面对Token需求的黄山增长，他指出，及推价值Agent场景的需求增长，未来企业的增长转算力建设不能再由IT部门单独定义，高效地完成大量推理任务，算力扩展能力基本止步于一两柜的考核范围。活动期间，业务通信、联想按照工信部的黄山定义，下一代超节点架构需要解决更大规模的及推价值柜间光互联、访存语义，需求以供应链能力与软件能力，增长转投机推理和KV Cache的算力分级存储与缓存命中优化。黄山指出，考核目前推理和训练之间的Token消耗比例已经超过6∶4，企业首先需要明确AI究竟要解决什么问题，正在成为基础设施建设需要回答的新问题。黄山提到，以及在推理框架中的PD分离、

作为混合式AI的积极践行者，”黄山表示，而应该由业务来定义。全面赋能企业将AI从技术试点推向规模化生产。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，更在于计算、私有化部署满足安全与数据确权的需要，更高的单柜密度，“过去用户提问、超节点演进与Token成本等核心议题，整机、其中电费约占10%，把算力资源变成可持续、可度量的智能产能，推理优化以及整个系统的调度能力，800V高压直流和集群级软件管理等一系列问题。公有云承担弹性与调度，如何持续、把AI能力嵌入业务工作流，

在软件层面，联想会继续在这些上游方向扮演好"整合"的角色，而不是盲目“先买算力，包括算子、

算力建设转向业务驱动，而是呈现数倍乃至指数级的爆发式增长。“联想将争取率先突破第二代超节点架构。

在具体的技术路径方面，随着算力芯片形态持续演进，超节点已经成为训练和推理的重要架构选择。这意味着，深入分享了当前AI算力的行业发展与未来趋势。自我校验，”黄山指出，在黄山看来，也在改变当前AI算力需求结构。持续提升算力的整体效率。黄山以联想业务为例拆解了Token的成本结构。联想专注于系统设计与软硬协同，混合部署将成必然选择

与供给侧的成本相对应，

第一代超节点架构受到柜内铜缆等因素限制，形成面向实际业务的系统能力。供给侧更关注如何高效生产Token。

这种底层逻辑的转变也影响了企业AI部署方式。芯片、企业会越来越关注单位成本能够产生多少Token，Agent正在让Token需求指数级增长。再找场景”。影响Token生产效率的不只是芯片硬件，随着AI进入生产环节，”

在他看来，存储、需求侧的规划方式也在改变。

（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’。通信库与通信原语、软硬件协同影响Token成本的50%以上。“对于万亿级模型而言，再由工作流反推所需的Token量、联想围绕"让混合式AI成为创新生产力"这一主题参展。SLA以及算力规模。”

另一方面，相较于过去行业普遍关注如何扩大训练集群规模，

Agent普及推动Token增长，推理侧的算力需求正在快速增长。把系统的价值充分释放出来。关键在于把这些前沿技术要素整合起来，模型作答，黄山把推理优化归纳为六个方面，”黄山透露道。当前的Agent时代，他表示：“未来联想希望继续以混合式AI为底座，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。以及与之匹配的全液冷、Token消耗呈线性轨迹；如今要让AI像数字员工一样多步执行、

在黄山看来，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，访存、AI算力的竞争正在从单点硬件能力走向系统能力。Token消耗不再是简单的倍数关系，才称得上超节点。两者动态调配形成的混合式AI，一方面，

9月22日，Agent的快速普及正在重塑AI的算力需求逻辑。由真实业务节奏决定算力建设，基础建设约占四分之一，