• 戴尔人工智能解决方案

    戴尔 AI 解决方案

    利用丰富的生成式 AI 产品组合增强您的优势。1

    英特尔®集成创新加速

    • 将 AI 融入您的数据

      Dell Technologies 利用创新技术、全面的专业服务套件和广泛的合作伙伴网络，加快从创想到验证的旅程。

    • 经过简化

      通过将战略指导、经验证的解决方案和服务相结合，缩短取得成果的时间。

    • AI 建模速度加快 18 倍

      量身定制

      利用专为满足您的业务需求而精心设计的基础架构，充分发掘数据价值。

    • 可靠

      在安全可靠的基础上构建您的 AI 未来，全方位保护您的数据和知识产权。

    • AI 就绪型产品组合

      借助专为生成式 AI 时代设计的先进技术，提供卓越的 AI 性能2，并简化 AI 基础架构的采购、部署和管理。

    • 面向 AI 的 PowerEdge 服务器

      使用我们配备高效电源和冷却技术的 AI 优化型 PowerEdge 服务器，同时借助 GenAI，更快地将想法转化为行动。

      • PowerEdge XE 服务器提供卓越的加速和多样化的 GPU 选项。
      • PowerEdge R760xa 具有高密度的 PCIe 卡。

    • 面向 AI 的存储

      利用灵活且可扩展的存储解决方案，以保护您的数据并处理海量非结构化数据。

      • 专为处理大量数据精心打造，可提供卓越的性能。
      • 利用可扩展的数据平台优化您的 AI 基础。
      • 实现 AI 和 GenAI 投资的 ROI。

    • 面向 AI 的数据管理

      从边缘到核心再到多云，全方位解锁您的数据潜力，以推进分析、AI 和 GenAI 工作负载。

      • 在各种环境间简化数据的定位、访问和处理。
      • 支持更快地访问数据，以加速调整模型并取得业务成果。
      • 利用全包式体验，简化采购、部署和生命周期管理。

    • 适用于 AI 的 PC 和工作站

      利用新的 PC 架构充分发挥 AI 的力量。

      • 体验 AI 加速的内容创作、照片增强、视频编辑等功能。  
      • 利用 Precision 工作站简化 AI 开发，包括 GenAI 工作负载的原型设计、微调和部署。

    • 适用于生成式 AI 的 APEX

      利用由 Dell APEX 提供支持的定制订阅和“即服务”解决方案所带来的便利性，无缝地释放多云设计和 AI 的强大功能。

      • 订阅您所需的产品，获享更高的简易性、敏捷性和可控性。
      • 选择您喜欢的 GenAI 产品，轻松配置其功能，并指定您需要的服务。

    • 面向 AI 的专业服务

      更快发挥 AI 在数据领域的威力。

      • 创建并验证您的 GenAI 路线图，同时利用成熟的 GenAI 平台提供创新。
      • 缩短实现价值的时间，满足重点业务需求。
      • 提升整个组织的 GenAI 能力。

      • 开放式合作伙伴生态系统

        在您的 AI 工作流中采用更广泛的工具集和数据源。

      • 为您的组织引入生成式 AI

        了解您的企业如何通过戴尔的见解、解决方案和策略，利用 GenAI 的巨大潜力来驾驭其变革能力。

      • 戴尔生成式 AI 解决方案

        与公有云相比，在本地采用适用于推理 LLM 的戴尔 AI 解决方案的成本效益可提高多达 75%。3

      • 将推理与预先训练的模型配合使用，更快地获得结果

        推理包括利用预先训练的 AI 模型，根据输入的数据生成预测、做出决策或生成输出。此过程对于 GenAI 的实际实施至关重要，可支持实时内容生成和响应。

        生成式 AI：推理（使用 NVIDIA）

        解决推理面临的延迟、响应能力和计算需求等挑战，助力企业将数据转换为更智能的高价值成果。 

      • 定制预训练模型

        在微调过程中，企业可以将特定垂直领域的数据添加到已有的大型语言模型 (LLM)，以便从专业的角度更深入地剖析与业务相关的信息。

        生成式 AI：模型自定义和调整（使用 NVIDIA）

        提供经验证的指导，帮助您针对应用场景重新训练现有的 GenAI 模型，并辅以标准自定义技术（如知识传授和快速调整）示例，从而降低优化成本。

      • 从头开始训练模型

        如果您所在的行业高度专业化并且具有相当独特的词汇（例如法律、医学或科学），或者您的业务需要高度的隐私性，禁止混合公共和私人来源的数据，那么从头开始训练模型是您的最佳选择。

        生成式 AI：模型训练（使用 NVIDIA）

        提供有关如何基于您自己的数据创建语言模型的指导，该模型可以理解并生成与您的特定行业相关的内容。

      • 检索增强生成 (RAG) 可增强模型输出

        大型语言模型 (LLM) 可以提供类似人类的响应，但它们需要准确的信息来作为回答的基础。RAG 是一种摄取信息的技术，可使用从外部来源获取的事实为 LLM 提供更精确、更可信的回答。

        生成式 AI：检索增强生成（使用 NVIDIA）

        使用 NVIDIA 微服务以及用于语言模型的可扩展信息嵌入和检索框架，简化全栈架构的部署。

      • 客户展示

      • 州和地方政府

        阿马里洛市

        阿马里洛市与 Dell Professional Services 合作打造多语言数字助理，提供更加便捷的社区服务。

      • 交通运输

        Duos Technologies

        Duos Technologies 利用 PowerEdge 服务器在边缘运行 AI 算法，提高铁路安全性。

      • 媒体和娱乐

        CyberAgent

        CyberAgent 开发日语生成式 AI 推动数字广告服务转型。 

      • 媒体和娱乐

        Taboola

        使用 AI 提供相关且精确定位的内容。

      • 科学研究

        KeyGene

        KeyGene 打造更安全、更可持续的未来农业。

      • 高等教育

        剑桥大学

        Dell Technologies 携手英特尔，助力英国开发高速 AI 超级计算机。

    • 经验证的 AI 设计

      Dell Technologies 经验证的设计是经过测试和验证的配置，从设计之初就能根据特定应用场景进行动态调整，以满足相应的需求。 

    • 解决方案 目标 权益 应用场景    

      适用于虚拟化环境的 AI

      解决方案简述

      经验证的设计

      		 借助 NVIDIA 和 VMware 的联合解决方案，使用多实例 GPU 更轻松地同时运行 AI 与传统工作负载。
      • 将加速的 AI 工作负载与现有企业应用程序无缝集成。
      • 避免创建 AI 专用的单独系统。
      		 软件定义的工作负载。密集型虚拟化和 AI 工作负载、HPC 和性能工作负载、私有云环境。

      采用 cnvrg.io 的 AI MLOps

      解决方案简述

      经验证的设计

      		 利用与 cnvrg.io 合作开发的戴尔经验证的 AI 设计，对 ML 管道进行标准化，实现从研究到生产的无缝过渡。
      • 快速部署经过优化的硬件和软件堆栈。
      • 简化 ML 管道，以加快开发速度并实现更顺畅的生产过渡。
      • 自信地部署经过工程测试的机器学习操作 (MLOps) 解决方案。
      		 专注于机器学习、AI 操作和数据分析的 AI 工作负载。

      自动机器学习

      解决方案简述

      经验证的设计

      		 利用戴尔经验证的 AI 设计 — 自动机器学习 (AutoML)，自动执行 AI 模型训练，以简化算法选择、特征生成、超参数调整、迭代建模和模型评估。
      • 简化面向数据科学家的 AI 模型训练。
      • 通过简化的 MLOps 加快 AI 向生产环境的过渡。
      • 自信地部署经过工程测试的 MLOps 解决方案。
      		 专注于机器学习、AI 操作和数据分析的 AI 工作负载。

      对话式 AI

      解决方案简述

      经验证的设计

      		 利用戴尔经验证的 AI 设计简化并加速高级虚拟助手的采用，该 AI 是经过优化的对话式 AI，可促进计算机与人之间的无缝对话交互。
      • 轻松创建对话式用户界面和虚拟助手。
      • 利用经过预先训练的虚拟助手来处理对话式 AI 应用场景。
      • 为业务用户和非开发人员提供无代码功能，以构建 AI 助手。
      		 对话和支持应用场景：（人力资源、员工工作区、银行、医疗、搜索帮助等）

      生成式 AI：推理（使用 NVIDIA）

      解决方案简述

      经验证的设计

      		 利用可扩展的模块化架构简化大型语言模型 (LLM) 推理，以支持各种应用场景。
      • 快速实施预先训练的 GenAI 模型。
      • 利用戴尔和 NVIDIA 联合架构创造成果和价值。
      		 内容创建、支持助手、自然语言搜索、流程自动化等。

      生成式 AI：模型自定义和调整（使用 NVIDIA）

      解决方案简述

      经验证的设计

      		 了解如何针对特定应用场景重新训练现有（预训练的）GenAI 模型。
      • 根据您的数据和应用场景自定义和微调 GenAI 模型，从而提高 GenAI 模型的性能。
      • 实施戴尔和 NVIDIA 携手打造的联合架构。
      		 内容创建、支持助手、自然语言搜索、流程自动化等。

      基于 APEX Cloud Platform for Red Hat OpenShift 的 Red Hat OpenShift AI

      解决方案简述

      经验证的设计

      		 使用与 Red Hat 合作开发的 DVD，在 Dell APEX Cloud Platform 上优化和扩展本地 OpenShift 部署。
      • 利用大型语言模型 (LLM) 和检索增强生成 (RAG) 框架部署数字助手。
      • 凭借深度集成和智能自动化缩短实现价值的时间。
      • 借助裸机架构提高性能、安全性和线性可扩展性。
      		 专注于生成式 AI、机器学习、AI 运营、数据分析的 AI 工作负载。私有云、本地密集型计算和 AI 工作负载、HPC、数据中心。

      • 确定后续行动

    • 常见问题

    • 人工智能与生成式 AI 之间有何区别？

      人工智能应用高级分析和基于逻辑的技术来解释事件并自动做出决策，而生成式 AI 则利用大型数据集生成新内容（如文本、图像、音频、视频、合成数据和软件代码），为企业带来更多价值。 

    • 为什么数据对人工智能和生成式 AI 而言非常重要？

      数据是人工智能和生成式 AI 的“燃料”，其数量和质量直接影响生成的结果。 

    • 组织如何从应用生成式 AI 中获益？

      生成式 AI 拥有巨大的潜力，能够改变组织的运营方式，实现我们尚在构想中的运营转型。企业和 IT 领导者仍在探索如何利用其带来的诸多优势，包括更高的生产力、更低的成本、创新能力和客户满意度等等。

  • 有问题？
    我们随时为您提供帮助。
    从提供专家建议到解决复杂问题，我们全方位满足您的需求。

    • 1基于戴尔在 2023 年 8 月进行的分析。 Dell Technologies 提供旨在支持 AI 工作负载的解决方案，涵盖 12 个产品和服务类别

      2基于戴尔在 2023 年 6 月 27 日进行的分析，分析对象为从 www.mlperf.org 检索到的针对同类 8 路 GPU 服务器公开提供的 AI 图像分类性能结果。戴尔 PowerEdge XE9680 采用 NVIDIA® H100 Tensor 核心 GPU，在 MLPerf™ Training v3.0封闭分区本地可用类别的 AI 图像分类基准测试中获得 13.466 分，优于 GIGABYTE G593-SD0 服务器的成绩：13.500 分；Supermicro AS-8125GS-TNHR 和 SYS-821GE-TNHR 服务器的成绩分别为：13.603 分和 13.501 分； NVIDIA dgxh100_ngc23.04 的成绩为：13.601 分；Quanta_Cloud_Technology D74H-7U_preview 服务器预览类别的成绩为：13.721 分；Azure ND_H100_v5 服务器的成绩为：13.819 分。 结果经 MLCommons Association 验证。MLPerf™ 的名称和徽标是 MLCommons Association 在美国和其他国家/地区的商标。保留所有权利。严禁未经授权使用。有关详细信息，请参阅 www.mlcommons.org。  

      3基于戴尔委托 Enterprise Strategy Group 撰写的经济性摘要，该摘要比较了本地戴尔基础架构与原生公有云“基础架构即服务”，2024 年 4 月。经过分析的模型显示，对于拥有 5 万用户的组织，利用 RAG 且包含 700 亿个参数的 LLM 在 3 年内将成本效益提高了 75%。实际结果可能会有所不同。经济性摘要

      4基于戴尔在 2023 年 11 月进行的分析。OptiPlex 3000 系列、Latitude Chromebook Enterprise 和 Linux 设备不配备 Dell Optimizer 戴尔智能调优软件。提供的特性与功能因型号而异。有关更多详细信息，请访问：https://www.delltechnologies.com/asset/en-us/solutions/business-solutions/technical-support/dell-optimizer-features-availability-matrix.pdf.external

      *在六项关键 AI 应用程序基准测试的四项中，戴尔 PowerEdge XE9680 超越了 Supermicro SuperServer SYS-821GE-TNHR 的性能。

           基于戴尔在 2023 年 6 月 27 日进行的分析，分析对象为从 www.mlperf.org 检索到的针对同类 8 路 GPU 服务器公开提供的 AI 图像分类性能结果。戴尔 PowerEdge XE9680 采用 NVIDIA® H100 Tensor 核心 GPU，在 MLPerf™ Training v3.0封闭分区本地可用类别的 AI 图像分类基准测试中获得 13.466 分，优于 GIGABYTE G593-SD0 服务器的成绩：13.500 分；Supermicro AS-8125GS-TNHR 和 SYS-821GE-TNHR 服务器的成绩分别为：13.603 分和 13.501 分； NVIDIA dgxh100_ngc23.04 的成绩为：13.601 分；Quanta_Cloud_Technology D74H-7U_preview 服务器预览类别的成绩为：13.721 分；Azure ND_H100_v5 服务器的成绩为：13.819 分。结果经 MLCommons Association 验证。MLPerf™ 的名称和徽标是 MLCommons Association 在美国和其他国家/地区的商标。保留所有权利。严禁未经授权使用。有关详细信息，请参阅 www.mlcommons.org。 

      **在训练用于自然语言处理的 AI 模型方面，戴尔 PowerEdge XE9680 的性能优于 Supermicro SuperServer SYS-821GE-TNHR 和 AS-8125GS-TNHR。

         基于戴尔在 2023 年 6 月 27 日进行的分析，分析对象为从 www.mlperf.org 检索到的公开提供的性能结果，其中，采用 NVIDIA® H100 Tensor 核心 GPU 的戴尔 PowerEdge XE9680 在 MLPerf™ Training v3.0 的图像分类中获得 13.466 分；在语音识别中获得 16.846 分；在大重量目标检测分类中获得 19.985 分；在封闭分区本地可用类别 NLP 基准测试中获得 5.363 分，优于 Supermicro SYS-821GE-TNHR 服务器取得的成绩：图像分类为 13.501 分；语音识别为 17.919 分；大重量目标检测为 21.493；NLP 为 5.383 分。结果经 MLCommons Association 验证。MLPerf™ 的名称和徽标是 MLCommons Association 在美国和其他国家/地区的商标。保留所有权利。严禁未经授权使用。有关详细信息，请参阅 www.mlcommons.org。 

      ***在比较单节点机器学习模型训练运行时，戴尔 PowerEdge XE9680 在六个类别中的性能优于 Supermicro SuperServer AS-8125GS-TNHR。

            基于戴尔在 2023 年 6 月 27 日进行的分析，分析对象为从 www.mlperf.org 检索到的公开提供的性能结果，其中，采用 NVIDIA® H100 Tensor 核心 GPU 的戴尔 PowerEdge XE9680 在 MLPerf™ Training v3.0 的图像分类中获得 13.466 分；在语音识别中获得 16.846 分；在封闭分区本地可用类别 NLP 基准测试中获得 5.363 分，优于 Supermicro AS-8125GS-TNHR 和 SYS-821GE-TNHR 服务器取得的成绩：图像分类分别为 13.603 分和 13.501 分；语音识别分别为 19.235 分和 17.919 分；NLP 分别为 5.389 分和 5.383 分。结果经 MLCommons Association 验证。MLPerf™ 的名称和徽标是 MLCommons Association 在美国和其他国家/地区的商标。保留所有权利。严禁未经授权使用。有关详细信息，请参阅 www.mlcommons.org。 

      ****与 Supermicro 相比，拥有更广泛的 AI 解决方案、服务和消费模式产品组合。基于 Dell Technologies 委托 Principled Technologies 撰写的研究白皮书，《Finding the path to AI success with the Dell AI portfolio. A comparison of the Dell AI portfolio vs. similar offerings from Supermicro》，2024 年 2 月。实际结果可能有所不同。完整白皮书