算力空转怎么破？2026戴尔科技峰会给出了系统性解法

作者：周雅

一条企业数据，真正进入一个智能应用之前，要走多远？

它可能最初躺在ERP里，也可能在SQL Server、日志系统、对象存储中，甚至仅仅是一张图片、一段视频。要让智能应用真正使用它，它先要被找到，再被清洗、标注、格式化、向量化；随着业务不断产生新数据，这套流程还不能只做一次，而要7×24小时持续运转。

然后，它还要通过网络去往算力所在的位置，在合适的基础设施上运行。

最后还有更现实的问题：如果某一天它被污染、篡改或者加密，企业还有没有办法把一份可信的数据找回来，让业务重新跑起来？

最近我参加了2026戴尔科技峰会暨“进化者”论坛，戴尔科技集团大中华区信息基础架构解决方案事业部总经理陈洁在会上强调：“未来的竞争，本质上是数据能力的竞争。真正拉开企业差距的，不是单一的技术堆砌，而是能否构建面向未来的现代化数智底座，持续将数据转化为业务价值。”

戴尔科技集团大中华区信息基础架构解决方案事业部总经理 陈洁

会后在展区里走一遍，发现那些看似分散的服务器、交换机、私有云、存储、智能数据平台和网络弹性方案，都可以用同一个逻辑理解：企业究竟怎样把自己的数据，变成一套可以持续运行的智能能力。

戴尔科技集团大中华区信息基础架构解决方案事业部存储业务总经理刘志洪介绍，围绕现代化数据中心建设，戴尔科技展示的重点是如何为现在和未来的业务建立基础（业务运行），如何依托数据改造现有业务（业务转型），最后则是在面对复杂网络威胁时，如何让数据资产和业务连续性仍然能够得到保障（业务韧性）。

戴尔科技集团大中华区信息基础架构解决方案事业部存储业务总经理 刘志洪

智能应用部署进入深水区，瓶颈从算力转向数据

在智能数据平台展台，戴尔科技集团大中华区非结构化数据存储事业部产品经理李海直言：“今天很多用户，尤其是我们的企业级用户，在做智能试验的时候发现，卡住智能应用落地的往往不是模型也不是算力，而是数据。”

把数据送到智能应用里，李海认为有三个难题：数据分散带来的数据孤岛难题，数据高效处理难题，以及代理式智能时代的数据自动化编排难题。李海的介绍中提到一个词，“数据引力（Data Gravity）”，在长期的IT建设过程中，数据积累越来越多，且往往在孤立的系统之上，数据量越大，数据越难以移动，搬运成本越高，导致今天的智能应用要抓取这些数据愈发困难。

对此，戴尔科技推出智能数据平台解决方案。

戴尔科技智能数据平台的底层首先是存储引擎，目前包括Dell PowerScale、Dell Lightning File System等方案，之后还计划加入对PowerFlex块存储的支持。它们分别承载不同的数据类型、规模和工作负载。向上一层是数据引擎，包括分析、搜索和处理三个部分；再往上，则是负责将整个流程串起来的数据编排引擎。

真正有意思的是这些模块组合起来之后的工作原理，特别是数据引擎下设的三个分析、处理及搜索子引擎以及用以串起整个数据管道的数据编排引擎：

第一步，数据分析引擎负责从异构数据源中摄取数据，通过统一的查询接口（如SQL）即可访问和分析这些异构数据源中的数据；第二步，在数据处理引擎里，做数据的清洗和标注；第三步，数据搜索引擎让大模型能够迅速检索到分散在不同数据源中的相关信息和语义上下文。第四步，通过编排引擎把这些功能串起来，实现自动化流程，如自动化的数据标注，并且可以加入人机操作互动（Human in the loop）。

也就是说，戴尔科技智能数据平台所做的是在企业原始数据和智能应用之间修一条“数据管道”。

现场给出的高级驾驶辅助系统（ADAS）例子同样能说明这种变化：一辆汽车每天可能产生几十TB数据，其中包括大量图片和视频，需要标注天气状况、红绿灯状态、障碍物情况等信息。李海随后指出，目前大量标注可以通过模型完成，但仍然有一部分海量数据，没法使用模型标注，需要人眼去看。

这就需要用到上述第四步，数据编排引擎引入的“人机互动操作”：模型处理大部分内容，人处理剩下无法自动判断的部分，再继续进入后续流程。

这时候，每个智能应用，背后都有一套持续运行的系统：业务产生数据——数据处理——模型使用——人工反馈——新的数据再次进入。

这可能也是为什么，智能应用走向规模化之后，数据平台的重要性开始显著上升。模型和算力越来越容易获得，真正难复制的是企业过去十几年、几十年积累下来的数据，以及能不能持续把这些数据变成高质量的上下文。

戴尔科技用了一个常见但贴切的比喻：数据像原油。

原油有价值，但需要开采、运输、提炼、储存和分配，最终才能变成真正可以驱动车辆的燃料，企业的原始数据同样如此。数据没有Ready，一方面会导致算力等待数据而被闲置，另一方面也无法建立一条贯穿智能应用生命周期的“Data Pipeline”。

戴尔科技集团大中华区咨询服务业务拓展高级经理黄靖讲到，目前围绕戴尔科技智能数据平台的服务分为两类：一类是智能基础架构的搭建，“类似于造火箭”；第二类则是制作燃料，也就是数据清洗和优化，“后者受到的关注也越来越多”。

具体来说，戴尔科技可以做平台搭建、将数据做成数据目录、建数据管道、接入智能数据平台等，最终形成一个联合查询的BI界面。“这个过程中有非常多的‘苦活、脏活和累活’，客户可能没有足够的人手或需要选型、选工具，戴尔科技的服务部门可以为客户提供建议。”黄靖说。

这反而是企业智能化进入生产环境后最现实的一面，案例往往展示的是最后10%的效果，企业真正需要补的是前面90%的数据工程。

此外，并不是所有数据都应该被搬到同一个地方——有的客户数据分散在不同的公有云和本地系统，缺乏统一的查询平台，如果采用传统方法，把数据统一抽取出来再集中处理，不仅耗时，且可能产生出云费用，也可能受到数据放置合规要求影响。

“戴尔科技智能数据平台及配套服务可以帮助问题得到解决”，黄靖说，“对应的做法，是让数据继续留在原平台，通过联合查询形成完整的BI分析。”

这也带出下一层问题：如果数据不一定要搬走，则反过来对算力、存储和应用提出了新要求——它们必须足够灵活，能在数据所在的地方直接发挥作用。

数据开始流动之后，数据中心不能再是一块“焊死”的底板

智能应用最大的特点之一，是它很难被提前规划。

今天企业使用一种虚拟化平台，明天可能调整技术栈；今天数据集中在数据中心，明天可能有大量业务进入工厂、门店和分支机构；算力和容量的增长速度，也不会永远保持一致。

所以当数据本身开始变得动态之后，下面的数据中心也必须跟着变。

戴尔科技集团大中华区云和存储平台资深系统架构师胡流把企业当前面对的问题，归纳成三个：虚拟化平台的不确定性、硬件资源市场的较大波动和自动化孤岛。

Dell Private Cloud戴尔科技私有云解决方案的一个核心思路就是“解耦”。

它运行在Dell Automation Platform自动化平台之上，用户可以把服务器和存储资源放在同一个视图中管理，通过蓝图（Blueprint）进行自动化编排，把硬件资源组建成用户所需的私有云生态。现场环境中，用户可选择服务器和存储，组建为可支持VMware、Red Hat OpenShift、Nutanix等不同生态的集群，实现硬件的有效复用。

“如果客户觉得A集群尝试得不顺利，想回退到B集群，非常简单，通过蓝图脚本就可以做到。传统方案下，一旦不使用某种虚拟化平台生态，对应的硬件也用不了。而在Dell Private Cloud解决方案下，硬件可切换支持不同的生态系统。”胡流强调。

但“解耦”并不只发生在软件层。

传统超融合架构（HCI）扩容通常以节点为单位：如果只是存储不够，可能同时买入并不需要的CPU和缓存；如果只是计算不足，也可能顺带增加存储。

Dell Private Cloud采用解耦式架构，即服务器加共享存储，这样一来计算与存储可以分别扩展：算力不够就加服务器，容量不足则单独增加存储。

换句话说，数据中心现代化正在从“买更快的设备”，逐渐变成“降低下一次变化的成本”。

再往底下，就是服务器和网络，同样在发生这种变化。

现场可见，这一代Dell PowerEdge服务器在外观上有个肉眼可见的不同，是散热孔变大。戴尔科技集团亚太及大中华区企业级服务器产品高级经理秦建丰解释说，“CPU热设计功耗发展下去，散热孔会越来越大，所以服务器的整个散热体系也需要重新调整。同时，服务器内部开始采用更多的‘模块化设计’，以便未来硬件和管理模块继续升级，以前没有采用模块化设计，就必须更新整个主板。”

网络则承担另一件事：让数据真正流动起来。

戴尔科技集团资深企业级解决方案顾问张进现场用了个常见但恰当的比喻：数据是智能应用的“燃料”，网络就是燃料的“输送管道”，让“数据燃料”能流动至算力处。

硬件层，网络已经不仅是承担连接功能，而是向高带宽、低延迟趋势发展。正在向400/800Gbps甚至下一代1.6Tbps演进。软件层，戴尔科技则强调开放网络，让网络操作系统与交换机硬件解耦。

到这里，展区前半段其实已经串成了一条完整路径：智能数据平台把原始数据变成可以使用的燃料；网络负责让燃料流动；服务器提供计算；解耦架构下的私有云则能够让硬件资源能随着业务变化重新组合。

但企业真正敢把关键业务放上去，还缺最后一环。数据不仅要能被使用，还必须在出了问题之后仍然可信。

当数据真正成为生产资料，安全需要随时可控

整条数据链，还有最后一个问题：企业如此依赖数据，如果数据碰到安全事件怎么办？

戴尔科技集团大中华区安全与弹性平台解决方案高级架构师周子冉提到一组数字，“一场勒索攻击可能给企业带来‘亿元级’损失，不仅业务会停顿，业务停摆之外，企业形象也会受重创。”

戴尔科技给出的方案，是一套端到端的网络弹性解决方案，考虑的是“攻击前的防护、攻击中的侦测、攻击后的恢复”。简言之，攻击者在变，企业不可能百分百防住，但只要能在攻击之后快速隔离受损数据、完整恢复业务，损失就可以控制在可承受范围内。

这套思路背后其实是企业安全观念的一次变化。戴尔科技认为，企业今天需要的已经不仅是数据保护（Data Protection）能力，而是网络弹性（Cyber Resilience）体系。备份解决的是数据有没有副本，网络弹性解决的是企业有没有能力恢复业务。

诚然，智能能力部署得越深，对底层数据、基础设施与安全韧性的要求就越高。

戴尔科技集团《2026年现代化企业就绪度调查》（Modern Enterprise Readiness Study 2026）显示，中国超半数的组织将建立和扩展智能能力列为未来24个月的首要战略目标，20%的企业已具备成熟的智能应用部署能力，另有45%的企业正在积极推动智能技术向核心业务场景加速渗透。

当智能应用从概念验证走向千行百业的核心业务，企业竞争的焦点已经悄然改变。算法和算力可以买到，但企业独有的、高质量的业务数据买不来。数据就绪，本质上就是企业在智能时代确立核心竞争力的过程。戴尔科技智能数据平台的出现，正是让数据真正“Ready”，助力企业打通从原始数据到业务洞察的最后一公里，帮助企业真正把数据资产转化为驱动增长的引擎，在智能化进程中行稳致远。