《徽声在线》6月6日讯（记者 黄心怡 深度报道）随着人工智能（AI）技术从单纯的“对话交互”向“任务执行”深度演进，全球范围内正掀起一场AI基础设施建设的浪潮。这场变革不仅重塑了算力需求格局，更推动着数据中心、服务器等硬件产业链进入新一轮增长周期。

“AI应用模式正从生成式内容输出向代理式自主行动加速转型，这直接导致算力需求呈现指数级增长。”台积电CEO魏哲家在年度股东大会上坦言，即便公司持续扩大全球产能布局，仍难以满足未来数年人工智能驱动的芯片需求。他重申，2026年台积电美元营收增速将突破30%大关，这一预测背后是AI芯片需求的持续井喷。

摩根士丹利最新研报显示，到2028年全球数据中心建设成本将达2.9万亿美元，其中大型科技公司2026年资本支出预计达7400亿美元，同比激增69%。高盛则预警，全球数据中心电力需求将在2027年增长50%，到2030年较2023年最高可能飙升165%。这些数据折射出AI发展对能源基础设施的颠覆性影响。

戴尔、联想等头部整机厂商的财报数据印证了这一趋势。AI服务器需求正从模型训练向推理执行、智能体部署、企业级应用等场景全面扩散，形成新的增长极。

然而，多位行业专家在接受《徽声在线》采访时指出，市场狂热背后隐藏着三大挑战：算力成本高企、商业价值量化困难、垂直场景适配性不足。这些瓶颈若不突破，智能体规模化落地将面临严峻考验。

▍AI算力需求从训练向全链条延伸

戴尔2027财年首季财报显示，公司总营收达438.4亿美元，同比增长88%，创2018年重返公开市场以来新高。其中，AI服务器收入同比暴涨757%至161亿美元，新签AI订单达244亿美元，积压订单更突破513亿美元纪录。“AI机遇未见放缓迹象。”戴尔COO Jeff Clarke在财报声明中强调，基于强劲表现，公司将全年AI服务器收入预期从500亿美元上调至600亿美元。

联想集团2026财年第四季度同样交出亮眼成绩单：AI相关收入同比增长84%，占集团总收入比重提升至38%；基础设施方案业务（ISG）经营利润率转正至3.6%，收入56亿美元，同比增长37%，均创历史新高。其AI服务器储备订单达210亿美元，显示行业需求持续旺盛。

市场共识逐渐清晰：AI基础设施需求正从单一训练算力，向训练、推理、Neocloud、企业部署、数据中心建设等多元场景扩展，形成长期资本开支周期。CIC灼识董事总经理陈一心分析称，整机厂商作为产业链下游集成商，直接面对终端客户，是价值传导的关键节点。“能够高效整合CPU/GPU、互联技术、液冷系统、高压电源等复杂子系统的厂商，将获得更高溢价空间。”

艾媒咨询CEO张毅指出：“AI基础设施的商业价值正从上游芯片向下游整机传递，这一趋势愈发明显。戴尔、联想等厂商通过定制化整机和液冷方案，实现了订单与利润的双重增长。”

▍智能体时代开启算力竞争新维度

AI基础设施需求的爆发，本质上是智能体（Agent AI）技术普及的必然结果。以Claude Code、Open Claw等开源框架为代表的工具，正在重塑软件使用范式——AI不再局限于聊天窗口，而是进化为能自主调用工具、编写代码、执行任务、维护会话的“数字员工”。

阿里巴巴CEO吴泳铭在5月财报电话会上透露，自去年底以来，API调用需求增长几乎全部由AI编程能力提升驱动，阿里百炼MaaS平台年化经常性收入已突破80亿元。英伟达CEO黄仁勋在GTC 2026大会上更宣告“Agent AI时代全面到来”，并推出专为智能体打造的Vera Rubin平台，提供英伟达史上最大规模的POD级算力支持。高通总裁克里斯蒂亚诺·安蒙也公开表示：“2026年将成为AI Agent的元年。”

云岫资本分析认为，随着AI从训练阶段转向应用与推理，模型即服务（MaaS）市场潜力巨大。垂直应用类模型消耗海量Token，一旦在实体经济中产生稳定收益，将引发群体效应，带动行业高增长。陈一心进一步指出，单芯片红利期已过，机柜正成为新的“超级芯片”。当单点功耗逼近物理极限时，AI基础设施竞争已升级至机柜级，互联、液冷、电源的工程落地能力直接决定算力交付效率。

具体而言，产业链多个环节迎来结构性机遇：

1. 电源与能源管理：AI服务器电源市场进入高速增长期，能提供高功率、高可靠性、高效率整柜电源解决方案的企业将核心受益，尤其是符合高压直流趋势的产品。

2. 高效液冷技术：传统风冷散热遇瓶颈，液冷方案从可选变为必需，冷板、浸没式液冷及配套精密结构件市场潜力巨大。

3. 数据中心互联：内部高速互联成为关键资产，专注于该领域的企业面临发展机遇。

4. 高端PCB需求：AI设备对高端PCB的需求扩大，利好设备制造及厂商。

5. 细分领域芯片：除核心GPU外，专注AI推理、互联接口、存算一体等细分领域的芯片及IP公司，将在硬件生态重构中找到定位。

▍商业化落地面临多重考验

尽管市场热情高涨，但智能体的规模化落地仍面临现实挑战。IDC中国研究总监卢言霞指出：“目前大部分AI应用赛道尚未形成商业规模，AI软件市场也未出现规模化效应。”Gartner则预警，到2027年底，超40%的Agentic AI项目可能因成本高、商业价值模糊或风控不足而被取消。

陈一心分析，具体挑战包括：

1. 算力成本高企：企业部署私有化模型或调用大型API，均面临显著成本压力。如何平衡效果与成本，找到性价比最优方案，是商业化关键。

2. 价值度量困难：除编程等场景外，许多AI应用的价值提升难以精准量化，影响客户付费意愿和定价策略。

3. 技术成熟度不足：医疗等行业对AI输出的准确性、可靠性要求极高，当前大模型尚无法满足大规模落地需求。

4. 组织与人才壁垒：企业应用AI不仅需要技术，更需业务流程改造、数据治理能力及复合型人才支持。

优刻得董事长兼CEO季昕华坦言：“企业老板普遍存在两大焦虑：一是如何让员工真正使用AI，二是使用后成本上升但效率提升不明显。例如，某公司每周AI支出超60万元，每月近300万元，但效果尚未完全显现。因此，衡量大模型的效果与效率至关重要。”

市场正从“能否实现”转向“是否值得”的理性思考。智能体热潮的最终落地，取决于基础设施成本能否下降、商业模式能否验证、垂直场景能否跑通价值闭环。这既是机遇，也是一场需要耐心与实力的长期竞赛。

云岫资本负责人认为，专有数据和垂直行业经验将凸显独特价值。在解决复杂行业问题时，积累专业数据和经验可构建长期壁垒。卢言霞则预测，随着大模型开始收费，基础大模型可能独立成赛道，WorkBuddy、TraeSolo、QCoderWork等桌面智能体值得关注。AI营销赛道已率先落地，如AI辅助营销与客服一体化，但厂商分散。未来需关注企业领域中，哪些场景能率先实现数字人/数字员工的应用突破。