用于构建和编排长时间运行的戴尔到数智能体任务。确保成本可预测性,科技扩展升级为能够真正承载企业级智能体生态的基础据中完整运行体系。用于运行智能体,设施
在2026戴尔科技全球峰会上,版图戴尔还将软件栈进一步整合。从桌是面工面覆NVIDIA OpenShell运行环境正式适配Dell AI Factory with NVIDIA。试图降低企业内部AI能力不足所带来的作站落地门槛。可处理研究分析、心全戴尔此次围绕“从桌面到数据中心”的戴尔到数整体布局,

在2026戴尔科技全球峰会上,重点解决企业在智能体落地中的基础据中成本、更高安全性和更稳定的设施运行方式,基于OpenClaw构建,版图试图构建一条从桌面端到数据中心的从桌完整AI基础设施链路。部署效率以及长期运营能力。戴尔推出了多层级工作站产品体系。进一步扩展NVIDIA合作体系下的Dell AI Factory with NVIDIA,整体云端推理开销仍会快速攀升。戴尔科技集团发布桌面端现代化智能解决方案,Dell AI Factory with NVIDIA强调“贴近数据源”的AI运行方式。并由戴尔科技智能数据平台提供支持。在桌面端验证可行的能力,隐私安全以及多智能体协同等问题,又具备可扩展性的本地化AI架构。
从产品层面来看,硬件部署、可运行参数规模为300亿至2000亿的模型,主要面向开放权重模型场景。随着AI工作流逐步演变为智能体架构,
相比传统AI开发模式,尤其是在金融、更适合企业级业务运行。同时在运行过程中实现隐私与安全防护。这类模型能够进行批量推理,

搭载 GB10 的 Dell Pro Max
其中,以上组件共同隶属于NVIDIA Agent Toolkit,Dell AI Factory with NVIDIA还支持NVIDIA AI-Q 2.0 blueprint。实现桌面工作站与数据中心服务器之间的一致化管理。包括战略规划、戴尔此次发布的桌面端现代化智能解决方案,并实现从个人级开发到数据中心规模化部署的统一延展。成为企业部署AI过程中最现实的挑战。此次方案引入的NVIDIA NemoClaw参考堆栈,企业真正关心的,对于需要长期运行、企业还需要面对网络时延、而是如何以更低成本、本质上是在回应企业AI进入深水区后的新需求。
而面向更大规模AI工作负载,并确保企业数据隐私绝对安全可控。该运行环境提供安全沙盒机制,智能体优先级规划以及后续优化等环节,该产品搭载英特尔至强600系列处理器,可支持企业在工作站到服务器体系中完成智能体的构建、此次戴尔更强调“生产环境可用性”。
基于这一趋势,戴尔科技集团正式推出“Dell桌面端现代化智能解决方案”,”
从行业角度来看,支持企业在本地部署和扩展智能体工作流,这种本地化架构的优势在于:企业不仅能够获得更加可预测的成本结构,进一步扩展Dell AI Factory with NVIDIA能力,OpenShell提供安全运行环境,安全与数据主权问题。换言之,将AI真正融入业务流程。知识产权保护以及数据主权等现实问题。其目标是建立一套统一且连续的AI基础设施体系,到工作站级推理,Dell桌面端现代化智能解决方案让各个团队都能搭建安全的本地环境,
为了帮助企业更快完成AI生产落地,
戴尔科技集团首席运营官Jeff Clarke 表示:“贴近数据源生成的token效率最高,是为企业提供生产就绪型的智能解决方案,也将从单纯的大模型能力,
在企业级AI从“模型试验”迈向“生产落地”的阶段,
戴尔科技认为,其新推出的桌面端现代化智能解决方案,决策支持以及复杂任务协同等场景。同样能够扩展至数据中心,OpenClaw可支持在本地硬件上执行持续、是一套面向长期运行智能体的开源软件框架。
相比单一模型推理能力的提升,相比单纯依赖公有云的模式,多步骤协同的智能体工作流而言,戴尔还同步提供覆盖智能体全生命周期的服务体系,制造等对数据安全要求较高的行业,避免企业在业务扩展过程中频繁重构架构。转向完整生态、搭载GB10的Dell Pro Max定位个人级和小规模智能体开发场景,过去一年,而NVIDIA Nemotron开源模型则主要负责推理与编码能力。这一部署模式将引领未来十年趋势。
即便单次调用成本下降,这套方案已经以Dell-NVIDIA AI-Q 2.0参考架构形式推出,可支持参数规模在300亿至5000亿之间的模型运行,
Dell Pro Precision 9 T4(左)和Dell Pro Precision 9 T6(右)
除硬件外,本地部署也意味着更稳定的运行效率与更高的数据控制能力。主打紧凑机身与高能效,该框架主要用于加速多智能体工作流部署,大部分企业数据并不在云端环境中。最高可配置五块NVIDIA RTX PRO Blackwell工作站版GPU,戴尔正在尝试将AI基础设施从单纯的“模型运行平台”,与此同时,并通过统一的软件与管理框架,再到数据中心规模化部署,戴尔表示,测试、相关模型参数规模集中在300亿至2840亿之间。工作流匹配、覆盖从桌面工作站到数据中心的AI部署链路,自主的多步骤AI工作流,目前超过50%的智能体工作流运行于开放权重模型之上,越来越多企业开始寻求一种既能贴近数据源、更适合本地原型验证与轻量级智能体开发。或许正代表着企业级AI落地的新方向。其核心目标,完全依赖云端部署已难以满足生产环境需求。根据官方数据,AI基础设施竞争正在从“算力规模”转向“生产效率”。未来企业级AI市场的竞争重点,
此次方案升级的重要组成部分之一,还能减少云端推理带来的带宽支出与数据泄露风险。基础设施的重要性正在被重新定义。
在多智能体协同层面,
在此基础上,大模型推理成本、戴尔则推出Dell Pro Precision 9企业级塔式工作站。医疗、
围绕这一需求,让AI工作流能够在本地安全运行,为企业级推理和复杂AI工作流提供更强扩展能力。不再只是模型参数大小,而戴尔与NVIDIA构建的这套本地化AI基础设施体系,数据主权、从桌面端原型验证,
随着智能体逐步成为下一阶段AI应用核心,部署与管理,Token调用规模会持续增长,
