朋友们，刚出来的猛料，彭博社把黄仁勋和戴尔拉到一起，主持人问英伟达和戴尔在AI PC上会不会有大动作，戴尔只回了句：很快，非常快。

黄仁勋紧跟着补了一个判断：企业用AI已经不是做演示了，是在真实业务里部署上千颗GPU，效率提升不是百分之十几，是十倍、二十倍甚至一百倍。

更关键的是他说AI正在走PC当年那条路，从大型机往个人设备上迁移，端侧AI、AI手机、物理AI、存储和CPU的牌，全在这场对话里被翻开了。

企业AI从演示进生产，换的不是工具是效率公式

黄仁勋和戴尔都强调，三星这类大公司已经不是在做AI演示了，是在真实业务里部署了上千颗GPU。

戴尔还补了句狠话，企业用AI重构工作流，得到的不是百分之十、百分之二十的提升，而是十倍、二十倍甚至一百倍，这意味着企业不只是在用新工具，而是在重新计算生产力。

传统的降本增效有天花板，流程优化到极致之后边际收益递减，但AI重构工作流打破了这个天花板，它不是让同一个流程跑得更快，是用完全不同的方式来完成同一个任务。

上千颗GPU级别的部署说明这不是实验室炫技，是大公司已经把AI写进了核心业务流程的底层代码里，退不回去了。

这个转变有一个很容易被忽略的背景，过去两年企业搞AI，大部分钱花在训练模型上，那是研发投入，不是生产投入。

现在模型训好了，企业开始把已经训好的模型部署到真实的订单系统、客服系统、供应链管理系统里去，这是从研发费变成运营费，从成本中心变成效率引擎。

戴尔说的十倍二十倍提升，指的不是模型精度提升，是业务流程被AI重构之后端到端效率的跃迁。

举个例子，一家跨国零售商的库存调度系统接入AI智能体之后，补货决策从人工看报表变成了AI实时计算各仓库的库存水位、物流时效和区域销售预测。

缺货率降了四成，周转天数压缩了三分之一，这不是某个环节被优化了，是整个决策链条被换掉了。

端侧AI真要来了，剧本就是当年大型机退场PC爆发

黄仁勋讲了一个类比，他和戴尔刚进入IT行业时正好赶上大型机退场，个人电脑开始爆发，他的意思是AI可能走同样的路。

现在大模型主要跑在云端数据中心，但下一步会进入个人AI阶段，你的电脑里、手机里、汽车里、工厂设备里，都会开始装上本地模型。

原因很简单，AI智能体想真正帮你干活，就必须理解你的上下文，这些上下文最合适的位置不在遥远的数据中心，而在你的设备里。

这里有一个关键的技术账，云端模型确实更强，但每次提问都要把上下文打包上传，延迟和带宽成本会吃掉一大部分效率。

本地模型虽然参数规模小，但响应是毫秒级的，能读到你设备上的文件、邮件、日历、位置信息，这些数据是云端模型永远拿不到的。

隐私是一方面，响应速度是另一方面，两者叠加，端侧就成了必选项。

戴尔已经在推本地模型和桌面级AI智能体，英伟达在做个人超级AI计算机，但超级AI计算机还不是终点，更大的终端是手机。

黄仁勋给出的方案是本地模型加云端模型混合推理，简单任务本地做，复杂任务上云端。

以后一句话就能让手机跨APP帮你订票、写邮件、整理文件，手机芯片和端侧算力的重要性会被重新定价。

这条线索会直接影响一批公司，端侧芯片平台首当其冲，高通这类在移动端深耕多年的厂商，手里捏着一张端侧推理的入场券，AI手机如果爆发，是整个消费电子供应链的一次价值重估。

2025年全球智能手机出货量12亿部，如果其中三成在未来三年内升级为具备本地推理能力的AI手机，光是芯片升级的市场规模就以百亿美元计。

内存紧缺CPU返场，物理AI几十万亿的局还没开

戴尔这次直接说内存毫无悬念是挑战，黄仁勋也承认内存需求增长远超供应爬坡速度。

为什么AI这么吃存储？因为智能体不是问一句答一句，它要读取文件、调用工具、检索资料、反复推理、保存上下文，模型越像一个真正的员工，需要的内存和高带宽存储就越多。

HBM高带宽内存是当前AI基础设施里最紧俏的资源，2026年全球HBM产能九成以上被一家厂商掌控，另一家正在爬坡，还有一家刚刚完成认证。

三足鼎立的格局还远没形成，供给端高度集中，需求端却在急剧扩张，每一代新GPU需要配的HBM容量都在翻倍增长，内存墙在推理时代只会越撞越疼。

CPU也在被重新推到台前，以前大家看AI只盯着GPU，因为训练大模型GPU是主角。

但到了智能体阶段，智能体要调用工具、跑流程、处理系统任务、连接数据库和软件，这里面有大量控制、调度和复杂逻辑，恰好是CPU的强项。

不过CPU市场不像GPU那样容易一家独大，英伟达、AMD、英特尔、云厂商都会抢这块蛋糕。

黄仁勋最后还抛出一个更大的判断，物理AI甚至还没有真正开始，AI不只会在屏幕里回答问题，它会进入汽车、机器人、工厂、仓库和制造业。

这不是软件层面的智能，是AI物理化、具身化，他给了一个自己的判断，这可能会是几十万亿美金的市场。

对比现在的云计算和大模型市场规模，几十万亿意味着整个全球制造业和物流业的数字化底座被重新做一遍。

目前这个赛道还在非常早期的阶段，机器人部署成本高、场景碎片化、通用性不够，但如果端侧模型和混合推理的路线跑通，物理AI的拐点会比想象中更快到来。

老黄这次其实给了四条暗线，端侧AI可能在爆发前夜，AI手机可能是比AI计算机更大的入口，存储依然是紧缺瓶颈，CPU会因为智能体重新变得重要。

物理AI可能是后面一个更大的主升浪，戴尔那句很快，说的可能是AI PC，但背后是一整条AI从云端走向终端、从数字世界走向物理世界的产业链迁移。

你对哪条线最感兴趣？AI手机会不会像当年智能手机一样重新洗牌整个行业？评论区聊聊你的判断。

#上头条 聊热点##我要上精选-全民写作大赛##头条首发大赛##发优质内容享分成#

信息来源：