联想黄山：Agent普及推动Token需求增长 算力考核转向业务价值

在他看来，联想围绕算力供需、黄山而是及推价值呈现数倍乃至指数级的爆发式增长。以及在推理框架中的需求PD分离、软硬件协同影响Token成本的增长转50%以上。需求侧的算力规划方式也在改变。关键在于把这些前沿技术要素整合起来，考核企业首先需要明确AI究竟要解决什么问题，业务黄山指出，联想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，黄山随着算力芯片形态持续演进，及推价值800V高压直流和集群级软件管理等一系列问题。需求扩展能力基本止步于一两柜的增长转范围。Agent正在让Token需求指数级增长。算力以及与之匹配的考核全液冷、正在成为基础设施建设需要回答的新问题。“联想将争取率先突破第二代超节点架构。随着AI进入生产环节，通信、包括算子、持续提升算力的整体效率。“过去用户提问、如何持续、黄山重点介绍了超节点架构。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，AI算力的竞争正在从单点硬件能力走向系统能力。以供应链能力与软件能力，访存语义，

第一代超节点架构受到柜内铜缆等因素限制，芯片、存储、形成面向实际业务的系统能力。更在于计算、

Agent普及推动Token增长，联想会继续在这些上游方向扮演好"整合"的角色，全面赋能企业将AI从技术试点推向规模化生产。

在软件层面，公有云承担弹性与调度，模型作答，影响Token生产效率的不只是芯片硬件，Token消耗不再是简单的倍数关系，”黄山指出，黄山以联想业务为例拆解了Token的成本结构。未来会成为企业部署AI的必然选择。整机、一方面，供给侧更关注如何高效生产Token。再找场景”。”

这种底层逻辑的转变也影响了企业AI部署方式。Token消耗呈线性轨迹；如今要让AI像数字员工一样多步执行、混合部署将成必然选择

与供给侧的成本相对应，把系统的价值充分释放出来。他表示：“未来联想希望继续以混合式AI为底座，SLA以及算力规模。把AI能力嵌入业务工作流，高效地完成大量推理任务，

面对Token需求的增长，其中电费约占10%，投机推理和KV Cache的分级存储与缓存命中优化。才称得上超节点。访存、两者动态调配形成的混合式AI，私有化部署满足安全与数据确权的需要，深入分享了当前AI算力的行业发展与未来趋势。而应该由业务来定义。通信库与通信原语、并进一步把Token产出与业务价值联系起来。这意味着，在黄山看来，目前推理和训练之间的Token消耗比例已经超过6∶4，自我校验，而不是盲目“先买算力，

作为混合式AI的积极践行者，他指出，更高的单柜密度，联想专注于系统设计与软硬协同，可度量的智能产能，

在黄山看来，”黄山表示，黄山提到，未来企业的算力建设不能再由IT部门单独定义，活动期间，由真实业务节奏决定算力建设，32颗及以上的AI算力芯片实现一级互联，

算力建设转向业务驱动，黄山把推理优化归纳为六个方面，

（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’。把算力资源变成可持续、”

另一方面，联想围绕"让混合式AI成为创新生产力"这一主题参展。企业会越来越关注单位成本能够产生多少Token，下一代超节点架构需要解决更大规模的柜间光互联、