《科创板日报》6月6日讯（记者 黄心怡）随着AI从“能聊天”逐步走向“会干活”，一场围绕AI基础设施建设所展开的浪潮，正在全球范围内加速推进。

“AI的使用模式正在从生成式查询加速转向代理式行动，这一变化会持续推动算力需求向上攀升。”台积电首席执行官魏哲家在年度股东会上表示，即使全球产能仍在持续扩张，公司在未来数年之内依然无法满足由人工智能所驱动的芯片需求，并再次重申2026年全年以美元计价的营收增速将超过30%。

摩根士丹利曾预计，到2028年，全球数据中心的建设成本将达到约2.9万亿美元；大型科技公司在2026年的资本开支预计将达到7400亿美元，同比增幅为69%。高盛则预计，全球数据中心的电力需求到2027年将增长50%，到2030年相较2023年最高将增长165%。

戴尔、联想等头部整机厂商的最新财报同样传递出一致信号：AI服务器需求不仅未见放缓，反而正在由集中式训练进一步向推理、智能体部署以及企业级应用场景全面扩展。

然而，多位业内人士在接受《科创板日报》记者采访时表示，在市场热情持续升温的背后，算力成本、商业价值度量以及垂直场景适配等方面的挑战，已经成为智能体在实现规模化落地之前必须跨越的门槛。

▍AI基础设施需求正由单一的训练算力，进一步扩展至推理以及Neocloud等方向

戴尔2027财年第一财季的总营收达到438.4亿美元，同比增幅接近88%，并创下自2018年重返公开市场以来最快的单季度增长速度。

其中，AI服务器收入同比大幅增长757%，达到161亿美元；当季所斩获的AI相关订单高达244亿美元，积压的AI服务器储备订单更是达到创纪录的513亿美元。

“AI的机会并未显现出丝毫放缓的迹象。”戴尔首席运营官Jeff Clarke在财报声明中直言。基于这一强劲的表现，戴尔把2027财年全年AI服务器收入预期由500亿美元大幅上调至600亿美元。

无独有偶，联想集团2026财年第四季度同样交出了较为亮眼的成绩单。AI相关收入同比增长84%，占集团总收入的比重提升至38%。基础设施方案业务即ISG的经营利润率转正至3.6%，收入达到56亿美元，同比增长37%，相关指标均处于纪录高位。AI服务器储备订单达到210亿美元。

市场正在逐步形成一个较为清晰的共识：AI基础设施的需求结构，正在由单一的训练算力，进一步扩展为由训练、推理、Neocloud、企业部署以及数据中心建设共同驱动的长期资本开支周期。

CIC灼识董事总经理陈一心在接受采访时指出，整机厂商作为下游的系统集成方以及品牌商，直接面向最终客户，因而构成了产业链价值传导过程中的关键节点。“能够把高性能CPU/GPU、先进互联、液冷以及高压电源等复杂子系统进行高效整合并完成优化的厂商，将获得更高的溢价。”

艾媒咨询CEO张毅表示：“由于AI基础设施的商业价值正在由上游芯片持续向下游整机环节传导，这一趋势已经变得十分明确。戴尔、联想等厂商借助定制化整机以及液冷方案，获得了较为可观的订单机会，并实现了利润水平的同步提升。”

AI基础设施需求持续扩张的背后，本质上是智能体热潮正在形成直接驱动。

备受关注的Claude Code，以及开源agent框架Open Claw等工具，正在持续改变人们对软件的使用方式。AI已不再只是停留在聊天窗口中的助手角色，而是开始像一个能够持续调用工具、编写代码、执行任务、维护会话并管理工作流的“数字员工”。

阿里巴巴CEO吴泳铭在5月财报电话会上透露，自去年年底以来，API调用需求所出现的大幅增长，几乎全部是由AI编程能力的提升所带动；与此同时，阿里百炼MaaS平台的年化经常性收入也已突破80亿元。

黄仁勋更是在GTC 2026上宣告Agent AI时代已全面到来，并宣布 NVIDIA Vera Rubin 已进入全面投产阶段，旨在推动全球智能体AI工厂的发展。Vera Rubin 专为智能体时代打造，具备了英伟达迄今为止规模最大的 POD 级平台能力。高通总裁兼CEO克里斯蒂亚诺•安蒙也在演讲中表示，“2026年是AI Agent之年”。

云岫资本方面在接受《科创板日报》记者采访时表示，随着AI正由训练环节进一步走向应用以及推理环节，模型即服务的增长空间仍然十分可观。不同垂直应用类别的模型会消耗大量Token，而一旦其在实体经济当中形成稳定收益，便会进一步引发群体效应，并由此带来高增长。

在这一趋势之下，陈一心分析指出，单芯片所带来的红利正在逐步放缓，机柜则已成为新的超级芯片。随着单点功耗不断逼近物理极限，AI基础设施的竞争已经演进至机柜级阶段。互联、液冷以及电源等方面的工程落地能力，正在直接决定算力的实际交付效率。

具体而言，产业链中的多个环节正在迎来结构性的机会：

在电源以及能源管理方面，AI服务器电源市场正在进入高速增长通道。能够提供高功率、高可靠性、高效率，尤其是符合高压直流发展趋势的整柜电源解决方案的企业，将成为核心受益方。

在高效液冷方面，随着传统风冷散热方式逐步触及性能瓶颈，液冷技术正由过去的可选项转变为必选项，并由此催生出冷板、浸没等液冷方案以及配套精密结构件的巨大市场。

此外，数据中心内部的互联能力正在成为关键资产，专注于高速互联解决方案的企业正面临新的发展机遇。同时，AI设备对于高端PCB的需求持续扩大，这将利好高端PCB设备以及制造厂商。除了核心的GPU之外，专注于AI推理、互联接口或存算一体等细分领域的芯片及IP公司，也将会在重构中的硬件生态之中找到自身的位置。

▍AI应用尚未形成商业规模

然而，在这一轮热潮之下，智能体在实际落地过程中所面临的挑战，同样不容忽视。

IDC中国研究总监卢言霞指出了一个现实问题：“目前大部分AI应用赛道尚未形成商业规模，AI软件同样还没有实现规模化发展。”

Gartner的判断则显得更为审慎：到2027年底，超过40%的Agentic AI项目，可能会因成本过高、商业价值不够清晰，或风控能力不足等因素而被取消。

陈一心认为，当前所面临的具体挑战，主要集中在以下几个方面：

算力成本仍然处于高位：无论企业是部署私有化模型，还是调用大型API，都会面临较为显著的算力投入以及后续维护成本。如何在效果与成本之间实现平衡，并找到性价比最优的方案，已成为商业化推广过程中的关键所在。

价值度量仍然存在难题：除编程等场景之外，一些AI应用所带来的价值提升，往往难以被直接且精确地度量，这会进一步影响客户的付费意愿，以及定价策略的制定。

技术成熟度与可靠性方面仍面临挑战：医疗等行业对于AI输出结果的准确性、可靠性以及可解释性都提出了极高要求，而当前大模型所存在的问题，尚不足以支撑这类行业实现大规模落地。

组织与人才壁垒同样不容忽视：企业要想成功推进AI应用，所需要的并不仅仅是技术本身，还包括相应的业务流程改造、数据治理能力，以及同时具备AI技术与行业知识的复合型人才。

优刻得董事长兼CEO季昕华在接受《科创板日报》采访时表示，AI在投入产出比方面仍然面临一定的现实挑战。

“企业老板普遍面临两大焦虑：其一是如何让员工真正把AI用起来，其二是投入使用之后，往往会发现成本已经上升，但效率提升却并不明显。比如，有的公司每周在AI上的花费就达到六十几万元，每月接近三百万元，而实际效果尚未得到充分显现。因此，接下来如何对大模型的效果以及效率进行衡量，才是关键所在。”

市场在追逐智能体的同时，也迅速把关注点由“能不能做”转向“值不值得做”。这场智能体热潮最终将如何落地，取决于基础设施成本能否得到有效降低、商业模式能否完成清晰验证，以及垂直场景能否真正跑通价值闭环。这既构成了前所未有的机遇，也是一场更需要耐心与实力支撑的长跑。

对此，云岫资本相关负责人表示，来源于经验积累以及垂直行业等专有数据的训练与Token，将更能体现其独特价值；尤其是在解决部分复杂垂直行业问题的过程中，持续积累专业数据与行业经验，能够逐步建立起长期壁垒以及相应的市场空间。

卢言霞则判断，随着大模型逐步进入收费阶段，基础大模型本身可能会进一步独立演化为一个单独赛道。WorkBuddy、TraeSolo、QCoderWork这类桌面智能体，同样属于值得持续看好的方向。至于AI营销赛道，则已经是较早实现落地的领域，例如AI辅助营销以及客服一体化等场景，只是目前该赛道内的厂商仍相对分散。接下来，更需要重点关注的是，在企业内部的各个业务领域之中，究竟哪些方向能够率先跑出数字人或数字员工的应用。

来源：AI Agent从“能聊天”到“会干活” 整机厂商订单爆发 ｜深度 | 财联社