI智能體的治理問題？
A：HPE將治理型智能體層直接內置於私有雲AI平台中。企業無需修改任何代碼，即可註冊基於任意框架構建的智能體，並在API調用、身份驗證和數據加密層面施加安全控制。平台採用三層身份模型，分別用於驗證用戶身份、管控智能體行為，並對敏感操作強制要求人工審批。Zerto提供錯誤發生時的乾淨狀態回滾能力。
Q3：Alletra MPX 10,000在AI場景中有什麼優勢？
A：Alletra MPX 10,000作為私有雲AI的專屬儲存層，在單一架構上統一了文件儲存與對象儲存，支持實時元數據豐富和原生MCP協議，使AI智能體能夠同時檢索結構化與非結構化數據。相比自建環境，該方案可將價值實現時間加快7至12倍，並已通過英偉達認證儲存驗證。
