“AI is not a cycle, it is an era。”

这句话，是今年2026年5月的戴尔全球科技峰会上，迈克尔·戴尔在现场抛出的一个令人思考的判断。

它其实是在纠正一种错觉，我们习惯用周期思维理解技术浪潮，总是在期待泡沫破裂、均值回归的那一天。那么，AI到底是不是新一轮的资本炒作，或是昙花一现的技术泡沫？

在8月21日的戴尔中国科技峰会2026上，戴尔科技集团全球资深副总裁吴冬梅给出了答案，“AI不是一个周期，而是一个时代。”AI并不是潮起潮落中的一个浪头，它正在改写价值创造的底层逻辑。

正因如此，AI已成为当今世界最大的“势”。“势”不是风口，不是热点，而是一种不可逆的结构性力量。

《孙子兵法》中说：“善战者，求之于势，不责于人。”要从时代的旁观者，成为时代的定义者，就必须做好一件事：辨认势，乘上势，然后让自己成为势的一部分。

此，所谓“乘势”。

两个“势”能：AI和出海

AI，为什么值得不被用“泡沫”或“风口”这类短周期词汇来描述？

其实，判断的标准只有一个：它是否在改变生产函数本身。比如蒸汽机改变了动力的来源，电力改变了能量的分配，互联网改变了信息的边界，那么AI改变了什么？

笔者认为，应该是“认知”的边际成本，当推理、判断、生成与决策的智能可以被规模化供给，一切建立在知识和经验之上的商业模式与组织形态，都将面临重塑。

吴冬梅给出了一系列数据：“Gartner的报告显示，全球AI基础设施总支出已达到2.5万亿美元，超过阿波罗登月计划的总花费；摩根大通预测中国推理Token消耗量将在2025至2030年间增长370倍；德勤的调研指出：64%的企业运营关键流程已围绕AI进入重构阶段。”

这说明，AI的渗透速度远超大多数人的直觉，它正加速从实验室走进每一个真实的生产现场，从试点走向生产系统的规模化部署。但并非所有拥抱AI的企业都能实现获利，IDC的数据又告诉我们，当前50%的AI驱动应用将无法达到预期ROI。

当然，这些数据其实并不矛盾，反而揭示了“势”的残酷一面。势能越大，承受的压力自然也就越大，零散的、试点式的、缺乏系统架构支撑的AI应用，终究无法改变转型的底层逻辑，一场彻彻底底的变革在所难免。

而对中国企业而言，仍有另一股“势”无法忽视，那就是出海。

但吴冬梅指出，“埃森哲数据显示，67%的出海企业海外供应链可见性不足；76.4%的企业将合规列为首要挑战，全球超过140个国家的数据保护法规各不相同，仅靠人力已无法完成合规适配；仅21%的出海零售品牌实现全渠道数据打通。”

这背后折射了中企出海的结构性变化。过去的出海以商品输出为主，而如今供应链、数据系统、管理能力、品牌认知都需要在海外市场完成本地化重建。这意味着，粗放式的产品出口时代已经结束，“全球化扎根”的新时代已然开启。这个新的阶段，竞争力不再来自劳动力成本或供应链效率，而是来自系统能力的建设，如AI驱动的预测、合规、数据治理与本地化运营，将是新的胜负手。

AI与全球化之间也存在清晰的因果联系，全球化的复杂场景是AI能力的试验场，而AI赋能的智能化运营，又成为中国企业全球化扎根的武器。唯有看清这个趋势的一体两面，才能乘上时代发展的“势”。

乘势与进化

培根在《新工具》中写道：“自然不能被征服，只能被顺从；而顺从自然的方式，就是理解它的规律。”

很显然，对企业而言所谓的“乘势”，就是顺应时代发展的“自然”。抵抗它，不如理解它；理解它，不如成为它的一部分。

历史反复证明，每一次底层技术更迭都会让行业格局重新洗牌。工业革命淘汰了手工作坊，同样拒绝AI转型的企业，与当初拒绝工业化的工厂一样，会面临“悲剧”的命运曲线。埃森哲的研究也证实：那些将AI视为系统性重塑契机的“领先进化者”，营业收入增长是普通企业的2.2倍，营业利润提升幅度高出37%。

医药研发领域的一个典型案例，某医药企业配置1016块GPU超算并搭建数字孪生生产线后，新药上市速度比行业平均快约3.5年，长期综合成本较公有云模式降低62%。快出来的这3.5年意味着，多出3.5年的独占销售期，乘势赢得的不单是效率差，而是生死线。

高端制造领域的案例同样具有说服力，在采用全链路AI制造与Agentic AI实时监控之后，产线异常恢复时间缩短三分之一，整体设计周期缩短50%。这些成果不是来自某个单点应用的突破，而是来自贯穿研发、生产、供应链到服务的全链条AI嵌入。这就是典型的AI试点对比AI规模化部署的巨大差异性。

海尔的进化路径，则提供了组织层面的参照。在戴尔PowerFlex软件定义存储与PowerEdge服务器的算力支撑下，海尔完成了从“传统数字化系统”到“AI原生数智基座”的转型。并来带了AI图纸解析使研发效率提升90%，AI生产排产使产品准时下线率提升12%，办公全场景AI赋能使员工效率整体提升80%等业务成果。这是一个从“企业AI化”走向“AI原生组织”的进化标杆。

而中基集团的案例则展示了一个AI Native转型的样本，通过构建私有化AI LLM管理平台，将大模型与智能体嵌入风控、授信查询等核心业务流程，让超级业务员个人有效生产力提升4倍，整体有效生产力提高34%。

这些“进化者”证明了，与AI深度融合后的生产力跃迁便不再是线性增长，而是结构性变化。

做全球化的AI原生企业

变化正在加速，这不是预言，而是每天都在上演的现实。但加速不等于冒进，越是加速变革的周期，越要看准时代发展的方向，并要构建足够的韧性。

戴尔科技集团亚太、日本及大中华区（APJC）总裁Richard M. McLaughlin展示了一项覆盖35个国家、3000家企业研究报告，在这些中国大陆企业当中，75%的企业认为信息孤岛阻碍了运营效率，44%的企业正在艰难应对颠覆性变革的速度，87%的企业希望安全与韧性从方案设计之初就被纳入考量。”

这说明，企业已经意识到AI与全球化的重要性，但又缺乏足够清晰的方法论来承接这两股势能的叠加冲击。同时也意味着，企业的AI转型，确实无法由单一技术能力的突破而实现，它是一个系统工程。

“这是一项同步推进基础架构、数据就绪、安全韧性、信任机制、员工生产力与业务绩效六大维度的系统工程。”Richard M. McLaughlin说。

如果将这个系统工程置于AI演进的脉络之中，久可以更清晰地看到进化的方向。戴尔科技集团大中华区售前系统工程部总经理刘凯提出，第四次工业革命带来了AI技术的分层演进——从“看得懂”的感知式AI，到“想得出”的生成式AI，再到“做得到”的智能体AI，最终走向“做得实”的物理式AI。

很明显，每一层能力的叠加，都意味着AI从被动工具向主动协作、乃至自主执行迈进。在演进过程中，产出的底层逻辑也被彻底改写。传统模式下，更多脑力产出等于更多人乘以更多工时，增长依赖人力和时间的线性叠加。而AI带来的是指数级产出，企业竞争的本质不再是谁的人更多，而是谁的智能系统更聪明、更敏捷。

基于这些的认知，刘凯提出，“企业向AI原生进化可以划分为五个方向。”

第一，应用智能，从场景驱动的局部价值，走向系统性的应用智能建设。

第二，流程重塑，从“一把手工程”式的单点突破，走向业务流程的自主运行与持续优化。

第三，人机协同，人力资源部门需要向“智能资源”管理转变，从培养员工使用工具，到构建人与智能体协同工作的组织能力。

第四，Token经济，企业需要建立全新的度量衡，重新定义损益表，因为AI时代的成本结构和价值创造方式与过去截然不同。

第五，全球运营，“Token出海”则标志着企业出海进入了3.0时代，这代表的是智能化能力的全球化部署与本地化适配。

这五大进化方向共同构成了AI原生企业的“操作系统”，而数据与AI深度融合的数智化底座，是这套新系统运行的底层支撑。

一纵一横，承接AI之势

而AI原生企业的进化，就如同建造一座智能建筑，设计图纸再精妙，若地基不牢、管线不通，一切无从谈起。

这个地基，就是AI原生数智基座；而让组织中的每一个人与智能系统发生日常交互的界面，则是终端设备。二者一纵一横，决定了企业能以多快的速度、多大的规模承接AI之势。

戴尔科技集团大中华区信息基础架构解决方案事业部总经理陈洁，用一组数据揭示了基座问题的紧迫性，“73%的企业表示，现有基础设施尚未做好准备，无法有效支撑AI工作负载；数据就绪程度已成为AI落地的首要挑战。更严峻的是安全层面的顾虑：41%的企业认为安全、合规与隐私是AI规模化应用的最大障碍，81%的企业表示自身的数据和知识产权价值极高，不能交由第三方生成式AI工具处理。”

事实上，AI原生基座的建设，早已不是简单的算力扩容，而是在性能、安全、数据治理三个维度上同步重构。基础设施决定了AI能跑多快，数据就绪决定了AI能跑多准，安全韧性决定了AI能跑多久。

戴尔的现代化数据中心产品组合，正在针对这些维度的难题来构建系统性解决方案。在存储层面，Dell PowerStore Elite作为新型现代化数据平台，以行业领先的6:1数据缩减保障和3U空间内最高5.8PB的有效容量，回应了AI工作负载对海量数据存储与高速读写的双重需求；在网络层面，Dell PowerProtect One作为覆盖面最全面的网络韧性平台，最高可降低50%的管理成本、缩短75%的部署时间；Dell PowerEdge则作为面向AI场景设计的新一代服务器平台，以最高70%的性能提升和13:1的服务器整合比，为企业提供了从传统架构向AI就绪架构跃迁的硬件基础。

而当企业不再满足于硬件的组合，转而追求开箱即用的AI生产力时，基座的形态便从“部件组合”升级为“整柜交付”。戴尔将GB10计算单元、PowerScale存储、RDMA高速网络与AI Suite全栈软件预装调优，封装为智能体超节点，算力、数据、网络、存储、软件、安全六大难题，在出厂前已被同时解掉，让一个机柜“变成”一座智能体工厂。

而AI转型过程中数据平台的能力同样关键，戴尔AI Data Platform，作为面向AI全生命周期的统一数据平台，它能够发现、治理并激活AI就绪型数据，首Token响应速度最高提升19倍，向量索引性能最高跃升12倍，每个机架单元吞吐量可达150GB/s。除此之外，Dell Private Cloud全栈私有云和Dell PowerScale统一存储平台，也会帮助企业构建PB级统一数据底座，实现智能分层、弹性扩展与全维度安全防护。

当数据底座足够坚实，企业还需要将AI能力触达每一位员工的工作界面。如戴尔科技集团大中华区商用终端解决方案事业部总监喻智娟所说，“53%的中国大陆企业认同基于硬件的终端安全至关重要，39%认为能在本地运行真实工作负载的AI PC至关重要。”而传统PC的算力与安全架构无法承载这些工作负载，AI PC因此变为“生产力刚需”。

戴尔Pro系列与Deskside Agentic AI方案正是为此而生。其中，Dell Pro Precision 9最高支持5000亿参数模型在本地运行，Pro Max GB10支持2000亿参数模型，最快3个月实现投资回报。本地运行的意义在于，数据不出境即可完成推理，既满足了不同地区数据主权法规的要求，又避免了公有云API的高昂成本与延迟。

总体而言，戴尔所倡导的从来不是单个产品的技术领先，而是提供了一条通向AI原生的系统化路径，企业可以基于自身所处阶段，选择恰当的切入点，并在统一的AI原生底座上持续进化。

乘势，也从来不是被动地等待浪潮推着走，而是主动构建一艘能在浪潮中航行的船。而戴尔，既是这艘船的引擎，更是航路中的“灯塔”。