全文 4,000字 | 閱讀約 13 分鐘

（邁克爾·戴爾談：如何激活沉睡數(shù)據(jù)）

2025 年 10 月 8 日，紐約，戴爾科技投資者日。

邁克爾·戴爾在臺(tái)上宣布了一組激進(jìn)的數(shù)字：未來四年?duì)I收增速翻倍、EPS目標(biāo)翻倍、股息承諾延長(zhǎng)至 2030 年。

但更值得注意的，是他更早之前對(duì)全公司說的那句話：

五年后，會(huì)有一家比我們更快、更聰明的戴爾。我們必須成為那家公司。

幾天后的 10月 13 日，在一場(chǎng)深度訪談中，這位戴爾科技的創(chuàng)始人進(jìn)一步解釋了這次轉(zhuǎn)型的底層邏輯。

他不談大模型性能，也不談算力芯片，而是拋出了三個(gè)更本質(zhì)的問題：

• AI工廠的原材料是誰的數(shù)據(jù)？

• 最大瓶頸是電而非GPU？

• 真正的制約因素是組織而非技術(shù)？

貫穿投資者日演講與深度訪談的，是同一個(gè)判斷：AI的進(jìn)化是指數(shù)級(jí)的，人類組織的響應(yīng)是線性的。

“變快的是AI，變慢的是人?！?/p>

基于這一判斷，他正在主導(dǎo)戴爾的又一次轉(zhuǎn)型： 從PC公司 → 數(shù)據(jù)中心公司 → AI工廠。

這是他職業(yè)生涯中又一次經(jīng)歷技術(shù)革命。

而這一次，可能是最徹底的一次。

第一節(jié)｜AI 工廠的核心，是把數(shù)據(jù)變成 token

“你以為我們?cè)谫u服務(wù)器？其實(shí)我們?cè)谠?token。”

在投資者日和訪談中，邁克爾·戴爾強(qiáng)調(diào)：AI 的價(jià)值已經(jīng)不只是模型本身，而是從數(shù)據(jù)中持續(xù)產(chǎn)出 token 的能力。

什么是 token？

可以理解為“智能的最小單位”：每一次AI回答、每一個(gè)決策、每一段生成的內(nèi)容，背后都是海量 token 在運(yùn)轉(zhuǎn)。

? Token需求：從線性到指數(shù)

傳統(tǒng)的大語言模型（LLM）處理的 token 數(shù)量已經(jīng)很大了，而更大的轉(zhuǎn)變才剛剛開始。

AI 不再是單個(gè)模型在運(yùn)算，而是：

• 多模態(tài)AI（如自動(dòng)駕駛、實(shí)時(shí)翻譯）

• 多個(gè)AI代理并行協(xié)作（如智能客服系統(tǒng)）

• 每個(gè)任務(wù)背后，一連串邏輯流程同時(shí)啟動(dòng)，token需求以十倍、百倍速度增長(zhǎng)

當(dāng)你從單模型過渡到多代理系統(tǒng)，token的數(shù)量會(huì)指數(shù)級(jí)增長(zhǎng)。

而這意味著：更多服務(wù)器、更強(qiáng)冷卻、更大供電以及一套真正懂客戶數(shù)據(jù)、能持續(xù)產(chǎn)出的“AI工廠”。

? 戴爾的定位：做AI的底座

戴爾用一句話概括他們的角色：

客戶的數(shù)據(jù)是燃料，token是產(chǎn)品。

很多公司有數(shù)據(jù)，但沒法直接用來生成有價(jià)值的智能。戴爾做的，就是搭建起“數(shù)據(jù) → token → 智能”的路徑：

• 數(shù)據(jù)在哪？在客戶的邊緣設(shè)備、本地系統(tǒng)里

• 怎么用？通過企業(yè)級(jí)AI部署，本地化運(yùn)行

• 產(chǎn)出什么？成千上萬個(gè)token，支撐AI工具的行動(dòng)能力

他們AI戰(zhàn)略并不復(fù)雜，但非常落地：讓 token 能落地，能調(diào)度，能重復(fù)產(chǎn)出。

? 不談愿景，只談落地

很多企業(yè)談 AI 時(shí)說的是未來：AI怎么改變行業(yè)、顛覆工作。而戴爾關(guān)注的是客戶能否立即部署 AI。

他給出一組數(shù)據(jù)：

• 戴爾服務(wù)器網(wǎng)絡(luò)業(yè)務(wù)，去年增長(zhǎng) 58%，今年Q3增長(zhǎng) 69%；

• 企業(yè)客戶里，已有超 85% 計(jì)劃將AI從云端遷回本地；

• 他們已經(jīng)與 3000+ 家企業(yè)一起部署“AI 工廠”。

企業(yè)AI的核心問題，已經(jīng)從“要不要做”變成了“怎么運(yùn)轉(zhuǎn)跑起來”。

一個(gè)核心公式：

“token產(chǎn)出能力 =數(shù)據(jù)質(zhì)量 × 算力規(guī)模 × 電力供應(yīng) × 組織效率”

戴爾科技公司在這場(chǎng) AI 的基礎(chǔ)設(shè)施重建中，選的不是最具吸引力的路徑，而是最務(wù)實(shí)的那條路：讓每個(gè) token 都能被穩(wěn)定地產(chǎn)出、調(diào)度、使用。

這，才是所謂“AI 工廠”的真正含義。

第二節(jié)｜戴爾盯的不是模型升級(jí)，而是電從哪來

為支撐AI工廠token產(chǎn)出的指數(shù)增長(zhǎng)，電力已成為決定其上限的首要瓶頸。

在訪談中，邁克爾·戴爾指出一個(gè)關(guān)鍵問題：我們客戶最常說的一句話是：“請(qǐng)你們晚幾天發(fā)貨，我們的樓還沒接上電?！?/p>

? AI競(jìng)賽的真正起跑線

過去我們談AI時(shí)，常講“訓(xùn)練成本”“推理效率”“大模型架構(gòu)”。但現(xiàn)在，模型再好、服務(wù)器再多，沒電就是擺設(shè)。

戴爾說：要生成上萬億個(gè) token，就必須有大量計(jì)算力。 而算力的根本，就是電。

而這種的問題，正在成為很多大客戶面前的現(xiàn)實(shí)瓶頸：

• OpenAI要建10GW級(jí)數(shù)據(jù)中心，但公開承認(rèn)不確定電從哪來

• 企業(yè)客戶告訴戴爾：設(shè)備可以先買，電力得排隊(duì)

• 全球電網(wǎng)因建設(shè)周期長(zhǎng)和能源政策限制，難以快速滿足 AI 需求

所以，這已經(jīng)不只是技術(shù)話題，這是一個(gè)能源問題。

? 讓同樣的電，做更多的事

戴爾并未止步于問題，而是通過硬件優(yōu)化提升能效。

他介紹了幾項(xiàng)具體措施：

• 冷板系統(tǒng)：讓熱量更快傳導(dǎo)出去，服務(wù)器不會(huì)過熱降頻；

• 冷卻分配器：集中控制冷卻液流量，能節(jié)省一半以上能耗；

• 熱交換后門：把熱風(fēng)“鎖”在設(shè)備背后，避免房間變熱。

聽起來都是工程細(xì)節(jié)，但本質(zhì)只有一句話：我們能讓同樣的電，支撐更多的AI任務(wù)。

? 電網(wǎng)跟不上，只能自己提效

戴爾預(yù)測(cè)，在未來幾年內(nèi)，AI設(shè)備數(shù)量會(huì)持續(xù)增長(zhǎng)，但供電基礎(chǔ)設(shè)施跟不上。這不是某一個(gè)國(guó)家的問題，而是全球現(xiàn)實(shí)：

• 訓(xùn)練一次GPT-4級(jí)模型，單次耗電數(shù)百萬度

• 多代理并行推理，耗電量遠(yuǎn)超傳統(tǒng)AI

• 每一代硬件都需要更強(qiáng)供電，但數(shù)據(jù)中心擴(kuò)容有物理極限

別幻想無限電力，現(xiàn)在就要設(shè)計(jì)高能效的AI系統(tǒng)。

因此，AI 時(shí)代最基本的現(xiàn)實(shí)：不是你想部署就能部署，不是你算力夠就能落地，而是：沒電，一切白干。

而戴爾，正將“能源優(yōu)化”從熱門話題，轉(zhuǎn)化為 AI 工廠設(shè)計(jì)的核心原則。

第三節(jié)｜組織太慢，AI太快：戴爾如何重構(gòu)流程

“變快的是 AI，變慢的是人?！?/p>

在解決電力限制后，邁克爾·戴爾在訪談中指出面臨的另一挑戰(zhàn)：AI 工廠已建成，技術(shù)高效產(chǎn)出，但企業(yè)運(yùn)轉(zhuǎn)的障礙往往不是技術(shù)，而是滯后的組織流程。

? 人慢 AI 快：小時(shí)級(jí)差距

戴爾提到：我們正在用 AI 優(yōu)化銷售、客服、開發(fā)、供應(yīng)鏈等所有流程，因?yàn)槿绻粌?yōu)化，人的速度根本跟不上 AI。

在技術(shù)端,大模型已經(jīng)能在幾小時(shí)內(nèi)完成代碼開發(fā)、技術(shù)支持、知識(shí)檢索。但在組織端,流程還是按“天”“周”來推進(jìn)的：寫代碼要走審批;客服回答要翻知識(shí)庫;數(shù)據(jù)分析得交給 BI 團(tuán)隊(duì)排隊(duì)處理。

這些流程,本來沒錯(cuò)。但在AI時(shí)代卻成為拖慢速度的障礙。

正如戴爾所說，這差距不是技術(shù)問題，而是組織必須跟上的緊迫現(xiàn)實(shí)。

? AI 帶人走流程，不止口號(hào)

戴爾的做法不是培訓(xùn)，而是直接上工具，把 AI 融進(jìn)每個(gè)環(huán)節(jié)。

他講了一個(gè)非常具體的例子：我們做了一個(gè)叫 Next Best Action 的工具。它能從所有客戶數(shù)據(jù)中，幫客服一開始就找到最有可能解決問題的方法。

這個(gè)工具可以：

• 自動(dòng)閱讀過往通話記錄；

• 理解客戶當(dāng)前遇到的問題；

• 在客服開口前，就推薦出三種最可能的解決方式；

• 整場(chǎng)對(duì)話結(jié)束后，自動(dòng)生成總結(jié)報(bào)告。

結(jié)果是：客服變快了,滿意度提升;問題解決率提高,重復(fù)工單減少;人員流動(dòng)成本也更低,因?yàn)樾率忠材芸焖偕鲜帧?/p>

這相當(dāng)于為每位員工配備了一個(gè)“聰明的搭檔”。

? 簡(jiǎn)單動(dòng)作背后的組織倒轉(zhuǎn)

邁克爾·戴爾沒有用“數(shù)字化轉(zhuǎn)型”這類術(shù)語來講他的做法。他給出的關(guān)鍵詞是：數(shù)據(jù)先行，流程跟隨，AI落地。

每個(gè)部門都做了一件事：把數(shù)據(jù)全部整合，重新梳理流程，再讓 AI 去優(yōu)化。

這看似簡(jiǎn)單，實(shí)施卻極難。他坦言：

人不喜歡改變。如果一個(gè)人做了十年、二十年某件事，你突然告訴他，現(xiàn)在這件事要交給AI，他第一反應(yīng)是拒絕的。

所以他采取的辦法是：

• 從小流程改起，用AI直接替代重復(fù)性步驟；

• 將AI工具嵌入日常工具中，而不是另起平臺(tái)；

• 鼓勵(lì)團(tuán)隊(duì)試錯(cuò)，不斷迭代，而不是一次性大重構(gòu)。

不需要讓所有人都懂 AI 原理，只需要讓他們用得上，就能變快。

如今，現(xiàn)在戴爾科技內(nèi)部：銷售用 AI 草擬郵件；工程師自動(dòng)調(diào)試代碼；產(chǎn)品經(jīng)理總結(jié)反饋。

這些應(yīng)用的不是展示AI，而是少重復(fù)工作、多判斷能力。

最好的 AI 應(yīng)用，讓人感嘆：這事怎么突然就不難了？

底層現(xiàn)實(shí)：組織不變，AI 潛力也發(fā)揮不出來。戴爾用最簡(jiǎn)單方法，讓 AI 提速。

第四節(jié)｜客戶不缺數(shù)據(jù)，缺的是激活它的能力

客戶的數(shù)據(jù)，就是我們 AI 工廠的燃料。——邁克爾·戴爾

實(shí)際上，企業(yè)并不缺數(shù)據(jù)，真正缺少的是將數(shù)據(jù)轉(zhuǎn)化為智能的能力。

? 數(shù)據(jù)堆在倉(cāng)庫里，是“沉睡資產(chǎn)”

過去十年，幾乎所有大公司都在做數(shù)據(jù)中臺(tái)、數(shù)據(jù)湖、大數(shù)據(jù)項(xiàng)目。但問題是，這些數(shù)據(jù)大多只是被收集起來了，而不是被用起來。

戴爾說：

“客戶有大量的交易記錄、用戶日志、傳感器信息，但這些數(shù)據(jù)只是躺在那里，并沒有轉(zhuǎn)化為智能?！?/p>

換句話說，它們像一桶桶汽油，裝滿了倉(cāng)庫，但從未被使用。

而 AI 的價(jià)值，不在于你擁有多少數(shù)據(jù)，而在于這些數(shù)據(jù)是否能被模型有效利用，產(chǎn)出有用的 token 和決策結(jié)果。

? AI 不靠“海量數(shù)據(jù)”，靠“專屬數(shù)據(jù)”

戴爾明確表示：

“AI 不是運(yùn)行大模型，而是激活專屬數(shù)據(jù)?！?/p>

什么意思？不是你非要擁有全世界的數(shù)據(jù)，而是要用好你自己的數(shù)據(jù)，讓它和 AI 一起產(chǎn)生價(jià)值。

• 一家制造企業(yè)利用機(jī)器日志訓(xùn)練設(shè)備維護(hù)模型，降低10%的設(shè)備停機(jī)時(shí)間；

• 一家銀行通過交易記錄打造風(fēng)險(xiǎn)監(jiān)控助手，提升了欺詐檢測(cè)效率；

• 一家醫(yī)院基于病例數(shù)據(jù)構(gòu)建診斷建議引擎，優(yōu)化了診療流程。 這些智能的背后，不是模型本身，而是專屬數(shù)據(jù)被激活的成果。

這些都不是模型能力本身，而是數(shù)據(jù)被激活后產(chǎn)生的智能。

? 為什么 85% 的企業(yè)開始“從云回家”

近年來約七成的大型企業(yè)，開始把 AI 部署從公有云遷回本地?cái)?shù)據(jù)中心。

戴爾解釋：

“企業(yè)開始意識(shí)到，最有價(jià)值的數(shù)據(jù)根本不會(huì)離開自己手里。如果要最大限度釋放這些數(shù)據(jù)的價(jià)值，必須將 AI 部署于數(shù)據(jù)鄰近的環(huán)境中?！?/p>

本地化部署能讓企業(yè)更高效地激活專屬數(shù)據(jù)，因?yàn)閿?shù)據(jù)無需離開內(nèi)網(wǎng)即可被模型利用。

他們的業(yè)務(wù)由此轉(zhuǎn)型：他們不去與云廠商爭(zhēng)搶計(jì)算力，而是擔(dān)任 AI 落地的施工隊(duì)：

• 幫企業(yè)挑選合適的模型；

• 搭建本地運(yùn)行環(huán)境；

• 把私有數(shù)據(jù)直接接入模型；

• 讓 token 的生產(chǎn)就在企業(yè)內(nèi)網(wǎng)里進(jìn)行。

現(xiàn)在，戴爾科技不再只是賣硬件，而是幫客戶把數(shù)據(jù)變成智能。

目前，戴爾科技已與全球超過 3000 家企業(yè)合作，將 AI 工廠搬進(jìn)客戶本地機(jī)房。每家數(shù)據(jù)不同、模型各異，但共同點(diǎn)是：數(shù)據(jù)從記錄過去，變成創(chuàng)造智能的燃料。

AI 時(shí)代的勝負(fù)，不看模型或 GPU 數(shù)量，而是能不能激活沉睡數(shù)據(jù)，讓它從一堆記錄，變成推動(dòng)業(yè)務(wù)的決策引擎。

第五節(jié)｜他不是靠規(guī)劃贏，而是靠幾十年的癡迷

如果說戴爾的公司之所以能在 41 年里完成 7 次自我重塑，靠的并不是提前規(guī)劃好了未來，而是創(chuàng)始人一以貫之的逆向工程思維。

這一哲學(xué)始于邁克爾·戴爾 15歲的習(xí)慣：面對(duì)復(fù)雜事物，唯有深入其內(nèi)部，才能理解其本質(zhì)。

? 從拆電腦開始，到拆商業(yè)邏輯

1980 年代，15 歲的邁克爾第一次拿到 Apple II電腦。當(dāng)其他孩子沉浸于游戲時(shí)，他卻拿起了螺絲刀：

我想知道它為什么會(huì)動(dòng)，里面到底發(fā)生了什么。

此后，他將這一理念貫穿于戴爾公司的整個(gè)發(fā)展歷程：

• 剖析PC制造流程，以“直銷”模式重塑游戲規(guī)則；

• 重構(gòu)供應(yīng)鏈，將庫存周期從3個(gè)月壓縮至3天；

• 解析IBM等巨頭的運(yùn)營(yíng)模式，在夾縫中開辟道路；

• 顛覆自身組織架構(gòu)，果斷裁撤老舊部門，為AI業(yè)務(wù)鋪平道路。

這種深入核心、再重新構(gòu)建的思維，始終是他的行動(dòng)準(zhǔn)則。。

? 他不迷信“戰(zhàn)略”，迷信的是“問題本身”

在訪談里，戴爾提到自己從不把企業(yè)未來畫成一張路線圖，而是不斷靠提問來推進(jìn)。

“我從不認(rèn)為我們能預(yù)測(cè)未來。我唯一能做的，就是不斷去問：這個(gè)東西為什么這樣？它還能不能更好？”

這些問題不僅針對(duì)產(chǎn)品，也發(fā)生在管理上。 他會(huì)問：

• “我們的組織結(jié)構(gòu)，是不是已經(jīng)比技術(shù)本身慢了？”

• “我們的客戶，真正需要的是硬件，還是結(jié)果？”

• “如果今天從零開始，我們還會(huì)這樣做嗎？”

每一個(gè)問題的答案，都會(huì)引出一次調(diào)整、一次重構(gòu)。

? “Dad Terminal”：一切皆可拆解

小時(shí)候，父親送給戴爾一臺(tái)“終端機(jī)”（Dad Terminal），那是他首次接觸聯(lián)網(wǎng)世界。這次經(jīng)歷讓他意識(shí)到：所有的復(fù)雜系統(tǒng)，都是由可理解的部件組成的。

“拆開它，就能理解它；理解它，就能改造它。”

他將這一洞察應(yīng)用于企業(yè)管理，要求組織像一臺(tái)“永遠(yuǎn)可拆解的機(jī)器”。在內(nèi)部，他將“如果沒有限制呢？”和“AI會(huì)怎么做？”追問，固化為公司文化，推動(dòng)持續(xù)創(chuàng)新。。

41年來，戴爾不是靠戰(zhàn)略文件走到今天。他的護(hù)城河，源于一種本能的思考方式：

先拆開，再理解，然后再重建。

從數(shù)據(jù)到 token 的轉(zhuǎn)化，到電力、流程和數(shù)據(jù)的優(yōu)化，邁克爾·戴爾的逆向工程思維貫穿始終，構(gòu)建了AI 工廠的完整生態(tài)。

結(jié)語｜戴爾 AI 轉(zhuǎn)型，對(duì)我們有 3 點(diǎn)提醒

1. 別只買模型，要問：誰幫你通電？

AI 落地靠交付能力，不是算法?？蛻絷P(guān)心的是：電力是否充足，模型能否高效運(yùn)行？

1. 別怕泡沫，要看客戶部署節(jié)奏

我們看到泡沫，但是我們看到更多的電力巨大缺口?！~克爾·戴爾。真實(shí)需求在催交付，不是炒作，是部署速度。

1. 別求穩(wěn)定，要學(xué)會(huì)自我重構(gòu)

“多數(shù)企業(yè)不是被打敗，而是自我毀滅?！蔽迥旰髿У裟愕?，是一個(gè)比你更快的“你”。

戴爾科技做 AI，從硬件、電力、組織一步步重做。不是表面 AI 化，而是真正落地生效。

變慢的是人，變快的是 AI。

不動(dòng)的企業(yè)，只會(huì)被甩開。

本文由 AI 深度研究院出品，內(nèi)容翻譯整理自邁克爾·戴爾在科技投資者日及最新訪談實(shí)錄。未經(jīng)授權(quán)，不得轉(zhuǎn)載。

星標(biāo)公眾號(hào)， 點(diǎn)這里 1. 點(diǎn)擊右上角 2. 點(diǎn)擊"設(shè)為星標(biāo)" ← AI深度研究員 ? ← 設(shè)為星標(biāo)

參考資料：

https://www.youtube.com/watch?v=9WSsLSq40Yw

https://www.youtube.com/watch?v=Nk7WW2GVagY

https://fortune.com/2025/10/08/dell-technologies-ceo-michael-dell-ai-data-centers-bubble-tech/

https://www.linkedin.com/in/mdell

來源：官方媒體/網(wǎng)絡(luò)新聞

排版：Atlas

編輯：深思

主編: 圖靈