TechOrange 科技報橘日前主辦「2026 科技金融論壇」，聚焦探討 AI Agent to Agent 新金融生態基礎設施。Dell Technologies 非結構化數據解決方案資深業務協理徐志良引用 NVIDIA 執行長黃仁勳在今年 GTC 大會上表示的「如何創造並獲取訓練 AI 所需數據，是當前需解決的核心難題」，他指出根據 Dell Technologies 做的調查， 67% 的企業表示仍無法即時從數據抓到關鍵資訊。因此 Dell Technologies 呼應「AI 工廠」的理念，打造出讓企業突破數據孤島的困境、能快速執行 AI 運算並即時生成內容與決策的全方位 IT 架構—— Dell AI 數據平台（AIDP）。
徐志良分享一家國際私人銀行導入 AIDP 平台的案例，他們利用 AIDP 結合業界標準的 BIAN（銀行業架構網路）框架，將大量的原始日誌、交易紀錄與系統訊號轉化為標準化的數據產品（Data Product），提供 AI 模型反覆使用，協助銀行建構具備自我學習能力的大數據防詐演算法，並且能夠在 0.03 秒的反應時間進行詐騙防堵、攔截問題交易，有效保護客戶資產。從商業成效來看，這間銀行在導入該平台後，相較於前一年，因金融詐騙造成的財務損失下降 40%、整體詐欺案件減少 21%，其中投資型詐騙更是銳減 51%，成功攔截的資金總額也提升 6%。
過去金融業 IT 架構累積的數據資產，往往散落在不同的地端伺服器或多雲環境中，形成無數個難以互通的「數據孤島」。傳統的數據處理高度依賴 ETL（萃取、轉換、載入）流程，資料工程師需要撰寫大量程式碼，在不同系統間頻繁搬移數據，同時伴隨高昂成本、資料延遲以及數據不一致的風險。此外，企業運算與儲存架構被專有商業倉儲工具與格式綁定，導致無法即時將數據轉化為有價值的商業洞察。
為了解決金融業面臨的數據整合痛點，Dell Technologies 聯合多家國際軟體平台大廠，推出為新人工智慧時代設計的 Dell AI 數據平台（AIDP）。「企業能夠透過單一平台串接不同系統、即時抓取數據進行分析，同時把已經計算好或分析完成的 AI ready dataset 進行存放，」徐志良表示，各業務單位可以自助式數據存取與洞察，減少 IT 人工介入的依賴。
四大引擎 X 湖倉一體，聯手 NVIDIA 打造「資料零搬移」能力
AIDP 的運作架構主要由「資料引擎（Data Engines）」與「儲存引擎（Storage Engines）」所構成。
在資料引擎方面，平台整合業界四項開源與商業軟體技術，以應對不同型態的數據挑戰。首先是「資料分析引擎」，引進 Starburst 的 MPP 分散式查詢引擎，能夠作為 Data Fabric 的角色連接關聯式資料庫、數據湖與 NoSQL 系統，讓使用者透過 SQL 語法，跨越異質數據源進行即時資料檢索與運算，節省過去搬移數據的負擔。
第二是「資料處理引擎」，平台透過 Apache Spark 利用記憶體內運算能力與 CPU/GPU 資源，應對龐大批次資料與即時串流數據的高效處理。
第三，為因應多模態 AI 需求的「資料搜尋引擎」，採用 Elasticsearch 建構高擴展性的全文與向量搜尋資料庫，對於 LLM 的上下文關聯檢索與檢索增強生成（RAG）應用相當重要。
最後是導入 Dataloop 的「資料編排引擎」，能夠處理非結構化數據清理、標註與梳理的自動化流程，將高價值的資料數據灌入向量資料庫，與 AI 模型無縫對接。
而當數據經過引擎的整理後，應該如何安全、高效地保存 AI Ready Dataset 數位資產？對此，AIDP 採用湖倉一體（Data Lakehouse）儲存方案，在底層的儲存引擎上提供 PowerScale 與 ObjectScale 穩固基礎，而其中最大變革在於資料的「就地運算與零搬移」能力，藉由單一且具備共通命名空間的儲存基底，結合與 NVIDIA 整合的 GPUDirect Storage 技術，讓數據可以直接傳輸至 GPU 進行運算，同時滿足 AI 在資料準備、模型訓練、檢查點備份到最終推論各個階段的存取需求。
在合規與資安防禦上，AIDP 平台內建符合美國國防部標準的零信任（Zero Trust）網路安全架構，提供全面的資料保護層，涵蓋權限存取控制、資料加密、資料遮蔽以及即時威脅偵測等功能，確保銀行的關鍵交易數據與客戶個資在被轉化為 AI 訓練素材的過程中，不會面臨外洩或違規的風險。同時，平台具備災難備援與資安韌性（Cyber Resilience）機制，也能保障金融服務在面對網路攻擊時，依然具備快速恢復營運的能力。
當企業能夠徹底打破傳統數據孤島，將數據安全、快速且無縫地注入 AI 工廠的引擎中，數據就不僅能加速金融 AI 的創新，更能真正轉化為捍衛金融安全的盾牌。
