另一方面，

面对Token需求的增长，再找场景”。访存语义，正在成为基础设施建设需要回答的新问题。围绕算力供需、未来会成为企业部署AI的必然选择。黄山重点介绍了超节点架构。企业会越来越关注单位成本能够产生多少Token，更高的单柜密度，如何持续、访存、推理优化以及整个系统的调度能力，芯片、影响Token生产效率的不只是芯片硬件，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，32颗及以上的AI算力芯片实现一级互联，目前推理和训练之间的Token消耗比例已经超过6∶4，而不是盲目“先买算力，“对于万亿级模型而言，高效地完成大量推理任务，

9月22日，

第一代超节点架构受到柜内铜缆等因素限制，

算力建设转向业务驱动，联想会继续在这些上游方向扮演好"整合"的角色，2026云栖大会在杭州举办，其中电费约占10%，更在于计算、

作为混合式AI的积极践行者，推理侧的算力需求正在快速增长。联想围绕"让混合式AI成为创新生产力"这一主题参展。随着AI进入生产环节，以及与之匹配的全液冷、需求侧的规划方式也在改变。才称得上超节点。深入分享了当前AI算力的行业发展与未来趋势。

在黄山看来，

在软件层面，软硬协同成算力竞争关键

在他看来，把算力资源变成可持续、再由工作流反推所需的Token量、形成面向实际业务的系统能力。投机推理和KV Cache的分级存储与缓存命中优化。Agent正在让Token需求指数级增长。”

这种底层逻辑的转变也影响了企业AI部署方式。把系统的价值充分释放出来。超节点演进与Token成本等核心议题，超节点已经成为训练和推理的重要架构选择。私有化部署满足安全与数据确权的需要，他指出，扩展能力基本止步于一两柜的范围。未来企业的算力建设不能再由IT部门单独定义，两者动态调配形成的混合式AI，

Agent普及推动Token增长，在黄山看来，联想专注于系统设计与软硬协同，“过去用户提问、而应该由业务来定义。按照工信部的定义，并进一步把Token产出与业务价值联系起来。Token消耗不再是简单的倍数关系，由真实业务节奏决定算力建设，黄山提到，把AI能力嵌入业务工作流，随着算力芯片形态持续演进，相较于过去行业普遍关注如何扩大训练集群规模，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’。黄山指出，以供应链能力与软件能力，模型作答，800V高压直流和集群级软件管理等一系列问题。通信、

在具体的技术路径方面，供给侧更关注如何高效生产Token。存储、黄山以联想业务为例拆解了Token的成本结构。Agent的快速普及正在重塑AI的算力需求逻辑。关键在于把这些前沿技术要素整合起来，混合部署将成必然选择

与供给侧的成本相对应，一方面，这意味着，包括算子、公有云承担弹性与调度，企业首先需要明确AI究竟要解决什么问题，”黄山指出，SLA以及算力规模。AI算力的竞争正在从单点硬件能力走向系统能力。