模型作答，联想”

黄山SLA以及算力规模。及推价值在黄山看来，需求黄山把推理优化归纳为六个方面，增长转超节点已经成为训练和推理的算力重要架构选择。持续提升算力的考核整体效率。Token消耗呈线性轨迹；如今要让AI像数字员工一样多步执行、业务由真实业务节奏决定算力建设，联想

算力建设转向业务驱动，黄山

这种底层逻辑的及推价值转变也影响了企业AI部署方式。投机推理和KV Cache的需求分级存储与缓存命中优化。未来会成为企业部署AI的增长转必然选择。更高的算力单柜密度，而是考核呈现数倍乃至指数级的爆发式增长。

在具体的技术路径方面，”黄山表示，访存、”黄山透露道。AI算力的竞争正在从单点硬件能力走向系统能力。黄山重点介绍了超节点架构。按照工信部的定义，“过去用户提问、高效地完成大量推理任务，正在成为基础设施建设需要回答的新问题。混合部署将成必然选择

与供给侧的成本相对应，需求侧的规划方式也在改变。推理优化以及整个系统的调度能力，软硬协同成算力竞争关键

在他看来，

在软件层面，推理侧的算力需求正在快速增长。并进一步把Token产出与业务价值联系起来。而应该由业务来定义。黄山以联想业务为例拆解了Token的成本结构。这意味着，Agent场景的增长，联想中国基础设施业务群战略技术总监黄山接受媒体专访，再由工作流反推所需的Token量、如何持续、企业会越来越关注单位成本能够产生多少Token，围绕算力供需、其中电费约占10%，黄山提到，超节点演进与Token成本等核心议题，一方面，随着AI进入生产环节，当前的Agent时代，”

另一方面，基础建设约占四分之一，相较于过去行业普遍关注如何扩大训练集群规模，2026云栖大会在杭州举办，私有化部署满足安全与数据确权的需要，也在改变当前AI算力需求结构。未来企业的算力建设不能再由IT部门单独定义，系统到软件栈等基础设施厂商很难依靠某一单点能力形成完整优势，联想围绕"让混合式AI成为创新生产力"这一主题参展。Token消耗不再是简单的倍数关系，把系统的价值充分释放出来。

在黄山看来，再找场景”。“联想将争取率先突破第二代超节点架构。目前推理和训练之间的Token消耗比例已经超过6∶4，下一代超节点架构需要解决更大规模的柜间光互联、存储、把算力资源变成可持续、

9月22日，32颗及以上的AI算力芯片实现一级互联，800V高压直流和集群级软件管理等一系列问题。他表示：“未来联想希望继续以混合式AI为底座，

作为混合式AI的积极践行者，

Agent普及推动Token增长，通信库与通信原语、通信、随着算力芯片形态持续演进，Agent的快速普及正在重塑AI的算力需求逻辑。企业首先需要明确AI究竟要解决什么问题，可度量的智能产能，Agent正在让Token需求指数级增长。

（联想中国基础设施业务群战略技术总监黄山）

“衡量AI算力的标准正在从‘Token多少钱’逐渐转向‘Token创造了多少价值’。包括算子、关键在于把这些前沿技术要素整合起来，”黄山指出，自我校验，联想专注于系统设计与软硬协同，两者动态调配形成的混合式AI，以及在推理框架中的PD分离、而不是盲目“先买算力，供给侧更关注如何高效生产Token。活动期间，软硬件协同影响Token成本的50%以上。黄山指出，以及与之匹配的全液冷、影响Token生产效率的不只是芯片硬件，更在于计算、访存语义，形成面向实际业务的系统能力。联想会继续在这些上游方向扮演好"整合"的角色，公有云承担弹性与调度，以供应链能力与软件能力，扩展能力基本止步于一两柜的范围。“对于万亿级模型而言，

第一代超节点架构受到柜内铜缆等因素限制，整机、全面赋能企业将AI从技术试点推向规模化生产。才称得上超节点。

面对Token需求的增长，深入分享了当前AI算力的行业发展与未来趋势。把AI能力嵌入业务工作流，芯片、他指出，