戴爾科技營運長Jeff Clarke在近期與摩根士丹利的會談中提出一個判斷：代理AI正在改變傳統硬體週期的底層邏輯，關鍵零部件的供應短缺可能持續五年以上，其中記憶體和HDD是他目前最擔憂的環節。摩根士丹利在會談後重新評估了當前AI基礎設施週期，認為此次週期的關鍵變數在於AI工作負載能否持續擴大。

Clarke認為，此輪AI週期與過去數十年的硬體繁榮與蕭條存在根本區別。過去40年間共出現八次硬體週期，涵蓋伺服器、儲存、PC等品類，主要由裝置滲透率變化和更新週期推動，需求隨更新節奏起落，但硬體市場本身規模並未發生實質性擴張。他以疫情期間的PC需求為例：人機比例曾短暫提升，但隨著社會重啟恢復正常，PC需求也隨之回落，疫情前後的市場總規模並沒有本質變化。

代理AI的邏輯則不同。Clarke認為，代理AI正在將認知產出與人力投入解耦，企業無需增加人手即可完成更多工作，由此帶來10倍乃至100倍的生產力提升。在這一過程中，AI不再只是輔助人完成任務，而是本身成為持續消耗計算資源的“生產力工具”。戴爾預計，到2030年，資料中心算力將新增200吉瓦，ZettaFLOPS算力將增長5倍至830，推理token的增長則將呈指數級。Clarke預計，到2030年推理token生成量將增長87倍。

市場對這一輪AI基礎設施週期的一個核心疑問是：快速增長的token需求，最終是否會主要流向雲端計算平台，而不是本地基礎設施？Clarke的判斷是，代理AI工作負載將呈現混合部署形態。企業會根據安全性與成本效益，在公有云與本地環境之間持續調整推理工作負載的執行位置。他以戴爾自身為例：公司會將內容相關工作負載部署在公有云，但不會將專有原始碼或遙測資料移出自有設施。這意味著，AI工作負載並不存在單一的部署路徑，本地基礎設施仍將承接一部分持續增長的計算需求。Clarke還認為，開源權重模型的普及將進一步推動本地基礎設施投資，因為企業可以在本地環境中針對成本對模型輸出進行最佳化。

當前傳統伺服器出貨量同比仍在下降，這與推理token的爆發式增長看似存在矛盾。Clarke的解釋是，伺服器效能密度的大幅提升正在壓低裝置出貨數量。戴爾第17/18代伺服器可以替代多達13台第14代傳統伺服器，因此在短期內，即使伺服器出貨量下降，單台裝置的價值和承載能力仍在提升。隨著資料中心逐步完成以加速計算為核心的架構重構，以及代理AI普及進一步拉動CPU伺服器需求，伺服器出貨量最終仍有望重新增長。Clarke甚至表示，如果推理token在五年內真正實現87倍增長，傳統伺服器出貨量也可能出現指數級變化。儲存同樣將受到代理AI的持續拉動：代理AI執行每一項操作，包括記憶保留、工件生成等，都會產生持續的資料儲存需求；隨著KV Cache大規模應用，儲存容量需求也將進一步增長。

相比宏觀經濟、地緣政治衝突、資料中心過度建設以及電力短缺，Clarke將供應問題列為當前最大的擔憂，並用“我們身處夢幻之地”形容當前的供應環境。摩根士丹利指出，歷史上的大宗商品供應週期通常持續2至4個季度，主要受到硬體更新週期的繁榮與蕭條以及供應側決策影響。但Clarke認為，如果認可吉瓦和推理token的增長邏輯，那麼記憶體、HDD等關鍵零部件就不再只是處於一個普通的短期週期之中。因此，戴爾目前正以關鍵零部件可能出現多年持續短缺為前提進行運營，尤其關注記憶體和HDD。換言之，此輪供應緊張的核心風險並不是短期供給不足，而是AI需求持續擴張後，供應端可能需要多年才能跟上。Clarke同時表示，戴爾在供應管理方面優於同業，這一優勢正在轉化為伺服器、儲存和PC等多個細分市場的份額增益。

關鍵零部件持續緊張，也正在改變基礎設施行業的定價環境。摩根士丹利此前曾將伺服器和儲存業務毛利率的擴張部分歸因於“利潤堆疊”，即在記憶體等零部件成本上升的同時，廠商進一步疊加利潤空間。Clarke則給出了不同解釋。他承認，同類產品的伺服器和儲存利潤率確實在擴張，但認為背後存在兩個結構性因素：首先，在零部件供應有限的情況下，企業會優先將稀缺資源分配給利潤率最高的產品；其次，基礎設施市場規模持續擴大後，企業爭奪增量客戶的壓力下降，無需通過壓低價格換取新客戶。因此，利潤率的提升並不完全是短期供需錯配帶來的機會性收益，也反映了基礎設施需求持續擴張後，行業定價基準發生變化。

如果代理AI帶來的工作負載增長能夠持續兌現，AI基礎設施週期的核心變數就將從“裝置更新”轉向“新增需求”。這意味著，算力、伺服器和儲存的需求擴張可能持續更久，而記憶體、HDD等關鍵元件的供給約束也可能從短期週期性波動轉變為多年期的結構性問題。對產業鏈而言，這一判斷意味著上游儲存與硬碟廠商的產能規劃、下游伺服器與雲廠商的採購策略，都可能需要以更長的週期視角來重新審視。