慧与科技（HPE）在今年的HPE Discover 2026大会上全面押注AI。
AI智能体正在与终端用户协同运行于企业基础设施之中，深刻改变着工作负载在网络中的流转方式，以及计算和存储系统所需具备的能力。在本周于拉斯维加斯举行的HPE Discover 2026大会上，HPE首席执行官Antonio Neri在开幕主题演讲中，从公司全栈角度详细阐述了HPE的应对策略。
大会主要发布内容如下：
网络方面：HPE通过新款QFX交换机、面向数据中心互联的PTX 12,000路由平台、SRX 4700量子安全防火墙以及MX 301边缘路由器，将AI连接能力从GPU机架延伸至推理边缘；与此同时，Marvis Actions功能已引入Aruba Central，Aruba CX交换机也已接入HPE Mist平台。
计算方面：私有云AI现已支持256块GPU，可跨三个AI工厂层级实现多节点推理，并配套推出专为智能体工作负载设计的全新ProLiant DL 394 Gen 12服务器。
存储方面：Alletra MPX 10,000成为私有云AI的存储层，在单一架构上统一了文件存储与对象存储，并原生支持MCP协议，同时通过了英伟达认证存储验证。
智能体运营方面：私有云AI新增智能体治理控制功能，包括支持跨任意框架的零代码智能体注册，以及全新的三层身份模型。底层技术支撑来自英伟达Open Shell（提供策略隔离的智能体运行环境）、NeMo Cloud（提供受治理的工作流蓝图）以及Zerto（在智能体出错时实现干净状态回滚）。
云方面：HPE CloudOps将虚拟化、数据保护与云管理整合为统一的混合运营层，Unleash AI计划现已涵盖超过60家经验证的合作伙伴。
Neri在主题演讲中表示："我们正在见证历史上规模最大的技术平台转型之一。工作负载和应用程序正从仅由终端用户驱动，转变为由终端用户与AI智能体共同驱动。"
网络是AI的基础
对HPE而言，网络是AI的根基所在。Neri指出："每一个字节、每一个Token、每一项决策，都要经过网络传输。"
Neri在主题演讲中对网络的大量论述，围绕将瞻博网络（Juniper Networks）整合融入HPE更广泛产品组合展开。
HPE将其产品组合划分为四个层级：机架内纵向扩展、GPU集群横向扩展、数据中心互联，以及边缘推理路由。新款QFX交换机覆盖前两个层级；PTX 12,000负责数据中心互联，支持800G路由；SRX 4700在单机架单元内提供1.44 Tbps的量子安全防火墙吞吐量；MX 301则基于瞻博网络第六代Trio芯片，将MX平台引入推理边缘场景。
归根结底，这一切的核心是速度，以及速度在AI时代的深远意义。Neri用直白的语言阐释了训练规模下延迟的代价："在数百万块GPU上，将一个微小的网络延迟乘以数周的训练时间，可能意味着训练一个新模型需要90天而非30天。这是追赶突破与创造突破之间的差距。"
计算：为AI工厂提速
在网络连接各系统的同时，计算系统本身也在持续演进，并针对AI进行专项优化。HPE将其计算产品组合划分为三个AI工厂层级，分别面向企业、服务提供商和主权部署场景。
Neri表示："当今的AI，在于更快地从愿景落地为成果——加速Token生成时间，降低执行风险，确保环境从第一天起就具备高性能表现。"
全新ProLiant DL 394 Gen 12专为智能体AI和长上下文工作负载而设计。在AI工厂规模层级，新配置可将AI训练所需GPU数量降至上一代Blackwell平台的四分之一，推理成本则降至每百万Token十分之一。
私有云AI配置现已支持256块GPU及多节点推理。统一网关提供单一API，支持访问前沿模型和开源模型；共享缓存可降低首个Token的生成成本。Neri表示："私有云AI现在可以通过多节点推理跨多个系统服务更大规模的模型，容量随计算规模线性增长。"
存储：为智能体提供数据支撑
智能体的能力上限，取决于其背后的数据质量。在存储层面，Alletra MPX 10,000已成为私有云AI的存储层，在单一架构上统一了文件存储与对象存储。它新增了实时元数据丰富功能，并原生支持MCP协议，使智能体能够跨结构化与非结构化数据源检索信息。HPE表示，相比自建环境，该方案可将价值实现时间加快7至12倍。
Neri指出："AI智能体的智能程度，取决于用于训练它们的数据质量。过去，这些数据需要针对每个用例进行定制化准备，构建合适的AI数据管道往往耗时数月，但现在不再如此。"
智能体治理：构建企业级管控体系
在网络、计算与存储之上运行的，是AI智能体，这也是HPE着力布局的又一领域。Neri表示："智能体现在可以跨数据、应用程序、模型和工作流进行推理，帮助企业做出决策、自动化流程，并越来越多地代表用户采取行动。"
智能体正在企业中快速扩散，往往由开发者和小团队在正式IT监管之外自行部署，这给传统IT管理带来了前所未有的治理与规模挑战。Neri表示："智能体AI对企业提出了一套全新的需求。"
HPE的解决方案是将治理型智能体层内置于私有云AI之中。企业可注册基于任意框架构建的智能体，无需修改任何代码，即可在API调用、身份验证和加密方面应用安全控制。三层身份模型负责验证用户身份、管理智能体权限，并对敏感操作要求人工审批。
能耗：AI规模化的关键约束
在AI的无限潜力与所需基础设施之外，Neri特别警示了一项关键制约因素——电力。他表示："每个模型、每个工作负载、每个智能体都依赖电力，因为AI工厂的本质只有一件事：将电能转化为Token。"
他指出，美国到2028年将面临19吉瓦的电力缺口，预计到2031年，数据中心将占美国总用电量的近一半。Neri表示："随着AI规模不断扩大，未来的胜负手将不仅仅是算力，而是我们能以多高的效率为AI供电、散热和连接。"
Q&A
Q1：HPE私有云AI在计算能力方面有哪些新突破？
A：HPE私有云AI现已支持256块GPU规模，并实现跨系统的多节点推理能力。新配置将AI训练所需GPU数量降至上一代Blackwell平台的四分之一，推理成本则降至每百万Token十分之一。统一网关提供单一API接口，支持访问前沿模型和开源模型，共享缓存机制还可有效降低首个Token的生成成本。
Q2：HPE如何解决企业AI智能体的治理问题？
A：HPE将治理型智能体层直接内置于私有云AI平台中。企业无需修改任何代码，即可注册基于任意框架构建的智能体，并在API调用、身份验证和数据加密层面施加安全控制。平台采用三层身份模型，分别用于验证用户身份、管控智能体行为，并对敏感操作强制要求人工审批。Zerto提供错误发生时的干净状态回滚能力。
Q3：Alletra MPX 10,000在AI场景中有什么优势？
A：Alletra MPX 10,000作为私有云AI的专属存储层，在单一架构上统一了文件存储与对象存储，支持实时元数据丰富和原生MCP协议，使AI智能体能够同时检索结构化与非结构化数据。相比自建环境，该方案可将价值实现时间加快7至12倍，并已通过英伟达认证存储验证。
热门跟贴