---
title: "Dell refuerza su AI Data Platform: más rendimiento para RAG, búsqueda vectorial y datos no estructurados con Elastic, Starburst y NVIDIA"
description: "Dell Technologies ha anunciado nuevas capacidades en su AI Data Platform , el pilar de datos del ecosistema Dell AI Factory con el que la compañía quiere ayudar a las empresas a transformar datos dist..."
url: https://revistacloud.com/dell-refuerza-su-ai-data-platform/
date: 2025-10-23
modified: 2025-10-23
author: "Nota de Prensa"
image: https://revistacloud.com/wp-content/uploads/2022/01/bare-metal-servidor-dedicado-nodo-stackscale-dell.jpg
categories: ["Empresas", "Inteligencia artificial", "Noticias"]
tags: ["datos", "dell", "Inteligencia Artificial"]
type: post
lang: es
---

# Dell refuerza su AI Data Platform: más rendimiento para RAG, búsqueda vectorial y datos no estructurados con Elastic, Starburst y NVIDIA

**Dell Technologies** ha anunciado nuevas capacidades en su **AI Data Platform**, el pilar de datos del ecosistema **Dell AI Factory** con el que la compañía quiere ayudar a las empresas a transformar **datos distribuidos y en silos** en resultados de **IA** medibles. La propuesta pone el foco en un punto crítico para cualquier organización que esté pasando de pilotos a producción: **separar almacenamiento y procesamiento** para eliminar cuellos de botella, **mantener el control on-prem** y dar flexibilidad a cargas que van desde **entrenamiento** y **fine-tuning** hasta **RAG** e **inferencia**.

La actualización se articula sobre **cuatro bloques**: motores de almacenamiento, motores de datos, ciberresiliencia integrada y servicios de gestión de datos. El paquete llega **integrado con el diseño de referencia de NVIDIA AI Data Platform** y se apoya en alianzas con **Elastic** y **Starburst** para acelerar búsqueda semántica, analítica federada y **workflows agentic**.

## Por qué importa: del “data swamp” a resultados de IA en tiempo real

La adopción de IA empresarial está chocando con un hecho tozudo: los datos **están repartidos**, son **multiformato** y **cambian**. Con su AI Data Platform, Dell propone **una base abierta y modular** para **unificar tuberías**, **activar metadatos** y **evitar bloqueos** entre capas de almacenamiento, cómputo y modelos. El objetivo declarado es que el equipo de datos pueda **conectar sin fricción** repositorios NAS y S3, orquestar ingestión **incremental** para mantener al día **índices** y **vector stores**, y desplegar búsquedas **híbridas (keyword + vector)** aceleradas por GPU **con control on-prem**.

## Motores de almacenamiento: PowerScale y ObjectScale, con ajustes para IA

Los **motores de almacenamiento** de la plataforma —**Dell PowerScale** (NAS) y **Dell ObjectScale** (objeto S3-nativo)— son la base para **colocar** los datos donde rinden mejor y **moverlos** sin fricciones entre etapas (preparación, entrenamiento, inferencia, RAG).

### PowerScale: NAS paralelo para IA, validado a escala GPU

- **PowerScale** ofrece **acceso multiprotocolo** y rendimiento paralelo para **entrenamiento**, **fine-tuning**, **inferencia** y **pipelines RAG**.
- Con la nueva **integración** de **NVIDIA GB200** y **GB300 NVL72** y actualizaciones de software, Dell promete **rendimiento consistente**, **gestión simplificada a escala** y compatibilidad con **aplicaciones y stacks** habituales en IA.
- El **PowerScale F710** ha logrado la **certificación NVIDIA Cloud Partner (NCP)** para almacenamiento de alto rendimiento. Según Dell, el sistema escala a **más de 16.000 GPU** con **hasta 5× menos** espacio de rack, **88 % menos** de switches de red y **hasta 72 % menos** consumo energético frente a alternativas comparables.

### ObjectScale: objeto S3 con aceleración y mejoras para objetos pequeños

- **ObjectScale** —que Dell presenta como “la plataforma de objeto de mayor rendimiento”— aporta **S3 nativo** escalable para **cargas masivas de IA**. Puede desplegarse como **appliance** o en una nueva opción **software-defined** sobre **servidores Dell PowerEdge**, que es **hasta 8 veces** más rápida que la generación previa de objeto all-flash, de acuerdo con la compañía.
- Avances destacados:
  - **S3 sobre RDMA** (en *tech preview* en diciembre de 2025): **hasta 230 %** más **throughput**, **80 %** menos **latencia** y **98 %** menos uso de CPU que S3 tradicional.
  - Mejora de rendimiento/eficiencia en **objetos pequeños** (10 KB): **hasta 19 %** más **throughput** y **hasta 18 %** menos **latencia** en grandes despliegues.
  - **Integración más profunda con AWS S3** y **compresión a nivel de *bucket*** para reducir superficie de datos y costes asociados a almacenamiento y movimiento.

La combinación **PowerScale + ObjectScale** permite a los equipos de datos **elegir** la capa adecuada para cada etapa —por ejemplo, **NAS** para *scratch* de entrenamiento y **objeto** para *data lakes* y repositorios de RAG— manteniendo **políticas comunes** de seguridad, **telemetría** y **ciberresiliencia**.

## Motores de datos: búsqueda semántica con Elastic y analítica federada con Starburst

Además del almacenamiento, Dell amplía sus **motores de datos**: herramientas especializadas para **organizar**, **consultar** y **activar** la información en flujos de IA.

### Data Search Engine (con Elastic): RAG y semántica a escala

Desarrollado en colaboración con **Elastic**, el **Data Search Engine** apunta a **RAG**, **búsqueda semántica** y **pipelines generativos**. Se integra con **MetadataIQ** para **descubrir** y **catalogar** datos, y puede **buscar miles de millones de ficheros** en **PowerScale** y **ObjectScale** mediante **metadatos granulares**. Entre las ventajas operativas:

- **Ingesta incremental**: solo incorpora **archivos actualizados**, ahorrando cómputo y manteniendo **vector DB** al día.
- **SDKs conocidos**: los desarrolladores pueden crear aplicaciones RAG en **LangChain** u otros marcos.
- **Gobernanza**: ancla la búsqueda en repositorios **controlados** por TI, con **auditoría** y **seguridad** integradas.

### Data Analytics Engine (con Starburst): del *federation* al “agentic SQL”

Con **Starburst**, Dell fortalece su **Data Analytics Engine** para lanzar **consultas sin mover datos** a través de **spreadsheets**, **bases de datos**, **cloud warehouses** y **lakehouses**. Las novedades incluyen:

- **Agentic Layer**: una capa que usa **LLM** para **documentar** automáticamente, **extraer *insights*** y **embebar IA en flujos SQL** en segundos.
- **Acceso unificado** a **vector stores** (Iceberg, el propio **Data Search Engine**, **PostgreSQL + PGVector**, etc.) para facilitar **RAG** y **búsqueda** desde una sola puerta.
- **Monitorización y *governance*** de modelos de nivel empresarial: seguimiento, auditoría y control de uso de IA.
- **MCP Server para Data Analytics Engine** (febrero de 2026): habilita **desarrollo de multiagentes** y aplicaciones de IA sobre la capa analítica.

## Búsqueda híbrida acelerada por GPU con NVIDIA cuVS

La plataforma incluirá **integración con NVIDIA cuVS** para **búsqueda vectorial** y **híbrida (keyword + vector)** acelerada por **GPU**. La promesa es **rendimiento de nueva generación** en **vector search** con **despliegue *turnkey***: un entorno preparado para que TI lo ponga en marcha **“de fábrica”**, **on-prem** y **a escala**, aprovechando la infraestructura segura de Dell. Para equipos que hoy mantienen varios *stacks* de búsqueda y vectorización, el valor está en **consolidar** y **estandarizar** sin renunciar a prestaciones.

## Qué dicen los actores: de “datos fragmentados” a “plataformas listas para producción”

Desde Dell, **Arthur Lewis** (ISG) enmarca el anuncio en una necesidad transversal: **simplificar la complejidad** de los datos, **unificar pipelines** y entregar **datos *AI-ready*** a escala, con casos prácticos que van de **diagnóstico en tiempo real** en sanidad a **mantenimiento predictivo** en industria. En **NVIDIA**, **Justin Boitano** subraya que la plataforma empuja una nueva generación de **almacenamiento inteligente** capaz de **interpretar** el significado de los datos. **Elastic** y **Starburst** destacan, respectivamente, el impulso a **búsqueda/descubrimiento** y a **federación analítica**, dos cuellos de botella típicos cuando el dato está **en demasiados sitios**. Y desde **Maya HTT** se pone el acento en **telemetría en tiempo real** y **eficiencia con IA** en sectores como el aeroespacial o el marítimo, apoyándose en **PowerScale** y la infraestructura **NVIDIA**.

## Disponibilidad: calendario por hitos

- **PowerScale** con integración **[NVIDIA GB200](https://revistacloud.com/nvidia-gb200-skynet/) / GB300 NVL72** y validación **NCP**: **disponible**.
- **ObjectScale S3 sobre RDMA**: **Tech Preview** en **diciembre de 2025**.
- **Actualizaciones de ObjectScale (software)**: **diciembre de 2025**.
- **Data Analytics Engine Agentic Layer**: **febrero de 2026**.
- **MCP Server para Data Analytics Engine**: **febrero de 2026**.
- **Data Search Engine** en **Dell AI Data Platform**: **1.º semestre de 2026**.
- **Integración NVIDIA cuVS**: **1.º semestre de 2026**.

## Claves para el CIO: cinco preguntas que conviene responder antes de implantar

1. **¿Dónde están mis datos y qué *SLA* exige cada caso de uso?**Mapear repositorios **NAS**, **S3**, bases relacionales/noSQL, hojas de cálculo, *warehouses* y *lakehouses* para decidir **colocación** (PowerScale vs. ObjectScale) y **movimiento** (qué, cuándo y cómo).
2. **¿Cómo mantengo frescos los índices y las *vector DB* sin quemar cómputo?**Activar **ingesta incremental** y **metadatos** (con MetadataIQ y/o *catalogs*) para recalcular **solo lo necesario** en **RAG** y **búsqueda**.
3. **¿Qué *stack* de búsqueda y vectorización consolidar?**Valorar la **búsqueda híbrida** con **cuVS** y la **unificación** de acceso a vectores (Iceberg, PGVector, etc.) para reducir **fragmentación**.
4. **¿Qué *guardrails* necesito (seguridad y cumplimiento)?**Definir **perímetros**, **cifrado**, **auditoría** y **retención**; aprovechar la **ciberresiliencia** integrada y el **monitoreo de modelos** para evitar usos no gobernados de IA.
5. **¿Cómo medimos el ROI de RAG y búsqueda semántica?**KPIs como **latencia de respuesta**, **tasa de *hit***, **coste por consulta**, **horas ahorradas** en atención/soporte o **precisión** frente a *ground truth* ayudarán a priorizar inversiones.

## Lectura crítica: promesas de rendimiento y madurez operativa

Las cifras que acompañan al anuncio —**230 %** más *throughput* y **80 %** menos latencia en **S3 sobre RDMA**, **hasta 8×** en la opción **software-defined** de **ObjectScale**, o el salto de **PowerScale F710** a **más de 16.000 GPU** con recortes drásticos de espacio, red y energía— pintan un escenario **muy atractivo** para cargas de IA con hambre de datos. La **clave** estará en **llevar ese rendimiento al día a día**: gobernanza, *SLA* de ingestión e indexado, **coste total** de vectorizar a escala y **observabilidad** de extremo a extremo para evitar que el “lago” vuelva a ser un **pantano**.

En paralelo, el empuje a **workflows agentic** sobre SQL y a **búsqueda semántica** gobernada sugiere que Dell intenta **acercar** las capacidades de IA **a los equipos de datos**, no solo a *MLOps*. Si el calendario se cumple y las integraciones **Elastic/Starburst/cuVS** llegan **listas para producción**, la plataforma puede recortar **meses** en implementaciones que hoy se atascan en **pegamento** entre herramientas.

---

## Preguntas frecuentes

**¿Qué diferencia a Dell AI Data Platform de un *data lake* tradicional?**
No es solo almacenamiento: combina **motores de datos** (búsqueda semántica, analítica federada, *governance* de modelos) con **motores de almacenamiento** (NAS paralelo y objeto S3-nativo) y **ciberresiliencia**. Además, **separa** explícitamente **datos** y **procesamiento** para evitar cuellos de botella en **entrenamiento**, **RAG** e **inferencia**.

**¿Qué aporta S3 sobre RDMA en ObjectScale para cargas de IA?**
*Tech preview* desde **diciembre de 2025**, apunta a **más rendimiento** y **menos latencia/CPU** al transportar **S3** sobre **RDMA**. En escenarios con **inferencia intensiva**, **re-indexación** o **pipelines RAG** a gran escala, puede **reducir costes** y **acelerar SLAs** de datos.

**¿Cómo encaja NVIDIA cuVS en la plataforma?**
Habilita **búsqueda vectorial** y **híbrida (keyword + vector)** acelerada por **GPU** en entornos **on-prem**, con despliegue ***turnkey***. Para equipos que hoy mantienen múltiples motores y *plugins* de búsqueda, supone **estandarizar** y **ganar rendimiento** sin perder control.

**¿Cuándo estarán disponibles las nuevas funciones y qué requiere su adopción?**
La integración **PowerScale + GB200/GB300** validada por **NCP** ya está **disponible**. **ObjectScale S3 sobre RDMA** y sus **actualizaciones** llegan en **diciembre de 2025**. La **Agentic Layer** y el **MCP Server** del **Data Analytics Engine** se lanzan en **febrero de 2026**. El **Data Search Engine** y la integración **cuVS** están previstos para el **1.º semestre de 2026**. La adopción requiere coordinar **red**, **seguridad**, **metadatos** y **pipelines** existentes.

vía: [dell](https://www.dell.com/en-us/dt/corporate/newsroom/announcements/detailpage.press-releases~usa~2025~10~dell-ai-data-platform-advancements-unlock-the-power-of-enterprise-data-to-accelerate-ai-outcomes.htm#/filter-on/Country:en-us)