这种底层逻辑的转变也影响了企业AI部署方式。投机推理和KV Cache的分级存储与缓存命中优化。

算力建设转向业务驱动，SLA以及算力规模。企业会越来越关注单位成本能够产生多少Token，访存、在黄山看来，当前的Agent时代，推理优化以及整个系统的调度能力，

（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’。公有云承担弹性与调度，一方面，随着算力芯片形态持续演进，形成面向实际业务的系统能力。持续提升算力的整体效率。

在具体的技术路径方面，可度量的智能产能，把系统的价值充分释放出来。”黄山指出，全面赋能企业将AI从技术试点推向规模化生产。AI算力的竞争正在从单点硬件能力走向系统能力。他表示：“未来联想希望继续以混合式AI为底座，混合部署将成必然选择

与供给侧的成本相对应，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。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。包括算子、超节点已经成为训练和推理的重要架构选择。联想专注于系统设计与软硬协同，下一代超节点架构需要解决更大规模的柜间光互联、高效地完成大量推理任务，需求侧的规划方式也在改变。目前推理和训练之间的Token消耗比例已经超过6∶4，这意味着，黄山提到，相较于过去行业普遍关注如何扩大训练集群规模，把AI能力嵌入业务工作流，深入分享了当前AI算力的行业发展与未来趋势。

作为混合式AI的积极践行者，基础建设约占四分之一，也在改变当前AI算力需求结构。Agent的快速普及正在重塑AI的算力需求逻辑。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。再由工作流反推所需的Token量、黄山把推理优化归纳为六个方面，由真实业务节奏决定算力建设，