戴爾在 The Six Five Summit: AI Unleashed 2026 的核心訊息相當直接：企業 AI 正進入另一個階段。過去聊天機械人主要用來搜尋資料、摘要文件或者生成內容；下一步，企業開始部署可以自己處理業務流程的 AI 代理（agent）。

戴爾表示，公司已經將大約 900 個可能的 AI 項目，收窄至 13 個具清晰商業價值的重點計劃，並分享早期生產力提升約 20% 至 40%。1

不過，呢個數字係戴爾自己的說法，並唔代表整個行業的統一基準。它較值得參考的地方，在於展示企業由「試下先」轉向真正投入日常運作時，究竟要改變啲乜。

自主代理 AI，重點係「做事」而唔係「答問題」

戴爾將第一代生成式 AI 同自主代理系統分開來看。聊天機械人同 AI 助理可以協助員工搜尋公司內部資料、整理文件或者撰寫內容；自主代理系統就以數碼化一個完整流程為目標，可以分析任務、調用工具、協調不同步驟，並在較少人工直接監督下完成工作。1

分別唔只在於模型本身。戴爾指出，要將自主代理 AI 推向生產環境，企業需要同時調整技術堆疊、基礎設施、治理制度及組織設計。策略目標，是減少企業能夠完成幾多工作，同可用人手容量之間的直接關係。1

戴爾目前用喺邊啲流程？

戴爾表示，公司研究代理系統已有約兩年，並在之前一年將相關系統帶入生產環境，現時提到的應用包括：

• CRM 數據清理： 代理可以處理客戶紀錄之間重複、錯漏等資料質素工作。
• 軟件開發： 代理可協助處理例行程式編寫、註解，以及部分 CI/CD 協調工作。CI/CD 即持續整合及持續交付，涉及測試、部署等開發流程。
• 特殊定價： 代理可支援需要快速處理、並要一致套用規則的定價流程。1

呢啲例子距離「完全自主企業」仍然有一段距離，但就說明咗一點：真正有用的部署，唔係將一個模型硬塞入現有應用程式，而係重新設計一條有清晰輸入、工具權限、處理步驟同結果要求的自動化工作流程。

點解 900 個 AI 項目最後只留 13 個？

戴爾表示，公司將約 900 個候選 AI 項目，縮減至約 13 個重點計劃，揀選標準係有明確商業價值，並由管理層集中排序及管理。1

呢個做法反映企業部署 AI 的一個實際教訓：有大量試驗項目，唔等於就有營運優勢。戴爾的論點是，企業應該集中資源處理可以量度預期成果的工作流程，再為這些流程建立足夠的控制、基建及監察機制，確保系統穩定運作。

戴爾將約 20% 至 40% 的初期生產力改善，歸因於針對特定工作的助理部署；公司又表示，如果代理系統接手完整工作類別，提升幅度可能大得多。戴爾亦聲稱，這種聚焦式計劃有助將營收增長同成本結構脫鈎。不過，以上都係公司分享的自身成果，唔應該視為適用於所有企業的保證指標。1

乜嘢叫「代理洗白」？

戴爾高級行政人員 John Roese 警告，市場唔應該將每一項 AI 功能都稱為自主代理。戴爾所講的 agent washing（代理洗白），係指將聊天機械人、功能有限的助理，以及真正可以自主執行工作的系統，包裝成同一類產品。1

可以用以下方式簡單區分：

• 聊天機械人： 回應使用者指令，通常輸出資料、文字或其他內容。
• 定向助理： 改善一項範圍有限的工作，但人員仍然密切參與。
• 自主代理： 能夠規劃任務、調用工具、協調行動，並在較少直接監督下執行整個流程。1

呢個分別之所以重要，係因為自主程度越高，出錯代價亦越大。摘要寫錯，可能只需要人工修改；但如果代理連接到企業系統，就可能改動紀錄、觸發後續操作，甚至令敏感資料外洩。

生產級代理，會改變基建需求

Marvell 行政總裁 Matt Murphy 指出，生產環境的代理式推理，對基建的要求有別於傳統 AI 訓練。代理系統可能要在多次模型呼叫、大型上下文，以及長時間、多代理互動期間，透過 key-value cache 保留工作流程狀態。結果係，記憶體容量同頻寬可能會先成為樽頸，而唔一定係原始運算力。1

Murphy 又表示，CPU 的重要性會上升，因為代理系統需要處理流程編排，包括分支判斷、資料檢索、工具調用、沙盒執行，以及不同代理之間的協調。討論中提到，CPU 對 GPU 的比例，可能由傳統 AI 約 8 至 16 比 1，轉向代理式工作負載約 1 至 2 比 1。1

對企業買家來講，評估代理平台唔可以只睇模型表現或者 GPU 數量。記憶體、網絡、CPU 編排、可觀察性，以及重複推理的成本，都會影響一條工作流程能否真正投入生產環境。

唔會有一套架構適合所有代理

戴爾不認同單一模型、單一部署地點的「單一文化」做法。公司提出的方向，是按需要混合使用本地部署的開源模型、由戴爾託管的前沿模型、受控的虛擬私有雲（VPC）、外部 API，以及在裝置上運行的模型。選擇取決於效能、合規要求、功能及成本。1

經濟效益亦要視乎工作性質。例如，一個支援高價值行政決策的代理，可能值得每月投入較高費用；但大量處理 CRM 清理工作的代理，就必須將每筆紀錄的成本壓得非常低，討論中提到的水平約為低於 0.50 美元。1

所以，企業不應只問「邊個模型最好？」更實際的問題係：邊個模型、部署位置及自主程度，可以在可接受的成本同風險下，交付需要的結果？

數碼身份，是自主代理的控制層

戴爾表示，任何可以存取公司資料的自主代理，不論係內部或外部系統，都應該獲發由戴爾簽發的數碼身份。這個身份可以支援更細緻的授權，亦容許企業撤銷存取權限，作為實際上的緊急停止掣。1

當代理唔再只是沿用某位員工的身份，保安問題會更加複雜。沿用使用者身份的代理，是以一名可識別員工的憑證行事；無頭代理（headless agent） 就較獨立地運作，令行動追蹤、權限設定及生命周期管理更難。根據討論內容，戴爾預計無頭代理將佔未來部署約 70%。2

戴爾亦提到代理對代理、代理對工具的通訊協議，以及後量子密碼準備，都是生產級自主系統保安模型的一部分。1 更廣泛的啟示是：企業應該將代理視為一個有軟件身份的系統，為它設定負責人、權限範圍、審計記錄及撤銷途徑，而唔係將它當成一個看不見的聊天機械人延伸功能。

職位會被拆成一項項工作

戴爾表示，公司分析了 6,800 個職位，將工作拆分為生產力、資料整理、協調、專業判斷及面向人的工作等類別。結論係，代理更可能取代職位內一部分工作，而唔係自動消滅整個職位。1

以軟件開發為例，代理可以處理例行程式編寫、註解，以及部分交付流程協調；人員就可以將更多時間放在架構、需求分析、判斷及客戶互動上。1

但呢個唔代表職位會原封不動。戴爾的說法係，當可自動化的工作逐項抽離，員工的責任就會向專業知識、情境理解、判斷力及人際關係轉移，每一個職位都會因而重新定義。

判斷代理 AI 能否落地的四個條件

戴爾的立場可以濃縮成一個幾嚴格的測試：一個自主代理 AI 項目要真正投入生產，必須同時具備可量度的商業成果、界線清晰的工作流程、合理的成本效益，以及身份、存取權限同故障復原控制。

由 900 個可能項目收窄至 13 個重點計劃，正好概括戴爾的策略。自主代理 AI 唔只係一個更識傾偈的介面，而係一種由軟件真正落手做工作的營運模式；模型之外，基建、保安、治理同職位設計亦要一齊升級。

戴爾在 The Six Five Summit: AI Unleashed 2026 的核心訊息相當直接：企業 AI 正進入另一個階段。過去聊天機械人主要用來搜尋資料、摘要文件或者生成內容；下一步，企業開始部署可以自己處理業務流程的 AI 代理（agent）。

戴爾表示，公司已經將大約 900 個可能的 AI 項目，收窄至 13 個具清晰商業價值的重點計劃，並分享早期生產力提升約 20% 至 40%。1

不過，呢個數字係戴爾自己的說法，並唔代表整個行業的統一基準。它較值得參考的地方，在於展示企業由「試下先」轉向真正投入日常運作時，究竟要改變啲乜。

自主代理 AI，重點係「做事」而唔係「答問題」

戴爾將第一代生成式 AI 同自主代理系統分開來看。聊天機械人同 AI 助理可以協助員工搜尋公司內部資料、整理文件或者撰寫內容；自主代理系統就以數碼化一個完整流程為目標，可以分析任務、調用工具、協調不同步驟，並在較少人工直接監督下完成工作。1

分別唔只在於模型本身。戴爾指出，要將自主代理 AI 推向生產環境，企業需要同時調整技術堆疊、基礎設施、治理制度及組織設計。策略目標，是減少企業能夠完成幾多工作，同可用人手容量之間的直接關係。1

戴爾目前用喺邊啲流程？

戴爾表示，公司研究代理系統已有約兩年，並在之前一年將相關系統帶入生產環境，現時提到的應用包括：

• CRM 數據清理： 代理可以處理客戶紀錄之間重複、錯漏等資料質素工作。
• 軟件開發： 代理可協助處理例行程式編寫、註解，以及部分 CI/CD 協調工作。CI/CD 即持續整合及持續交付，涉及測試、部署等開發流程。
• 特殊定價： 代理可支援需要快速處理、並要一致套用規則的定價流程。1

呢啲例子距離「完全自主企業」仍然有一段距離，但就說明咗一點：真正有用的部署，唔係將一個模型硬塞入現有應用程式，而係重新設計一條有清晰輸入、工具權限、處理步驟同結果要求的自動化工作流程。

點解 900 個 AI 項目最後只留 13 個？

戴爾表示，公司將約 900 個候選 AI 項目，縮減至約 13 個重點計劃，揀選標準係有明確商業價值，並由管理層集中排序及管理。1

呢個做法反映企業部署 AI 的一個實際教訓：有大量試驗項目，唔等於就有營運優勢。戴爾的論點是，企業應該集中資源處理可以量度預期成果的工作流程，再為這些流程建立足夠的控制、基建及監察機制，確保系統穩定運作。

戴爾將約 20% 至 40% 的初期生產力改善，歸因於針對特定工作的助理部署；公司又表示，如果代理系統接手完整工作類別，提升幅度可能大得多。戴爾亦聲稱，這種聚焦式計劃有助將營收增長同成本結構脫鈎。不過，以上都係公司分享的自身成果，唔應該視為適用於所有企業的保證指標。1

乜嘢叫「代理洗白」？

戴爾高級行政人員 John Roese 警告，市場唔應該將每一項 AI 功能都稱為自主代理。戴爾所講的 agent washing（代理洗白），係指將聊天機械人、功能有限的助理，以及真正可以自主執行工作的系統，包裝成同一類產品。1

可以用以下方式簡單區分：

• 聊天機械人： 回應使用者指令，通常輸出資料、文字或其他內容。
• 定向助理： 改善一項範圍有限的工作，但人員仍然密切參與。
• 自主代理： 能夠規劃任務、調用工具、協調行動，並在較少直接監督下執行整個流程。1

呢個分別之所以重要，係因為自主程度越高，出錯代價亦越大。摘要寫錯，可能只需要人工修改；但如果代理連接到企業系統，就可能改動紀錄、觸發後續操作，甚至令敏感資料外洩。

生產級代理，會改變基建需求

Marvell 行政總裁 Matt Murphy 指出，生產環境的代理式推理，對基建的要求有別於傳統 AI 訓練。代理系統可能要在多次模型呼叫、大型上下文，以及長時間、多代理互動期間，透過 key-value cache 保留工作流程狀態。結果係，記憶體容量同頻寬可能會先成為樽頸，而唔一定係原始運算力。1

Murphy 又表示，CPU 的重要性會上升，因為代理系統需要處理流程編排，包括分支判斷、資料檢索、工具調用、沙盒執行，以及不同代理之間的協調。討論中提到，CPU 對 GPU 的比例，可能由傳統 AI 約 8 至 16 比 1，轉向代理式工作負載約 1 至 2 比 1。1

對企業買家來講，評估代理平台唔可以只睇模型表現或者 GPU 數量。記憶體、網絡、CPU 編排、可觀察性，以及重複推理的成本，都會影響一條工作流程能否真正投入生產環境。

唔會有一套架構適合所有代理

戴爾不認同單一模型、單一部署地點的「單一文化」做法。公司提出的方向，是按需要混合使用本地部署的開源模型、由戴爾託管的前沿模型、受控的虛擬私有雲（VPC）、外部 API，以及在裝置上運行的模型。選擇取決於效能、合規要求、功能及成本。1

經濟效益亦要視乎工作性質。例如，一個支援高價值行政決策的代理，可能值得每月投入較高費用；但大量處理 CRM 清理工作的代理，就必須將每筆紀錄的成本壓得非常低，討論中提到的水平約為低於 0.50 美元。1

所以，企業不應只問「邊個模型最好？」更實際的問題係：邊個模型、部署位置及自主程度，可以在可接受的成本同風險下，交付需要的結果？

數碼身份，是自主代理的控制層

戴爾表示，任何可以存取公司資料的自主代理，不論係內部或外部系統，都應該獲發由戴爾簽發的數碼身份。這個身份可以支援更細緻的授權，亦容許企業撤銷存取權限，作為實際上的緊急停止掣。1

當代理唔再只是沿用某位員工的身份，保安問題會更加複雜。沿用使用者身份的代理，是以一名可識別員工的憑證行事；無頭代理（headless agent） 就較獨立地運作，令行動追蹤、權限設定及生命周期管理更難。根據討論內容，戴爾預計無頭代理將佔未來部署約 70%。2

戴爾亦提到代理對代理、代理對工具的通訊協議，以及後量子密碼準備，都是生產級自主系統保安模型的一部分。1 更廣泛的啟示是：企業應該將代理視為一個有軟件身份的系統，為它設定負責人、權限範圍、審計記錄及撤銷途徑，而唔係將它當成一個看不見的聊天機械人延伸功能。

職位會被拆成一項項工作

戴爾表示，公司分析了 6,800 個職位，將工作拆分為生產力、資料整理、協調、專業判斷及面向人的工作等類別。結論係，代理更可能取代職位內一部分工作，而唔係自動消滅整個職位。1

以軟件開發為例，代理可以處理例行程式編寫、註解，以及部分交付流程協調；人員就可以將更多時間放在架構、需求分析、判斷及客戶互動上。1

但呢個唔代表職位會原封不動。戴爾的說法係，當可自動化的工作逐項抽離，員工的責任就會向專業知識、情境理解、判斷力及人際關係轉移，每一個職位都會因而重新定義。

判斷代理 AI 能否落地的四個條件

戴爾的立場可以濃縮成一個幾嚴格的測試：一個自主代理 AI 項目要真正投入生產，必須同時具備可量度的商業成果、界線清晰的工作流程、合理的成本效益，以及身份、存取權限同故障復原控制。

由 900 個可能項目收窄至 13 個重點計劃，正好概括戴爾的策略。自主代理 AI 唔只係一個更識傾偈的介面，而係一種由軟件真正落手做工作的營運模式；模型之外，基建、保安、治理同職位設計亦要一齊升級。