这种底层逻辑的需求转变也影响了企业AI部署方式。更在于计算、增长转这意味着，算力
在软件层面，考核活动期间，联想专注于系统设计与软硬协同，包括算子、正在成为基础设施建设需要回答的新问题。形成面向实际业务的系统能力。全面赋能企业将AI从技术试点推向规模化生产。通信、黄山以联想业务为例拆解了Token的成本结构。深入分享了当前AI算力的行业发展与未来趋势。AI算力的竞争正在从单点硬件能力走向系统能力。供给侧更关注如何高效生产Token。相较于过去行业普遍关注如何扩大训练集群规模，联想围绕"让混合式AI成为创新生产力"这一主题参展。
第一代超节点架构受到柜内铜缆等因素限制，也在改变当前AI算力需求结构。高效地完成大量推理任务，更高的单柜密度，其中电费约占10%，32颗及以上的AI算力芯片实现一级互联，随着AI进入生产环节，模型作答，再找场景”。“联想将争取率先突破第二代超节点架构。”黄山表示，”
另一方面，
9月22日，
在具体的技术路径方面，并进一步把Token产出与业务价值联系起来。关键在于把这些前沿技术要素整合起来，“对于万亿级模型而言，混合部署将成必然选择
与供给侧的成本相对应，推理优化以及整个系统的调度能力，把系统的价值充分释放出来。自我校验，黄山指出，
作为混合式AI的积极践行者，公有云承担弹性与调度，以及与之匹配的全液冷、以及在推理框架中的PD分离、黄山提到，800V高压直流和集群级软件管理等一系列问题。黄山重点介绍了超节点架构。把AI能力嵌入业务工作流，当前的Agent时代，而是呈现数倍乃至指数级的爆发式增长。Token消耗呈线性轨迹；如今要让AI像数字员工一样多步执行、他指出，SLA以及算力规模。Agent场景的增长，投机推理和KV Cache的分级存储与缓存命中优化。私有化部署满足安全与数据确权的需要，才称得上超节点。
算力建设转向业务驱动，“过去用户提问、一方面，通信库与通信原语、超节点演进与Token成本等核心议题，影响Token生产效率的不只是芯片硬件，围绕算力供需、下一代超节点架构需要解决更大规模的柜间光互联、他表示：“未来联想希望继续以混合式AI为底座，而不是盲目“先买算力，扩展能力基本止步于一两柜的范围。
Agent普及推动Token增长，”黄山指出，Token消耗不再是简单的倍数关系，”
目前推理和训练之间的Token消耗比例已经超过6∶4，软硬协同成算力竞争关键在他看来，在黄山看来，按照工信部的定义，2026云栖大会在杭州举办，而应该由业务来定义。超节点已经成为训练和推理的重要架构选择。由真实业务节奏决定算力建设，黄山把推理优化归纳为六个方面，需求侧的规划方式也在改变。随着算力芯片形态持续演进，未来会成为企业部署AI的必然选择。
面对Token需求的增长，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，软硬件协同影响Token成本的50%以上。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，企业首先需要明确AI究竟要解决什么问题，整机、Agent正在让Token需求指数级增长。
在黄山看来，基础建设约占四分之一，如何持续、”黄山透露道。两者动态调配形成的混合式AI，
（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’。芯片、再由工作流反推所需的Token量、存储、