据SiliconANGLE报道，在企业推进人工智能规模化部署的过程中，模型能力已不再是唯一决定因素，对数据的访问与控制能力可以决定AI项目的成败。这一判断正推动企业把投入转向AI基础设施，即建设能够提供统一访问、元数据智能、安全与混合编排的数据底座。

theCUBE Research分析师戴夫·维兰特和乔治·吉尔伯特表示，胜出的将是那些围绕模型构建完整系统的组织，一个能连接现有确定性应用、创建共享真相层、在智能体采取行动时对其加以控制，并利用人类反馈持续改进的系统。他们认为，做对这一点的企业不仅能以更低成本运行，还会以不同方式运行，以更少的劳动力比例增长实现扩张，压缩从洞察到行动的周期。

戴尔科技集团基础设施解决方案事业部产品营销高级副总裁瓦伦·查布拉在theCUBE的访谈中说，客户想要模块化解决方案，希望从整个平台的角度考虑人工智能，包括计算、存储、网络、GPU，以及其上的软件框架和模型，并关心这些是否都经过测试和验证。报道称，大型企业针对不同工作负载采用不同的基础设施和部署模型，这正在影响戴尔等计算厂商的交付方式，可组合性因此更受青睐，企业不再选择单一技术栈，而是寻求支持即插即用数据引擎与框架的架构。

戴尔全球首席技术官兼首席AI官约翰·罗思在同一访谈中表示，智能体本身只是一个软件系统，包含大语言模型、知识图谱和协议等组件。他说那个数据层不是魔法，而是真实的东西，企业必须真正把它建起来，构建能够支持并维护知识图谱、向其供给数据，同时支持智能体运作的基础设施。

报道指出，AI在企业技术栈中影响力扩大，以及可扩展数据管理的需求，也在改变存储、安全、主权与治理方面的要求。戴尔在5月宣布对PowerStore平台进行增强，查布拉称这是该平台历史上最大的飞跃，改进涵盖硬件与软件，可提供比前几代最多三倍的输入输出操作、吞吐量和密度。查布拉表示，这是新一代现代数据平台，旨在帮助客户引领变革，而不仅仅是应对变革。

安全同样成为焦点。theCUBE Research分析师克里斯塔·凯斯表示，理解一个事件可能需要安全上下文、生产行为、应用依赖和业务影响在决策点汇聚，这使上下文成为安全架构的一部分，而不是警报触发后附加的增强步骤，也改变了企业评估AI安全的方式。