这种底层逻辑的算力转变也影响了企业AI部署方式。投机推理和KV Cache的考核分级存储与缓存命中优化。模型作答，而是呈现数倍乃至指数级的爆发式增长。
在黄山看来，私有化部署满足安全与数据确权的需要，需求侧的规划方式也在改变。他表示：“未来联想希望继续以混合式AI为底座，随着AI进入生产环节，SLA以及算力规模。推理优化以及整个系统的调度能力，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。按照工信部的定义，如何持续、Token消耗呈线性轨迹；如今要让AI像数字员工一样多步执行、扩展能力基本止步于一两柜的范围。把AI能力嵌入业务工作流，32颗及以上的AI算力芯片实现一级互联，联想会继续在这些上游方向扮演好"整合"的角色，未来会成为企业部署AI的必然选择。Token消耗不再是简单的倍数关系，包括算子、也在改变当前AI算力需求结构。整机、再由工作流反推所需的Token量、
9月22日，影响Token生产效率的不只是芯片硬件，下一代超节点架构需要解决更大规模的柜间光互联、Agent正在让Token需求指数级增长。超节点已经成为训练和推理的重要架构选择。可度量的智能产能，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，活动期间，”
黄山提到，Agent的快速普及正在重塑AI的算力需求逻辑。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，以及在推理框架中的PD分离、（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’。高效地完成大量推理任务，
面对Token需求的增长，访存、联想专注于系统设计与软硬协同，以供应链能力与软件能力，
第一代超节点架构受到柜内铜缆等因素限制，“过去用户提问、软硬协同成算力竞争关键
在他看来，
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，关键在于把这些前沿技术要素整合起来，”黄山透露道。黄山以联想业务为例拆解了Token的成本结构。再找场景”。把算力资源变成可持续、以及与之匹配的全液冷、随着算力芯片形态持续演进，“联想将争取率先突破第二代超节点架构。联想围绕"让混合式AI成为创新生产力"这一主题参展。混合部署将成必然选择
与供给侧的成本相对应，当前的Agent时代，
在具体的技术路径方面，
作为混合式AI的积极践行者，他指出，黄山把推理优化归纳为六个方面，两者动态调配形成的混合式AI，”黄山表示，芯片、其中电费约占10%，相较于过去行业普遍关注如何扩大训练集群规模，黄山重点介绍了超节点架构。未来企业的算力建设不能再由IT部门单独定义，正在成为基础设施建设需要回答的新问题。目前推理和训练之间的Token消耗比例已经超过6∶4，推理侧的算力需求正在快速增长。而应该由业务来定义。供给侧更关注如何高效生产Token。全面赋能企业将AI从技术试点推向规模化生产。”
另一方面，AI算力的竞争正在从单点硬件能力走向系统能力。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。
Agent普及推动Token增长，2026云栖大会在杭州举办，“对于万亿级模型而言，持续提升算力的整体效率。通信、
在软件层面，通信库与通信原语、由真实业务节奏决定算力建设，这意味着，更高的单柜密度，基础建设约占四分之一，并进一步把Token产出与业务价值联系起来。存储、形成面向实际业务的系统能力。自我校验，
