人工智能（AI）正从实验阶段进入实际业务，有分析指出，如今企业的竞争力已不再取决于模型本身，而在于能否稳定地构建起“AI基础设施”。因为如果数据、软件和硬件各自为政，将导致可扩展性下降，成本也难以控制。
戴尔科技与英伟达正顺应这一变化，加快合作以简化企业级AI的部署。戴尔科技ISG及通信营销部门高级副总裁瓦伦·查布拉在最近的一次采访中表示：“现在大家脑海里都浮现着‘代理化’这个词。自从OpenClaw和英伟达的NemoClaw发布之后，感觉在代理化AI领域也迎来了‘ChatGPT时刻’。”
比速度更大的挑战是“管理复杂性”
企业不再仅仅关注单纯的处理速度。在AI模型、工具和架构快速变化的背景下，核心挑战在于构建一种无需因技术变革而不断重构整个系统的结构。英伟达企业产品营销总监安·赫克特解释道：“去年我们还在讨论DeepSeek出现后的推理模型，但现在因为OpenClaw的影响，我们甚至开始讨论能够自行创建其他代理的代理了。”
她补充说，通过与戴尔科技的合作，目前正在验证并提供相关技术，以确保企业能够“安全且有保障地”使用这些技术。归根结底，企业级AI的核心不仅在于快速整合最新技术，更在于确保长期可运营的“灵活性”和“可扩展性”。
从单一的公有云转向分布式AI架构
AI工作负载的运行地点也在发生变化。过去，主流观点认为大多数AI计算将流向公有云，但如今，涵盖本地部署、边缘计算和开发者工作站的分布式架构正成为一种替代方案。这是因为企业对直接控制成本、治理和性能的需求日益增长。
赫克特以“机密计算”技术为例指出：“生态正在朝着这样的方向发展：即使是像谷歌Gemini这样的尖端模型，也能在戴尔服务器的本地环境中运行。”这意味着企业无需将敏感数据全部交给外部云，也能运行大型AI模型。
Token成本激增，重新审视AI部署的经济性
随着AI深入实际业务，“Token消耗”正成为一个新的成本变量。特别是随着编码辅助、报告撰写、调研自动化等代理化AI应用案例增多，推理计算几乎达到了持续运行的程度。赫克特表示：“你可以把任务交给代理，第二天早上一来，它可能已经完成了报告撰写、调研甚至基于审批的行动，而在这个过程中会消耗大量的Token，因此需要能够支撑这种规模的大规模推理基础设施。”
这种结构正促使企业重新计算对基于按需付费的外部服务的依赖程度。因为随着使用量的增加，成本会急剧上升，达到一定规模后，拥有自有基础设施可能会更高效。赫克特解释说，企业需要仔细审查当前AI运营的“可变成本”，与租赁第三方基础设施相比，自有基础设施在可用性和优先级控制上可能更便捷。
AI自主性增强，相比生产力，“控制”变得更重要
代理化AI的普及在提升生产力预期的同时，也带来了围绕控制与责任范围的新挑战。随着AI系统越来越自主地进行判断和执行，企业必须制定明确的标准，决定授予其多大的权限。
查布拉表示，戴尔正通过其自动化平台，与英伟达合作开发“蓝图”，以加速包含基础设施、软件、模型及上层功能在内的整个AI堆栈的部署。这表明，市场需求已超越简单的AI部署，转向构建包含治理与运营体系在内的标准化企业级AI基础设施。
最终，AI市场的下一个胜负手并不在于增加一个更智能的模型。企业能否在不断变化的技术潮流中，拥有能够控制成本、保障安全、并实现稳定扩展的“AI基础设施”，将越来越可能决定其实际成效。
TP AI 注意事项 本文基于TokenPost.ai的语言模型进行摘要。正文的主要内容可能被遗漏或与事实不符。