NVIDIA CEO黄仁勋在戴尔科技世界大会上表示：‘需求正呈现抛物线式增长，完全是抛物线式增长’

# NVIDIA 首席执行官黄仁勋在戴尔科技世界大会上表示："需求正呈抛物线式增长，彻底爆发" 来源：https://blogs.nvidia.com/blog/dell-technologies-agent-enterprise-ai/ 基于 NVIDIA Vera Rubin NVL72（http://nvidia.com/en-us/data-center/vera-rubin-nvl72/）的智能体 AI 推理，每 token 成本降低至十分之一。在 NVIDIA Vera（https://www.nvidia.com/en-us/data-center/vera-cpu/）上运行的智能体沙盒速度比传统 CPU 快 50%——而企业数据查询使用 Vera CPU 的速度最高提升 3 倍。此外，已有 5,000 家企业（如 Lilly、Samsung 和 Honeywell）在采用 NVIDIA 的 Dell AI 工厂上运行 AI 工作负载，将雄心转化为规模化生产。 这是迈克尔·戴尔周一上午在戴尔科技世界大会上描绘的景象。戴尔指出了其中的利害关系：到 2030 年，全球 AI 基础设施支出可能达到 3 至 4 万亿美元，而同期 token 消耗量预计将增长 3,400%。 "一场大规模的 AI 投资热潮已经展开，生产率提升也正在开始，在一些公司（包括我们公司）已经显现，"戴尔表示。"变化的速度已经呈现抛物线式增长，而且丝毫没有放缓的迹象。" 随后，戴尔这位董事长兼首席执行官欢迎 NVIDIA 创始人兼首席执行官黄仁勋登台演讲——黄仁勋身后展示着 NVIDIA 产品组合，从配备 GB10 工作站的桌面级 Dell Pro Max，到搭载 NVIDIA Vera Rubin NVL72 的 Dell PowerRack。 "我们现在已经进入了实用型 AI 时代，这就是需求呈抛物线式增长、彻底爆发的原因，"黄仁勋说。"过去需要几个月的事情现在只需几周，过去需要几周的现在只需几天，过去需要几天的现在只需几小时。这在生产力方面意义重大，但在计算需求上则是一个巨大的飞跃。" 核心信息是：企业 AI 已从试点阶段迈入智能体 AI 和大规模推理部署阶段。下一个阶段的基础平台就是采用 NVIDIA 的 Dell AI 工厂——在前沿模型和自主智能体安全地运行在企业边界之内。 ## **面向智能体时代的新型 AI 工厂** 加速计算领域的消息率先刷新了产品线：基于 NVIDIA Vera Rubin NVL72 打造的 Dell PowerEdge XE9812，在大规模智能体 AI 推理任务中，每 token 成本比 NVIDIA Blackwell 降低高达 10 倍。 一同推出的还有 PowerEdge XE9880L、XE9885L 和 XE9882L 服务器——首批基于 NVIDIA HGX Rubin NVL8（https://www.nvidia.com/en-us/data-center/hgx/）打造的 Dell 系统，每个机架支持最多 144 个 GPU，配备 100% 直接液冷计算节点，性能可达 HGX B200 的 5.5 倍。 在网络方面，全新 Dell PowerSwitch 产品组合采用了 NVIDIA Quantum-X800 InfiniBand（https://www.nvidia.com/en-us/networking/products/infiniband/quantum-x800/），配备液冷共封装光学器件和 NVIDIA Spectrum-6 以太网（https://www.nvidia.com/en-us/networking/spectrumx/）。 戴尔还推出了 Dell PowerRack，一个完全集成的系统——计算、网络和存储一体化设计——其散热设计、电源管理和软件优化从一开始就协同工作。其结果是，无需组件集成的开销，即可在企业规模上加速 AI 和高性能计算工作负载。 在 CPU 方面，Dell PowerEdge M9822 和 R9822 服务器将 NVIDIA Vera CPU 引入企业 AI 工厂。Vera 专为智能体 AI 打造，运行数据管道、分析、沙盒工具和代码工作负载，每一步都依赖于上一步的结果。 凭借 1.2 TB/s 的内存带宽和负载下可预测的性能，Vera 完成智能体工作负载的速度比 x86 处理器快 50%，帮助 PowerEdge 系统通过更快的智能体响应和更短的反馈循环来提升 AI 工厂的产出。 "Vera CPU 拥有世界上所有 CPU 中最高的单线程性能，"黄仁勋说。"它的内存带宽是其他 CPU 的三倍——因此，Starburst、DuckDB 等所有数据库的运行速度都非常快，因为智能体会频繁访问数据库，所以 CPU 必须非常快。" Starburst 是采用 NVIDIA 的 Dell AI 数据平台中的一款新型数据引擎，在 NVIDIA Vera CPU 上为大规模 SQL 分析提供 3 倍的查询吞吐量。 企业数据为 AI 工厂提供燃料。戴尔对其采用 NVIDIA 的 AI 数据平台进行了更新，核心是基于 NVIDIA CUDA-X（https://www.nvidia.com/en-us/technologies/cuda-x/）库构建的加速数据引擎——包括用于结构化数据的 cuDF 和用于非结构化数据的 cuVS。 主题演讲中重点介绍了多个采用 NVIDIA 的 Dell AI 工厂的客户。 Lilly 公司执行副总裁兼首席信息与数字官 Diogo Rau 在主题演讲早期加入，讨论了 Lilly 在生命科学领域由 AI 驱动的进展和创新，这些成果由戴尔与 NVIDIA 联合部署的大规模 AI 基础设施提供支持。他将技术描述为大规模提供尖端科学的关键。"我认为我们可能正处于能够终结我们所知的疾病的边缘，"Rau 表示。"类似的事情在 20 年前是完全无法想象的，但今天我们能够想象。" 随后播放了一段来自 Samsung 的视频，重点介绍了在采用 NVIDIA 的 Dell AI 工厂上运行的研发芯片设计和制造用例。 Honeywell 首席技术官 Suresh Venkatarayalu 与迈克尔·戴尔一同上台，讲述了该公司从公有云转向本地 AI 的过程——利用 Dell AI 工厂和采用 NVIDIA 的 Dell AI 数据平台，实现从数据中心到边缘的工业 AI 用例、数字孪生和自动化。"对我来说，与戴尔和 NVIDIA 合作不仅仅是获得基础设施，"Venkatarayalu 表示。他解释说，这关乎完整的 AI 堆栈：可扩展、安全且受客户信赖。 在金融服务领域，算法交易公司 Hudson River Trading 正在扩展其 Dell 部署，以支持 AI 驱动的研究——运行配备 NVIDIA 加速计算和 NVIDIA Spectrum-X 以太网的 Dell PowerEdge XE9685L 服务器，以适应公司的数据、模型和雄心。 ## **本地部署的智能体与模型——安全可靠** 戴尔自己的 AI 采用率调查（在主题演讲中被引用）发现，67% 的 AI 工作负载现在运行在云端之外——包括本地、设备端、边缘或托管环境中——并且 88% 的受访者至少运行一个 AI 工作负载在本地。 本地 AI 的发布回答了戴尔直接向现场提出的一个问题："如何在需要的地方部署世界上最好的 AI 模型，并内置安全性和治理能力？" 答案在于 NVIDIA 机密计算（https://www.nvidia.com/en-us/data-center/solutions/confidential-computing/）——与 Fortanix、Google、Red Hat 及其他合作伙伴共同交付——作为在企业内部安全部署前沿模型而不暴露模型 IP 或数据的基础。 这使得企业能够保护使用中的 AI 模型和敏感数据，同时享受本地 AI 基础设施的 token 效率、性能和成本优势。 ## **前沿专有模型，由机密计算保护** 搭载 Gemini 3.0 的 Google Distributed Cloud（GDC）现已在 Dell PowerEdge XE9780 服务器上提供预览版，由 NVIDIA Blackwell 加速，并通过 NVIDIA 机密计算保护——为企业高级 AI 提供私有机密计算环境。 SpaceXAI 也将把最新的 SpaceXAI 模型引入本地部署的 Dell AI 工厂，通过 NVIDIA 机密计算端到端地保护模型权重和企业数据。 ## **开放前沿模型，原生运行于 Dell AI 工厂** NVIDIA Nemotron（https://www.nvidia.com/en-us/ai-data-science/foundation-models/nemotron/）模型——前沿级别的开放智能——运行在 Dell AI 工厂基础设施上，供希望使用针对自身领域和数据调优的开放权重模型的企业使用。 Reflection 的开源前沿 AI 模型也将进入本地部署，专为受监管行业、政府和主权实体打造。 其他开放模型——MiniMax-M2.7、DeepSeek Pro、DeepSeek-V4、GLM 5.1 和采用 NVIDIA NVFP4 优化的 Kimi K2.6——现已在 Hugging Face 上的 Dell Enterprise Hub 中提供，加入了 Gemma 4、NVIDIA Nemotron Super 3、Mistral Small 4 和 Arcee Trinity-Large-Thinking 的行列。 在这个新的智能体时代，企业还需要智能体能够在其数据、系统和工作流已经存在的混合环境和本地环境中安全工作。 OpenAI Codex 将连接 Dell AI 数据平台，帮助客户将 Codex 更贴近内部上下文——代码库、文档、业务系统、运营知识和团队工作流——这些上下文使智能体变得有用。戴尔和 OpenAI 还将探索 Codex 如何与 Dell AI 工厂连接。 ## **软件合作伙伴生态系统** 戴尔宣布了多个新的软件合作伙伴关系，涉及从智能体 AI 和代码助手到计算机视觉等常见企业 AI 用例。其中包括 Palantir 于 3 月宣布的、采用 NVIDIA 的主权 AI 操作系统参考架构（https://www.palantir.com/sovereignaios/），现在该架构运行在戴尔基础设施上——用于本地部署 Palantir 本体论和 AIP，并与 NVIDIA 主权 AI 操作系统参考架构集成。此外，ServiceNow 客户将能够利用 Dell AI 工厂将基础设施和企业工作流自动化结合起来，使组织能够发现、治理和运营以实现业务成果为重点的 AI。 戴尔还宣布了与众多 AI 领导者和软件创新者的新解决方案——包括 Fogsphere、Ipsotek、Mistral AI、Poolside 和 Uneeq——以及与 CrowdStrike 和 Fortanix 的安全合作伙伴关系。 ## **从桌面到数据中心的智能体** 最贴近个人的消息：Dell Deskside Agentic AI 采用 NVIDIA NemoClaw（https://www.nvidia.com/en-us/ai/nemoclaw/）堆栈、NVIDIA OpenShell（https://build.nvidia.com/openshell）运行时和 NVIDIA Nemotron（https://www.nvidia.com/en-us/ai-data-science/foundation-models/nemotron/）开放模型，运行在搭载 NVIDIA Grace Blackwell 架构的 Dell Pro Max 与 GB10（https://www.nvidia.com/en-us/products/workstations/dgx-spark/）和 GB300（https://www.nvidia.com/en-us/products/workstations/dgx-station/）上，以及搭载 NVIDIA RTX PRO（https://www.nvidia.com/en-us/products/workstations/）Blackwell 工作站平台的 Dell Pro Precision 系统上。 定制化层：NVIDIA Nemotron、NVIDIA Agent Toolkit 和 NVIDIA NeMoClaw——黄仁勋在台上描述为本地模型与企业数据之间的连接层——为企业自主智能体的构建提供了基础，使组织能够定制模型、编排智能体工作流，并将智能体安全地连接到企业数据和工具。 安全层：NVIDIA OpenShell——一个用于开发和部署自主智能体的开源运行时，具有安全性和隐私控制——能够在基础设施层实施企业策略，并与领先的企业软件平台集成。 NVIDIA OpenShell 现在支持整个采用 NVIDIA 的 Dell AI 工厂，为开发者提供了一个安全运行时，用于从工作站到服务器构建、部署和治理 AI 智能体。 戴尔还强调了对 NVIDIA AI-Q Blueprint（https://build.nvidia.com/nvidia/aiq）的支持，为企业提供了一个参考示例，用于部署用于深度研究的多智能体工作流——加速从开发到试点再到生产的进程。 ## **第二天** 在戴尔科技世界大会的第二天，戴尔首席运营官 Jeff Clarke 和基础设施解决方案集团总裁 Arthur Lewis 将深入探讨 NVIDIA Vera CPU、Vera Rubin、机密计算和 Nemotron——并进行 Dell Deskside Agentic AI 的现场演示。 黄仁勋和戴尔周一设定的主题——安全、长时间运行的智能体、全栈工厂、安全的本地部署——为 NVIDIA 将在 6 月 1 日至 4 日举行的 COMPUTEX 台北 GTC（https://www.nvidia.com/en-tw/gtc/taipei/）上发布的更广泛公告奠定了基础。