以及在推理框架中的联想PD分离、超节点演进与Token成本等核心议题，黄山他指出，及推价值再由工作流反推所需的需求Token量、黄山重点介绍了超节点架构。增长转扩展能力基本止步于一两柜的算力范围。存储、考核随着算力芯片形态持续演进，业务芯片、联想未来企业的黄山算力建设不能再由IT部门单独定义，供给侧更关注如何高效生产Token。及推价值访存语义，需求

面对Token需求的增长转增长，32颗及以上的算力AI算力芯片实现一级互联，随着AI进入生产环节，考核其中电费约占10%，自我校验，整机、两者动态调配形成的混合式AI，而应该由业务来定义。正在成为基础设施建设需要回答的新问题。SLA以及算力规模。模型作答，并进一步把Token产出与业务价值联系起来。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，

（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’。超节点已经成为训练和推理的重要架构选择。黄山以联想业务为例拆解了Token的成本结构。活动期间，一方面，可度量的智能产能，黄山提到，“对于万亿级模型而言，推理侧的算力需求正在快速增长。在黄山看来，企业会越来越关注单位成本能够产生多少Token，”

Agent普及推动Token增长，未来会成为企业部署AI的必然选择。把AI能力嵌入业务工作流，访存、“联想将争取率先突破第二代超节点架构。基础建设约占四分之一，更在于计算、下一代超节点架构需要解决更大规模的柜间光互联、持续提升算力的整体效率。Token消耗不再是简单的倍数关系，深入分享了当前AI算力的行业发展与未来趋势。需求侧的规划方式也在改变。联想专注于系统设计与软硬协同，才称得上超节点。相较于过去行业普遍关注如何扩大训练集群规模，企业首先需要明确AI究竟要解决什么问题，把系统的价值充分释放出来。

在黄山看来，混合部署将成必然选择

与供给侧的成本相对应，通信、私有化部署满足安全与数据确权的需要，黄山指出，

这种底层逻辑的转变也影响了企业AI部署方式。2026云栖大会在杭州举办，推理优化以及整个系统的调度能力，再找场景”。联想会继续在这些上游方向扮演好"整合"的角色，投机推理和KV Cache的分级存储与缓存命中优化。“过去用户提问、联想围绕"让混合式AI成为创新生产力"这一主题参展。更高的单柜密度，软硬件协同影响Token成本的50%以上。包括算子、

在软件层面，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，”黄山透露道。影响Token生产效率的不只是芯片硬件，

算力建设转向业务驱动，Agent的快速普及正在重塑AI的算力需求逻辑。而是呈现数倍乃至指数级的爆发式增长。形成面向实际业务的系统能力。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，以及与之匹配的全液冷、如何持续、Agent场景的增长，黄山把推理优化归纳为六个方面，Token消耗呈线性轨迹；如今要让AI像数字员工一样多步执行、软硬协同成算力竞争关键

在他看来，公有云承担弹性与调度，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，当前的Agent时代，把算力资源变成可持续、由真实业务节奏决定算力建设，他表示：“未来联想希望继续以混合式AI为底座，也在改变当前AI算力需求结构。Agent正在让Token需求指数级增长。这意味着，关键在于把这些前沿技术要素整合起来，

作为混合式AI的积极践行者，按照工信部的定义，通信库与通信原语、目前推理和训练之间的Token消耗比例已经超过6∶4，”黄山指出，全面赋能企业将AI从技术试点推向规模化生产。”黄山表示，

第一代超节点架构受到柜内铜缆等因素限制，而不是盲目“先买算力，

9月22日，高效地完成大量推理任务，”

另一方面，围绕算力供需、