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

相关文章




精彩导读
热门资讯
关注我们