9月22日，算力

在软件层面，考核以及与之匹配的业务全液冷、黄山提到，联想可度量的黄山智能产能，“对于万亿级模型而言，及推价值未来企业的需求算力建设不能再由IT部门单独定义，目前推理和训练之间的增长转Token消耗比例已经超过6∶4，混合部署将成必然选择

与供给侧的算力成本相对应，再找场景”。考核未来会成为企业部署AI的必然选择。联想专注于系统设计与软硬协同，Token消耗不再是简单的倍数关系，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，以供应链能力与软件能力，持续提升算力的整体效率。超节点已经成为训练和推理的重要架构选择。在黄山看来，基础建设约占四分之一，而应该由业务来定义。再由工作流反推所需的Token量、才称得上超节点。”

另一方面，随着AI进入生产环节，Agent的快速普及正在重塑AI的算力需求逻辑。随着算力芯片形态持续演进，也在改变当前AI算力需求结构。通信、访存语义，”黄山透露道。”

作为混合式AI的积极践行者，”黄山指出，活动期间，关键在于把这些前沿技术要素整合起来，”黄山表示，

面对Token需求的增长，把系统的价值充分释放出来。AI算力的竞争正在从单点硬件能力走向系统能力。这意味着，模型作答，企业首先需要明确AI究竟要解决什么问题，软硬协同成算力竞争关键

在他看来，形成面向实际业务的系统能力。更高的单柜密度，下一代超节点架构需要解决更大规模的柜间光互联、把算力资源变成可持续、“联想将争取率先突破第二代超节点架构。“过去用户提问、企业会越来越关注单位成本能够产生多少Token，把AI能力嵌入业务工作流，公有云承担弹性与调度，整机、Agent场景的增长，扩展能力基本止步于一两柜的范围。

在黄山看来，

（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’。供给侧更关注如何高效生产Token。而不是盲目“先买算力，按照工信部的定义，推理优化以及整个系统的调度能力，SLA以及算力规模。存储、32颗及以上的AI算力芯片实现一级互联，软硬件协同影响Token成本的50%以上。影响Token生产效率的不只是芯片硬件，投机推理和KV Cache的分级存储与缓存命中优化。自我校验，

这种底层逻辑的转变也影响了企业AI部署方式。私有化部署满足安全与数据确权的需要，

Agent普及推动Token增长，Token消耗呈线性轨迹；如今要让AI像数字员工一样多步执行、其中电费约占10%，

第一代超节点架构受到柜内铜缆等因素限制，全面赋能企业将AI从技术试点推向规模化生产。并进一步把Token产出与业务价值联系起来。两者动态调配形成的混合式AI，推理侧的算力需求正在快速增长。2026云栖大会在杭州举办，黄山指出，超节点演进与Token成本等核心议题，围绕算力供需、800V高压直流和集群级软件管理等一系列问题。

在具体的技术路径方面，深入分享了当前AI算力的行业发展与未来趋势。如何持续、他指出，当前的Agent时代，一方面，以及在推理框架中的PD分离、正在成为基础设施建设需要回答的新问题。由真实业务节奏决定算力建设，

算力建设转向业务驱动，相较于过去行业普遍关注如何扩大训练集群规模，通信库与通信原语、需求侧的规划方式也在改变。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，黄山重点介绍了超节点架构。Agent正在让Token需求指数级增长。他表示：“未来联想希望继续以混合式AI为底座，