北京
周三下午三点，CoreWeave数据中心迎来一个通体银黑、比双开门冰箱还高出一截的货柜。工程师没有拆散它，而是像搭积木一样，把整台设备推进预置的冷热通道机架位，开始逐次通电、接通光纤。当最后一条链路指示灯变绿，墙上的计时器刚刚跳过6小时28分。这不是科幻剧情，而是戴尔科技刚完成的一次交付——他们口中的PowerRack，从板车落地到开始生产AI推理工作负载，没超过6.5小时。
6月1日，戴尔宣布自己成为业内第一家交付基于NVIDIA Vera Rubin平台整机架系统的厂商，首批PowerRack货柜带着PowerEdge XE9812服务器、NVIDIA Vera Rubin NVL72加速模组，直接运抵CoreWeave。在外界还在争论单台GPU服务器如何拼装液冷管路时，戴尔已经把计算、网络、存储、电源与冷却，全部塞进一套预装联调的“交钥匙”机架里，测试完毕，一次性发货。戴尔给这套系统的定义很简单：设计、验证、交付，都当作一个整体单元。这意味着客户买回去之后，不再需要自己在机房拼装服务器、交换机、存储阵列，也不必现场改水管、拉母线，所有折腾被折叠在出厂前完成。
这种交付形态的变化，恰好戳中了当前AI基础设施演进的关键转折。过去几年，企业采购AI算力的主流方式，还是向供应商下单GPU服务器，自己攒机柜。几台服务器配上胖交换机和全闪存储，再加CDU冷量分配单元，联调周期动辄数周。而当模型训练向大规模推理倾斜，尤其面对多智能体协同推理这种持续吞吐的场景，单机箱堆叠方式开始被整机架级系统取代。戴尔PowerRack直接把整个机柜做成不可拆的最小交付单位，出厂即生产状态，带来的并不是一台机器，而是一个微型数据中心。
在宣告交付的措辞里，戴尔没掩饰对标前任旗舰的野心。他们给出一个直接对比：PowerRack在大规模智能体推理任务上，每生成一枚token的成本，比上一代Grace Blackwell NVL72低10倍。10倍是什么概念？假设原先跑一千万次智能体对话，花掉你在推理上1万美元，那么用这套新系统，只需1千美元。在AI应用试图摆脱烧钱标签、寻找经济模型的当下，这种量级的成本压缩远比跑分好看，因为它直接抠出了毛利率里那根能划断盈亏线的线。戴尔还强调，PowerRack能够把部署周期从传统“数周缩短到不到6.5小时”，让AI团队几乎能在当天拿到算力就上线实验。
机架级AI的爆发力，也在戴尔5月28日公布的2027财年第一季度财报中留下硬数字。该季度收入同比跃升88%，达到创纪录的438亿美元。更扎眼的是AI优化服务器这条线：单季营收161亿美元，一年前这个数字还不到19亿美元，相当于涨了757%。把这两个数字放一起看，说明戴尔传统的PC、存储与通用服务器生意也还在长，但AI服务器的扩张速度已经完全脱离原有轨道，变成独立引擎。如果把161亿美元拆到每天，相当于这个季度里，每天都有近1.8亿美元的GPU服务器从戴尔工厂发往全球。
然而，亮眼的数据对面，也站着另一种声音。有分析指出，戴尔作为AI基础设施提供商固然
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
