拉斯维加斯，戴尔科技世界2026大会现场。台上，迈克尔·戴尔告诉数千名与会者：“充裕的智能已经到来，智能正在成为基础设施。” 这句话点出了今年大会最核心的转变——企业不再满足于在公有云上试水AI，而是开始把算力和数据往自家机房里搬。
几乎每个技术会议都在谈AI，但戴尔的这次大会有些不一样。关注点从“AI能做什么”转向了“企业怎么把AI真正跑起来”。尤其是在基础设施层面，如何把更多AI能力直接建到服务器、工作站和边缘设备里去，成了被反复提及的议题。
这种转变背后，至少有三股力量在推动。首先是数据与AI主权的压力。随着代理型AI被越来越多企业采纳，把数据训练和推理放在云上变得不再那么让人放心。来自Aberdeen的研究显示，全球各行业、各地区的公司都在把“数据和AI训练保留在自己数据中心里”这件事摆在极高的优先级。用大会发言人的话说，对主权AI的要求正快速增长。
第二个推动力是治理，尤其是针对AI代理的治理。当AI代理开始自主做决策、调动企业系统时，企业必须对整套流程有更紧的控制。直接把关键系统暴露在公有云API背后，无论是审计、合规还是实时干预都变得复杂。将计算拉回到内部，企业可以在自己防火墙内设定规则、监控行为，这让IT主管们睡得更安稳。
当然，最直接的推力还是钱。云上大语言模型的成本正让很多企业肉疼。迈克尔·戴尔在演讲中专门提到了“代币经济学”这个词。而首席运营官杰夫·克拉克在第二天的演讲里扔出了两个数字：AI的代币使用量已经增长了320倍，到2030年，全球代币消费量预计还要再膨胀34倍。这不是缓慢上涨，这是指数级暴涨。对于每天要调用百万次模型的企业来说，每月账单变成了一场惊吓。
那么解法是什么？戴尔的方案是把AI工作负载从云上搬回本地。会议期间，戴尔的演讲者们展示了一条光谱：从给开发者用的本地工作站，到数据中心里的整机架服务器，再到分布式的边缘计算设备，都可以充当AI推理和训练的算力池。这样做的直接好处就是大幅砍掉代币消耗带来的持续费用。同时还能改善延迟——当数据不必在云端和本地之间来回跑，实时性应用才能站稳脚跟。
这股“回撤”的趋势并不是要抛弃云，而是走向混合架构。企业仍然会用公有云跑各种应用，但涉及核心数据资产、需要大规模频繁推理的AI业务，正越来越多地被标注为“宜内不宜外”。Aberdeen的数据也印证了这一点：企业不是出于保守，而是算了一笔经济账和风险账之后，主动选择把AI的高频载荷圈定在自建基础设施上。
从“智能是基础设施”这句话延伸开来，戴尔正在把自己的服务器、存储和网络设备推到一个新定位——它们不仅是IT硬件，更是企业生成和利用智能的基座。听着有点抽象，但内核很实际：帮企业省下代币钱，把数据主权握在自己手里，同时还能管好那些逐渐掌权的AI代理。这三个诉求收拢到一起，就是今年戴尔科技世界向外界传递的信号：AI的下一站，更可能位于你的数据中心里，而不是遥远的云端。
热门跟贴