人工智能代理（AI Agent）可能正在改变过去由设备更新与资本支出驱动的硬件周期。戴尔科技副总裁暨首席运营官Jeff Clarke指出，若AI代理工作负载持续快速增长，存储器与硬盘（HDD）等关键零部件的供应短缺，可能延续超过5年，代表这一轮AI基础建设需求可能不只是短期硬件补库存，而是更长期的结构性扩张。
Clarke近期与摩根士丹利（Morgan Stanley）会谈时表示，AI代理带来的硬件需求与过去周期明显不同。过去硬件供应紧张通常维持数个季度，但如果AI工作负载持续增加，供应吃紧可能延续多年，其中存储器与HDD是目前最值得关注的零部件。
摩根士丹利在会谈后重新评估这一轮AI基础建设周期，认为过去40年间8次硬件景气循环主要受到设备更新换代与资本支出变化影响，但这次周期的关键在于AI工作负载是否能持续扩大。
AI代理改变硬件需求逻辑 算力需求可能长期扩张
Clarke认为，过去数十年的服务器、存储设备与PC硬件周期，多半受到产品渗透率与设备更新周期推动，需求会随着企业更新设备的速度起伏，但整体市场规模并未因此出现根本性变化。
疫情期间的PC需求就是一例。当时人机比例一度提高，但随着社会恢复正常，PC需求也逐步回落，疫情前后的整体市场规模并没有发生实质改变。
AI代理的需求模式则有所不同。Clarke认为，AI代理正在让认知产出与人力投入脱钩，企业不必增加相同比例的人力，就能完成更多工作，生产力甚至可能提升10倍至100倍。
在这种情况下，AI不只是协助员工完成工作的工具，而会成为持续消耗计算资源的生产力工具。随着更多企业开始进行AI转型，基础设施的整体可服务市场（TAM）也将持续扩大。
戴尔预估，到2030年，数据中心算力将新增200吉瓦，ZettaFLOPS算力将增长5倍至830；推理Token的生成量则可能呈现指数级增长。
其中，AI代理执行单位工作的Token需求远高于基本聊天机器人，Clarke预估，到2030年推理Token生成量可能增加87倍。
AI工作负载分散 云端与本地部署并非零和
随着Token需求快速增加，AI工作负载最终会集中于公有云，还是转向企业自建基础设施，也成为市场关注焦点。
Clarke认为，AI代理将采取混合部署模式。企业会根据安全性与成本效益，在公有云与本地环境之间持续调整推理工作负载的部署位置。
他以戴尔自身使用情况为例，公司会将与内容相关的工作负载放在公有云，但专有源代码及遥测数据则不会移出自有基础设施。
这代表AI工作负载并不存在单一部署路径，本地基础设施仍将承接部分持续增加的计算需求。
Clarke并指出，开源权重模型日益普及，也可能进一步推动企业投资本地基础设施，因为企业可以在自有环境中针对成本对模型输出进行优化。
因此，Token需求大幅增加不一定代表云端与本地基础设施形成此消彼长的关系，两者都可能随AI工作负载增加而扩张。
服务器出货量下降 仍不代表需求转弱
目前传统服务器出货量同比下降，但推理Token却快速增加，两者看似存在矛盾。
对此，Clarke解释称，服务器性能密度大幅提高，是造成设备出货量下降的重要因素。戴尔第17、18代服务器的计算能力，可以取代多达13台第14代传统服务器。
因此，短期内即使服务器出货量下滑，单台设备的价值与计算承载能力仍持续提升。
随着数据中心逐步完成以加速计算为核心的架构重构，加上AI代理普及进一步带动CPU服务器需求，服务器出货量仍可能重新增加。
Clarke甚至指出，如果推理Token在5年内真的增长87倍，传统服务器出货量也可能出现大幅增长。
存储器需求同样可能受到AI代理长期带动。AI代理每执行一项操作，包括保存记忆、产生工作成果等，都会持续产生数据存储需求；随着KV缓存大规模应用，存储容量需求也可能进一步增加。
存储器、HDD供应紧张 恐成逾5年结构性问题
在宏观经济、地缘政治、数据中心过度建设及电力供应等议题之外，Clarke目前最担心的是供应问题，并以「我们身处梦幻之地」（We're in neverland）形容当前供应环境。
摩根士丹利指出，历来大宗商品供应周期通常维持2至4个季度，主要受到硬件更新周期以及供应端决策影响。
但Clarke认为，如果市场接受数据中心算力与推理Token持续大幅增长的预期，存储器与HDD等关键零部件就不再只是一般的短期供需周期。
戴尔目前因此以关键零部件可能多年持续短缺的情景进行运营规划，其中存储器与HDD尤其受到关注。
换句话说，这一轮供应紧张的核心风险不只是短期供给不足，而是AI需求若持续扩大，供应端可能需要多年时间才能追上需求增幅。
Clarke同时表示，戴尔在供应管理方面优于同业，这项优势目前正转化为服务器、存储设备及PC等多个市场的市场份额增长。
供应吃紧改变定价 基础建设利润率扩张
关键零部件长期供应紧张，也正在改变AI基础建设产业的定价环境。
摩根士丹利此前曾将服务器与存储业务毛利率扩张，部分归因于「利润堆叠」，也就是存储器等零部件成本上升之际，厂商进一步增加利润空间。
Clarke则提出不同解释。他承认服务器与存储产品的利润率确实正在扩张，但认为背后存在两项结构性因素。
首先，当零部件供应有限时，企业会优先将稀缺资源配置给利润率较高的产品；其次，随着基础建设市场规模持续扩大，企业争夺新增客户的压力下降，也不必通过降价来获取客户。
因此，利润率提升不完全是短期供需失衡带来的结果，也反映AI基础建设需求持续扩张后，产业定价环境正在发生变化。
分析指出，如果AI代理带来的工作负载增长持续实现，AI基础建设周期的核心驱动因素就可能从「设备更新」转向「新增需求」。在此情况下，算力、服务器与存储设备的需求可能维持更长时间，而存储器、HDD等关键零部件的供应限制，也可能从短期周期性波动转变为持续多年的结构性问题。
