「Demo 可行不等於可生產。」Dell 以供應鏈思維助製造業打造可重複運行的 AI Factory

「AI 專案的瓶頸,通常不是模型,」戴爾科技集團 Dell Technologies 資深業務協理吳靜怡日前於 TechOrange 科技報橘與美國高通公司 Qualcomm 共同主辦的「2026 AI 智慧大工廠」新竹場論壇中指出,「真正困難的是把 AI demo 變成每天穩定運作的生產服務。」

企業發展 AI 的歷程通常分為幾個階段:從初期的個人工作站開發,逐步進階到資料中心或專業機房,最終可能演進為 GPU 即服務(GPU as a Service)的龐大架構。「我們可以把 AI 的成果交付,想像成是一條生產供應鏈,」吳靜怡比喻,若缺乏標準化流程,每一次收到新的需求,IT 團隊都必須針對特定的應用場景,重新進行硬體相容性測試、安裝軟體版本與人工調校,難以提升部署效率。

為此,企業需要一座能重複生產 AI 的數位工廠。Dell 以 AI Factory 的運作模式,將散亂的 AI 模型、資料、加速基礎架構、資安與服務整合封裝;並透過 Dell Automation Platform(DAP)作為控制層,可自動部署 AI Agent、Code Assistant 等應用,並協調、管理基礎架構,將過往繁複耗時的人工設定轉化為可重複利用的標準化流程。「AI Factory 提供生產線,DAP 讓這條生產線自動運轉,」吳靜怡說明。

DAP 讓 AI Factory 從單點部署走向跨廠一致

過去,如果要在機房裝一套 AI 系統,IT 人員必須逐一登入伺服器設定,再安裝 GPU 驅動程式與 AI 模型,不僅耗時、容易出錯,也難以複製到其他廠區。透過 DAP 平台實現「基礎架構即程式碼(Infrastructure as Code,簡稱 IaC)」,協助將繁複的設定轉換成標準化的宣告式藍圖(Blueprint)。「把這個 Code 標準化之後,你所有的自動化動作其實都是用 Code 來驅動,」吳靜怡說。

藍圖就像是一個個「壓模檔」,搭配平台內建的 AI 助手,只要以自然語言描述需求,就能將既有的 AI 工具自動部署到指定設備、廠區。不僅比傳統人工設定省去 30 個以上的步驟、平均部署時間縮短約一個工作週,更大幅降低了設定錯誤的風險。吳靜怡指出:「我們的目標就是縮短 AI 部署的時間,把所有人為工程會發生的風險降到最低,用自動化的方式把它包起來。」

而在企業 IT 治理層面,藍圖的另一大價值在於「版本控制」。對於在竹科、南科甚至全球各地皆有設廠的大型製造業而言,確保各廠區的 AI 系統邏輯一致是維運關鍵。透過統一的自動化平台集中管理藍圖版本,能避免不同廠區因系統版本差異而影響生產環境的穩定性,維持全域的一致性治理。

模組化 Infra,讓 AI 專案從小規模驗證走向彈性擴充

戴爾科技集團 Dell Technologies 資深業務協理吳靜怡說明 Dell Automation Platform(DAP)如何實現基礎架構自動化。

除了將部署流程轉化為標準化藍圖,底層硬體資源與系統環境(Infrastructure)同樣需要保留擴充彈性。吳靜怡建議,企業不必一開始就投入最大規模的硬體建置,而是依照當下需求,先從較小規模的 Pilot 模組或推論單元起步。並搭配「積木式」的模組化架構(Modular Foundation),隨著實際需求逐步增加運算、儲存與網路資源,降低每次啟動新專案時重新整合軟硬體的門檻。

這也反映 Dell 的 AI 導入思維:先建立可重複的流程,再逐步擴大 AI 產能。在 DAP 平台中,藍圖負責固化部署方式,模組化架構則讓 Infra 能隨需求逐步擴充。如同吳靜怡指出:「這代表 IT 現在搭載的 AI 技術架構,必須能直接滿足前端業務的成果價值,讓 IT 治理與業務成果真正 inline(緊密對齊)。」

立即預約收看 2026 AI 智慧大工廠_新竹場演講精華