为了支持这种模式，戴尔推出了 桌面级代理式AI系统（Deskside Agentic AI），让企业能够在本地开发和运行 AI 代理。这些系统集成了 Nvidia 的 NemoClaw 安全运行层，使企业可以在自己的基础设施中运行自主代理，同时确保敏感数据不会离开本地环境。

这一设计还允许开发者先在本地系统上开发和测试代理，然后无缝扩展到更大的数据中心基础设施中运行。

PowerEdge XE9812：旗舰级 AI 服务器

在硬件层面，本次发布的核心产品之一是 Dell PowerEdge XE9812。

这是一款 液冷 AI 服务器，专为大规模 AI 训练与推理设计。系统基于 NVIDIA Vera Rubin NVL72 平台，提供极高密度的 GPU 加速能力，用于处理大型模型训练、复杂推理以及实时 AI 工作负载。

戴尔将其定位为下一代 机架级 AI 基础设施 的关键节点，用于支撑超大规模模型训练以及企业级 AI 推理任务。

与传统企业服务器相比，这类系统更适用于 GPU 密集型环境，并配合液冷技术应对 AI 工作负载带来的功耗与散热压力。

从单台服务器走向“AI 工厂”

发布会的一个核心主题，是从“单台服务器”转向完整 AI 基础设施。

戴尔提出的 PowerRack 概念，就是将多个组件整合为可直接部署的 AI 机架系统，其中包括：

• GPU 密集型服务器
• 液冷系统
• 高速网络
• 存储与数据平台
• AI 软件与编排工具

这种方式体现了戴尔提出的 “AI 工厂（AI Factory）” 架构：数据中心不再只是运行应用，而是像工厂一样持续“生产”AI输出，例如预测、推理结果和自动化决策。

对于企业而言，这意味着无需逐个组装硬件组件，而是可以部署整套已经优化好的 AI 基础设施。

企业 AI 的关键：数据优先架构

戴尔与英伟达还强调，现代企业 AI 的核心不仅是算力，更是 数据。

双方升级了 Dell AI Data Platform with Nvidia，帮助企业发现、整理和编排内部数据，使其能够被 AI 模型和自主代理高效使用。

这种“数据优先”的设计试图解决一个普遍问题：AI 模型本身很强大，但如果无法安全、高效地访问企业专有数据，其商业价值就会受到限制。

混合部署与本地 AI 成为关键趋势

另一个重点是 混合架构（Hybrid AI）。

虽然大型云平台仍然重要，但戴尔与英伟达认为，许多企业会选择在自己的数据中心运行 AI 系统，原因包括：

• AI 代理需要低延迟访问企业系统
• 数据治理和隐私要求更严格
• 合规监管需求
• 长期 AI 工作负载的成本控制

因此，本地 AI 基础设施被定位为云计算的重要补充，而不是替代方案。

AI 服务器需求正在爆发

这一战略也建立在迅速增长的市场需求之上。

戴尔披露，2026 财年 AI 服务器出货达到 252 亿美元，同比增长超过一倍，同时公司积压的 AI 基础设施订单达到 430 亿美元。

这一需求增长正在推动数据中心设计发生变化：越来越多的企业开始部署 GPU 集群、液冷系统以及超高带宽网络，以支持 AI 工作负载。

AI 正在成为企业计算的基础层

Dell Technologies World 2026 的一系列发布，反映出行业对 AI 的认知正在发生转变。

在戴尔管理层看来，AI 已经跨过关键门槛——从实验性软件变成 企业级核心基础设施。自主 AI 代理产生新的计算需求，企业数据成为核心燃料，而 GPU 密集型系统则提供运行这些模型所需的算力层。

在这一模式下，未来的数据中心越来越像一个 AI 工厂：由专门设计的机架系统持续生成推理结果、预测分析和自动化决策。

对于戴尔与英伟达来说，谁能为企业提供这套基础设施，谁就有机会主导下一阶段的 AI 产业竞争。

为了支持这种模式，戴尔推出了 桌面级代理式AI系统（Deskside Agentic AI），让企业能够在本地开发和运行 AI 代理。这些系统集成了 Nvidia 的 NemoClaw 安全运行层，使企业可以在自己的基础设施中运行自主代理，同时确保敏感数据不会离开本地环境。

这一设计还允许开发者先在本地系统上开发和测试代理，然后无缝扩展到更大的数据中心基础设施中运行。

PowerEdge XE9812：旗舰级 AI 服务器

在硬件层面，本次发布的核心产品之一是 Dell PowerEdge XE9812。

这是一款 液冷 AI 服务器，专为大规模 AI 训练与推理设计。系统基于 NVIDIA Vera Rubin NVL72 平台，提供极高密度的 GPU 加速能力，用于处理大型模型训练、复杂推理以及实时 AI 工作负载。

戴尔将其定位为下一代 机架级 AI 基础设施 的关键节点，用于支撑超大规模模型训练以及企业级 AI 推理任务。

与传统企业服务器相比，这类系统更适用于 GPU 密集型环境，并配合液冷技术应对 AI 工作负载带来的功耗与散热压力。

从单台服务器走向“AI 工厂”

发布会的一个核心主题，是从“单台服务器”转向完整 AI 基础设施。

戴尔提出的 PowerRack 概念，就是将多个组件整合为可直接部署的 AI 机架系统，其中包括：

• GPU 密集型服务器
• 液冷系统
• 高速网络
• 存储与数据平台
• AI 软件与编排工具

这种方式体现了戴尔提出的 “AI 工厂（AI Factory）” 架构：数据中心不再只是运行应用，而是像工厂一样持续“生产”AI输出，例如预测、推理结果和自动化决策。

对于企业而言，这意味着无需逐个组装硬件组件，而是可以部署整套已经优化好的 AI 基础设施。

企业 AI 的关键：数据优先架构

戴尔与英伟达还强调，现代企业 AI 的核心不仅是算力，更是 数据。

双方升级了 Dell AI Data Platform with Nvidia，帮助企业发现、整理和编排内部数据，使其能够被 AI 模型和自主代理高效使用。

这种“数据优先”的设计试图解决一个普遍问题：AI 模型本身很强大，但如果无法安全、高效地访问企业专有数据，其商业价值就会受到限制。

混合部署与本地 AI 成为关键趋势

另一个重点是 混合架构（Hybrid AI）。

虽然大型云平台仍然重要，但戴尔与英伟达认为，许多企业会选择在自己的数据中心运行 AI 系统，原因包括：

• AI 代理需要低延迟访问企业系统
• 数据治理和隐私要求更严格
• 合规监管需求
• 长期 AI 工作负载的成本控制

因此，本地 AI 基础设施被定位为云计算的重要补充，而不是替代方案。

AI 服务器需求正在爆发

这一战略也建立在迅速增长的市场需求之上。

戴尔披露，2026 财年 AI 服务器出货达到 252 亿美元，同比增长超过一倍，同时公司积压的 AI 基础设施订单达到 430 亿美元。

这一需求增长正在推动数据中心设计发生变化：越来越多的企业开始部署 GPU 集群、液冷系统以及超高带宽网络，以支持 AI 工作负载。

AI 正在成为企业计算的基础层

Dell Technologies World 2026 的一系列发布，反映出行业对 AI 的认知正在发生转变。

在戴尔管理层看来，AI 已经跨过关键门槛——从实验性软件变成 企业级核心基础设施。自主 AI 代理产生新的计算需求，企业数据成为核心燃料，而 GPU 密集型系统则提供运行这些模型所需的算力层。

在这一模式下，未来的数据中心越来越像一个 AI 工厂：由专门设计的机架系统持续生成推理结果、预测分析和自动化决策。

对于戴尔与英伟达来说，谁能为企业提供这套基础设施，谁就有机会主导下一阶段的 AI 产业竞争。