HPE AI Factory推出多项全新能力，支持企业安全、可治理地部署AI智能体，优化Token与GPU资源利用率，并在数分钟内构建AI就绪数据
美国拉斯维加斯–HPE(NYSE: HPE)近期宣布推出多项创新，帮助企业加速向智能体企业(Agentic Enterprise)转型，以更高水平的安全性、治理能力和可控性推动AI从实验探索迈向规模化生产应用。此次发布进一步升级了HPE AI Factory解决方案——作为NVIDIA AI Computing by HPE产品组合的重要组成部分，为下一阶段AI发展提供全新能力，使智能系统能够实现自适应、持续演进、协同协作与自主治理。
HPE总裁兼首席执行官Antonio Neri表示，“代理式AI(Agentic AI)要求企业从根本上重新思考业务流程的设计方式。这需要一种全新的技术架构，能够突破当前松散、多厂商集成模式的局限，将安全性和可预测的经济效益置于核心位置。HPE正在构建这一新一代架构，通过业界领先的全栈AI解决方案，为企业提供安全互联、内置治理、智能驱动的AI基础设施，帮助客户以更高的可控性和信心构建并部署AI，加速迈向智能体企业。”
NVIDIA 创始人兼首席执行官黄仁勋表示，“NVIDIA与HPE始终坚持创新，共同推动代理式AI加速落地，持续重塑AI的发展。HPE在私有云、网络、专业服务以及本地基础设施领域的创新，使其具备独特优势，能够构建满足各类企业、大规模AI用户及主权机构需求的AI工厂，在可信、安全和高性能方面提供坚实保障。”
面向企业的生产级代理式AI
数据是企业AI发展的基础，也是迈向生产应用过程中最大的瓶颈之一。HPE Private Cloud AI帮助企业在数分钟内将非结构化数据转化为AI就绪数据管道，同时进一步提升AI推理效率。依托HPE Alletra Storage MP X10000内置的智能能力，客户可自动为数据添加元数据和治理策略，为检索增强生成(RAG)应用做好数据准备，并将Token响应时间最高缩短20倍1。
与此同时，HPE Private Cloud AI通过优化Prompt处理效率，可将Token吞吐量最高提升20%2，进一步提高AI推理性能。HPE Data Fabric Software则进一步拓展了面向代理式AI工作流的数据能力，通过将模型上下文协议(MCP)的支持扩展至Apache Airflow，提升数据在智能体工作流中的可用性。全新推出的企业级AI资产目录，可通过元数据对分布式数据进行统一管理和增强。此外，HPE还推出可独立部署的HPE Data Fabric一体机，基于HPE ProLiant服务器构建，帮助企业进一步简化部署流程，加速代理式AI应用落地。
大规模HPE AI Factory解决方案进一步强化安全能力，并深化与NVIDIA技术集成
HPE持续增强面向大规模AI Factory的解决方案，推出以下全新能力：
●面向大规模部署及主权AI架构的NVIDIA机密计算能力:HPE通过HPE Services，将NVIDIA 机密计算集成至HPE AI Factory解决方案，为关键业务应用和敏感数据提供覆盖整个生命周期、贯穿软硬件全栈的安全保护。该方案通过加密证明和全流程数据加密，建立可信任链，对硬件、软件及数据集进行持续验证，帮助HPE AI Factory满足不同地区及行业对于数据安全、隐私保护和合规治理的要求3。
●进一步深化与NVIDIA技术集成：全部HPE AI Factory解决方案，包括面向大规模部署及主权AI场景的解决方案——均将支持搭载NVIDIA BlueField-3 DPU以及NVIDIA ConnectX SuperNIC。通过引入上述最新加速计算平台，HPE帮助客户构建支持数字孪生、大规模仿真和可视化等高性能AI应用的新一代基础设施。
上市时间
●HPE Data Fabric Software预计将于2026年10月正式上市。
●HPE Alletra Storage MP X10000、对NVIDIA NeMo Studio的支持，以及基于NVIDIA OpenShell和NVIDIA NeMoClaw打造的HPE Private Cloud AI Agentic AI Sandbox预计将于2026年第四季度推出。
●支持NVIDIA BlueField-3 DPU和NVIDIA ConnectX SuperNIC的HPE AI Factory解决方案现已正式上市。
免责声明：科技狗对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。 本网站转载图片、文字之类版权申明，本网站无法鉴别所上传图片或文字的知识版权，如果侵犯，请及时通知我们，本网站将在第一时间及时删除：yzl_300@126.com
