北京
在AI基础设施的采购桌上，过去那套“等到季末再谈折扣”的打法正在失效。戴尔科技全球营收运营高级副总裁大卫·施莫克（David Schmoock）给出的判断很直接：需求已经跑到了供给前面，晚一步进队列，项目就可能被拖住。
他把当下形容为一段“动荡期”。早些时候，很多买家并没有预见到这轮短缺，如今才开始意识到要把规划的时间轴拉长。施莫克是在戴尔科技纽约研讨会上接受theCUBE Research的戴夫·维兰特采访时说这番话的，讨论的核心是供给约束、工作流重构和token经济如何改变戴尔与客户的规划方式。
短缺从内存蔓延到机架
施莫克回顾，需求从去年11月开始加速，为AI准备的GPU服务器需求猛涨，把标准的x86服务器也一并带了起来。戴尔首席运营官杰夫·克拉克（Jeff Clarke）在9月向投资者表示，短缺已经超出内存、存储和中央处理器的范围，扩散到机架级冷却、网络和电源部件。
在这样的环境里，戴尔希望客户比以往任何硬件周期都更早地分享部署计划。施莫克的说法是，如果客户在周期后段才找上门，戴尔照样会像任何厂商一样回应招标请求，但那种协同规划就没了，而缺了它，上线时间可能被推迟。
买家的谈判重点也在变。价格曾经主导谈判，但市场正进入一段成本上行期。施莫克提到，那些把技术本身当作产品的客户，比如高频交易机构，是最早锁定交付排期的一批。
先改流程，再修数据层
拿到硬件只是第一步。戴尔在分享自己落地AI的经验时，给出的最大教训是顺序问题：先重新设计工作流，再处理数据层。
施莫克的表述很直白：如果只是把AI套在现有流程上，得到的只是生产率的轻微提升，拿不到大家想要的那种十倍级收益。他提到，这套做法帮助戴尔把营收增长与运营费用解耦——过去这两条线通常是并行上升的。
下一个挑战是管理一个由人和AI token共同构成的成本基数。他用美国职业橄榄球联盟（NFL）的工资帽作比：一支球队只养得起一个明星四分卫，剩下的位置得用成本更低但依然有贡献的球员填满。
token也是同样的道理。前沿模型只能用在工作的一部分上，其余的工作得交给旧版本模型、开源模型和机器学习。
AI不只是买GPU服务器
施莫克强调，AI不只是一件事：它还涉及那些不需要token的传统x86负载，以及在边缘跑推理的台式机和工作站。客户如果到流程后段才出现，戴尔就得临时去找供给。
他描述了迟到在紧张供应链里的代价：没有做协同规划，项目可能被延误60、90、120天，既带来成本影响，也带来业务影响。
他的建议只有一句：早点把我们拉进来，让我们和你一起做协同规划，最终拿到的最优结果会证明这一步的价值。
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.
