DELL的“供应链最紧缺排序”及AI讯号：每天都在涨价，但客户依然在签单！

DELL对供应链紧张程度的排序是“DRAM > NAND > CPU > HDD > 其他部件”，并且认为在可见的未来内这种紧张的情况不会改善。与此同时，DELL的财报数据也显示AI的技术扩散开始进入最广泛、最持久的阶段，数以万计的普通企业客户将AI推理和AI增强型应用部署进自己的数据中心。

华尔街的分析师们通常不太会犯大错，但这次，他们集体严重的失算了。

Dell Technologies公布的FY2027第一季度财报，几乎在所有关键财务指标上都将市场预期打得落花流水：总营收438亿美元，同比增长88%，创下历史新高；稀释后非GAAP每股收益4.86美元，同比飙升214%，同样刷新历史纪录，并高出预期整整66%。盘后，Dell股价一度暴涨近40%，创下该公司自2018年以来单日最大涨幅。

在这份令人咋舌的成绩单背后，是整个科技行业正在经历的一场深层变革：

AI基础设施需求的扩张速度，已经远超市场最乐观预期所能触及的上限。

Dell这份财报和财报后的电话会议中有两个对理解当前AI产业最新情况至关重要的信号：

• 其一，Dell管理层对服务器供应链瓶颈紧张程度排序"DRAM > NAND > CPU > HDD > 其他部件"的那段回答 ；

• 其二，传统服务器板块营收同比暴增92%这一数字，毫无疑问比AI服务器的增长更能说明AI技术扩散的真实进度。

这两个现象互为表里，共同构成了2026年当下AI生态演进至深水区的最关键信息，昭示着一个由硅基算力统治的帝国正在加速成型。

那句关于供应链紧张程度的排序

在财报电话会议的Q&A环节，当分析师追问供应瓶颈的具体情况时，COO Jeffrey Clarke给出了一个清晰的排序：

供应紧张程度依次为：DRAM > NAND > CPU > HDD > 其他部件。

他进一步坦言：

Dell几乎"每天都在重新定价（就是涨价）"，并且这种通胀环境（涨价）在可见的未来内不会改善。

这个排序绝非随意，它精准反映了AI时代服务器架构对上游零部件供应链造成的结构性冲击。

• DRAM：为什么内存成了第一瓶颈？

在传统服务器时代，DRAM的需求是相对可预测的。但AI服务器，尤其是有了大规模AI训练集群后，彻底改写了这一规则。

一台搭载8块Nvidia H100/B100 GPU的AI服务器，所需的系统内存（主要为HBM和DDR5 DRAM）是传统双路服务器的10到20倍甚至更多。更关键的是，HBM（高带宽内存）这种专为GPU设计的DRAM变体，全球有效产能几乎被SK海力士、三星和美光三家垄断，且其产能爬坡周期长达18至24个月。在AI订单爆炸式增长的背景下，HBM就成为了整个AI供应链中弹性最差的单一环节。

Dell的513亿美元AI服务器积压订单，实质上是被HBM产能锁住的。这不是销售问题，而是一个物理上的产能上限问题，如何保交付？

• NAND排第二，是AI向推理转移的结果

大模型的推理服务，需要在极低延迟下连续读取数百GB甚至数TB的模型权重文件。机械硬盘的随机读写能力无法满足这一需求，高性能NVMe SSD成为标准配置。与此同时，AI数据湖的膨胀速度远超传统数据中心的预期，企业在训练数据存储、检查点保存、中间推理结果缓存等环节的NAND消耗量，较两年前有数量级的、跨越式的跳升。

NAND Flash的瓶颈，折射出另一个深层变化：

AI推理端的存储需求正在快速向NVMe SSD倾斜。

更雪上加霜的是，NAND市场在2023至2024年经历过一轮深度去库存周期，主要厂商曾大幅削减资本开支，导致2025至2026年的有效产能扩张不足，正好撞上AI需求的爆发时间窗口。

供需剪刀差，由此打开。

• CPU排第三，揭示了AI与传统计算的并发扩张

AI工作负载并不会取代CPU，而是催生了对CPU的额外需求，理解这一点非常关键。

大规模AI集群中，每块GPU通常需要配备相应的高核数CPU来处理数据预处理、调度管理和IO任务。以AMD EPYC或Intel Xeon为代表的高端服务器CPU，需求不降反升。

更关键的是，AI推理的普及正在驱动企业对"边缘推理"基础设施的大规模部署，这些节点使用的是普通CPU服务器，而非昂贵的GPU集群。这部分需求，正是Dell传统服务器板块暴涨的重要来源之一。

在实际的企业生产环境中，一个AI智能体（Agent）要执行一项任务，需要经历“用户请求解析 -> 数据库查询 -> 数据清洗 -> 向量化重构 -> 喂入大模型推理 -> 后端业务系统执行 -> 审计与日志记录”的复杂长链条。在这条链条中，只有“模型推理”这一步需要昂贵的GPU AI服务器，而前置的数据清洗、后端的传统数据库管理、RPC网络通信以及庞大的业务流控制，绝大部分依然是由高性价比、高稳定性的通用x86/ARM CPU服务器来承载。

• HDD排第四：并不意外而的信号

机械硬盘排在第四位，这原本是一个被认为在AI时代会逐渐边缘化的品类。但现实却是：非结构化数据（图像、视频、音频、文档）作为AI训练语料的需求暴增，使得大容量HDD的出货量持续攀升。AI工厂需要海量的"冷数据"存储，而HDD在单位容量成本上仍是无可替代的选项。

Clarke在电话会议中提到，Dell的非结构化存储组合已连续两个季度实现两位数增长，并在多个头部AI客户处赢得重要订单。这背后，HDD的供给紧张是绕不开的现实约束。

整个供应链紧张程度排序的逻辑，其实是一张AI技术渗透路径的清晰地图：

从最核心的GPU专用内存（HBM DRAM），到推理端存储（NAND SSD），到配套算力（CPU），再到数据湖基础设施（HDD）。每一层的短缺，都是AI需求从核心向外蔓延的真实印记。

传统服务器92%的增长意味着什么

AI服务器营收同比增长757%，这个数字足够震撼，大量报道都着墨于此。但对于观察AI技术在真实世界的扩散进度而言，传统服务器及网络板块营收同比增长92%，是这份财报中信息价值最高的数据点。

传统服务器，指的是不搭载高密度GPU的标准计算服务器，主要应用于企业数据库、应用服务器、虚拟化平台、网络基础设施等传统IT场景。这一品类，在过去数年中增长普遍温吞，去年仅增长9%。

但在本个财年的第一季度，它突然以92%的增速起飞，这不可能只是产品换代周期或单纯的价格上涨所能解释的。

Jeffrey Clarke在电话会上给出了明确解读：

传统服务器需求的主力，是大型企业客户在刷新计算环境、扩充AI算力以支撑日益增长的工作负载。

请注意这句话的含义：

不是云厂商在采购，也不是AI初创公司，而是传统大型企业在购买。

这些客户，正在把原本跑在老旧服务器上的业务系统迁移到新平台，以便为AI推理、AI辅助决策、AI增强型应用提供运行基础。

这是一个标志性的结构转变！

AI技术的扩散通常经历三个阶段：

• 第一阶段是超大规模云厂商（Hyperscaler）集中采购GPU集群，用于大模型训练，这一阶段基本在2023至2026年完成；

• 第二阶段是NeoCloud（新兴AI云服务商）和主权云的崛起，开始规模化采购AI基础设施，对应Dell的AI服务器爆发期；

• 第三阶段，也是最广泛、最持久的阶段，是数以万计的普通企业客户将AI推理和AI增强型应用部署进自己的数据中心，而这需要的，正是大量传统服务器、网络设备和存储系统的刷新与扩充。

传统服务器的92%增速，意味着第三阶段已经切实到来，而且势头之猛烈，早于几乎所有主流预测。

这背后的逻辑并不复杂。

当一家银行决定将AI风控模型部署在本地数据中心而非公有云时，它不会只买GPU服务器，它需要更新整个计算层：更快的CPU服务器处理推理请求，更高带宽的网络设备减少延迟，更大容量的存储系统保存历史数据。因为AI并不是孤立运行的，它需要整个IT基础设施协同升级。

这也解释了为何Dell的CSG（PC）板块也同步实现了17%的增长：企业在服务器端完成AI化改造的同时，往往也会同步推进终端设备的AI化（AI PC采购），形成从数据中心到桌面的全链条替换周期。

还有一个角度值得关注：

传统服务器的增长，某种程度上是对AI服务器高昂成本的替代性解决方案。对于预算有限、无法大规模部署GPU集群的中小型企业，使用高性能CPU服务器运行量化压缩后的小型AI模型（如各类参数在70亿到700亿之间的开源模型），是一条极具性价比的路径。随着模型压缩和推理优化技术的持续进步，这一路径正在吸引越来越多的企业进入AI应用市场，而他们选购的，正是传统服务器。

结语：不是泡沫，是基础设施周期的需求

在过去两年里，围绕AI基础设施投资是否过热的争论从未停歇。每当有人质疑"AI需求是否可持续"，最有力的反驳，肯定不能只来于宏观叙事，还应该来自像DELL这份财报这样的具体数字。

传统服务器92%的增速，意味着AI需求正在从少数超大规模玩家，扩散至数以千万计的普通企业客户；供应链从DRAM到HDD全线告急，意味着这不是局部现象，而是整个计算产业的同步换档；513亿美元的积压订单和企业客户主动签署五年供货协议，意味着这一波需求不是冲动性的短期采购，而是有计划的长期投资。

COO Clarke说，他"几乎每天都在重新定价（就是涨价）"，他的客户"感受到了痛苦"，但他们依然在签单。

显然，这不是泡沫的特征，这是AI基础设施周期真实需求的特征。