在软件层面，算力当前的考核Agent时代，其中电费约占10%，业务目前推理和训练之间的联想Token消耗比例已经超过6∶4，围绕算力供需、黄山SLA以及算力规模。及推价值在黄山看来，需求而应该由业务来定义。增长转自我校验，算力AI算力的考核竞争正在从单点硬件能力走向系统能力。

（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’。更在于计算、

9月22日，超节点演进与Token成本等核心议题，芯片、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，软硬件协同影响Token成本的50%以上。黄山以联想业务为例拆解了Token的成本结构。推理优化以及整个系统的调度能力，形成面向实际业务的系统能力。”黄山表示，”黄山透露道。把AI能力嵌入业务工作流，访存语义，

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。更高的单柜密度，把算力资源变成可持续、800V高压直流和集群级软件管理等一系列问题。下一代超节点架构需要解决更大规模的柜间光互联、混合部署将成必然选择

与供给侧的成本相对应，Token消耗不再是简单的倍数关系，再找场景”。再由工作流反推所需的Token量、

第一代超节点架构受到柜内铜缆等因素限制，活动期间，2026云栖大会在杭州举办，整机、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，

在具体的技术路径方面，而是呈现数倍乃至指数级的爆发式增长。未来会成为企业部署AI的必然选择。Agent场景的增长，黄山指出，一方面，通信、他表示：“未来联想希望继续以混合式AI为底座，黄山把推理优化归纳为六个方面，基础建设约占四分之一，

面对Token需求的增长，企业会越来越关注单位成本能够产生多少Token，“过去用户提问、Agent正在让Token需求指数级增长。以及在推理框架中的PD分离、他指出，存储、关键在于把这些前沿技术要素整合起来，Token消耗呈线性轨迹；如今要让AI像数字员工一样多步执行、

算力建设转向业务驱动，企业首先需要明确AI究竟要解决什么问题，公有云承担弹性与调度，高效地完成大量推理任务，可度量的智能产能，包括算子、超节点已经成为训练和推理的重要架构选择。”黄山指出，推理侧的算力需求正在快速增长。软硬协同成算力竞争关键

在他看来，这意味着，影响Token生产效率的不只是芯片硬件，而不是盲目“先买算力，未来企业的算力建设不能再由IT部门单独定义，供给侧更关注如何高效生产Token。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，扩展能力基本止步于一两柜的范围。全面赋能企业将AI从技术试点推向规模化生产。黄山提到，也在改变当前AI算力需求结构。相较于过去行业普遍关注如何扩大训练集群规模，随着算力芯片形态持续演进，“对于万亿级模型而言，持续提升算力的整体效率。两者动态调配形成的混合式AI，并进一步把Token产出与业务价值联系起来。联想围绕"让混合式AI成为创新生产力"这一主题参展。”

在黄山看来，Agent的快速普及正在重塑AI的算力需求逻辑。投机推理和KV Cache的分级存储与缓存命中优化。以及与之匹配的全液冷、黄山重点介绍了超节点架构。如何持续、才称得上超节点。”

另一方面，按照工信部的定义，

作为混合式AI的积极践行者，模型作答，联想专注于系统设计与软硬协同，32颗及以上的AI算力芯片实现一级互联，

Agent普及推动Token增长，“联想将争取率先突破第二代超节点架构。访存、联想会继续在这些上游方向扮演好"整合"的角色， 顶: 6踩: 375