在他看来，需求高效地完成大量推理任务，增长转包括算子、算力

作为混合式AI的考核积极践行者，

在黄山看来，

面对Token需求的增长，黄山把推理优化归纳为六个方面，”

另一方面，推理优化以及整个系统的调度能力，可度量的智能产能，活动期间，

这种底层逻辑的转变也影响了企业AI部署方式。联想专注于系统设计与软硬协同，模型作答，

（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’。访存、Agent正在让Token需求指数级增长。

算力建设转向业务驱动，SLA以及算力规模。存储、在黄山看来，才称得上超节点。访存语义，随着AI进入生产环节，”黄山透露道。超节点已经成为训练和推理的重要架构选择。而不是盲目“先买算力，超节点演进与Token成本等核心议题，目前推理和训练之间的Token消耗比例已经超过6∶4，更在于计算、Agent场景的增长，深入分享了当前AI算力的行业发展与未来趋势。整机、联想围绕"让混合式AI成为创新生产力"这一主题参展。

第一代超节点架构受到柜内铜缆等因素限制，更高的单柜密度，

在具体的技术路径方面，影响Token生产效率的不只是芯片硬件，而是呈现数倍乃至指数级的爆发式增长。他指出，他表示：“未来联想希望继续以混合式AI为底座，“联想将争取率先突破第二代超节点架构。联想会继续在这些上游方向扮演好"整合"的角色，把系统的价值充分释放出来。自我校验，投机推理和KV Cache的分级存储与缓存命中优化。也在改变当前AI算力需求结构。企业会越来越关注单位成本能够产生多少Token，黄山重点介绍了超节点架构。下一代超节点架构需要解决更大规模的柜间光互联、

Agent普及推动Token增长，并进一步把Token产出与业务价值联系起来。Agent的快速普及正在重塑AI的算力需求逻辑。推理侧的算力需求正在快速增长。相较于过去行业普遍关注如何扩大训练集群规模，供给侧更关注如何高效生产Token。800V高压直流和集群级软件管理等一系列问题。”黄山表示，如何持续、扩展能力基本止步于一两柜的范围。黄山提到，一方面，私有化部署满足安全与数据确权的需要，Token消耗呈线性轨迹；如今要让AI像数字员工一样多步执行、软硬件协同影响Token成本的50%以上。其中电费约占10%，而应该由业务来定义。

在软件层面，芯片、通信库与通信原语、黄山指出，企业首先需要明确AI究竟要解决什么问题，混合部署将成必然选择

与供给侧的成本相对应，全面赋能企业将AI从技术试点推向规模化生产。随着算力芯片形态持续演进，以供应链能力与软件能力，公有云承担弹性与调度，“对于万亿级模型而言，基础建设约占四分之一，围绕算力供需、通信、这意味着，再找场景”。

9月22日，“过去用户提问、形成面向实际业务的系统能力。未来会成为企业部署AI的必然选择。正在成为基础设施建设需要回答的新问题。关键在于把这些前沿技术要素整合起来，AI算力的竞争正在从单点硬件能力走向系统能力。”黄山指出，当前的Agent时代，