毫无疑问，AI应用的全面爆发正以前所未有的力量推动算力需求呈指数级增长。在这一浪潮中，智算中心作为算力供给的核心载体，已成为驱动数字经济发展的“核心引擎”，承载着产业智能化转型的厚望。

但繁荣之下也面临着全新的挑战，企业盲目投入算力导致“有算力、无能力”的困境，而模型碎片化、数据孤岛等问题又阻碍AI规模化落地。换句话说，未来若仅依靠扩张“算力规模”，已无法支撑产业向高质量发展的真正跃迁。

在此背景下，联想在日前举办的“异构智算 本地引擎”2025联想异构智算产业联盟高峰论坛暨AI算力基础设施新品发布会上，正式推出了“AI工厂”解决方案，该方案致力于构建一套可管理、可复制且支持持续运营的标准化体系，重塑AI应用的开发与部署流程，从而将原本复杂、孤立的AI开发工作，转变为一条标准、高效的现代化“AI生产线”。

目前，“AI工厂”的价值已在行业实践中得到有力印证。以“AI+医疗”领域的先行者——循上医疗为例，其已在辅助诊断、病历管理等关键场景实现AI智能体的规模化落地，依托领先的智算技术，循上医疗不仅构建了覆盖诊疗至管理的全流程智能化体系，更成为行业公认的AI医院标杆，持续引领医疗数智化转型的新范式。

在这一成就的背后，联想“AI工厂”解决方案发挥了关键支撑作用，它将循上医疗在多个场景中的AI开发需求，纳入统一的标准化生产流程，显著提升AI落地的效率性与可控性。

联想集团副总裁、中国区基础设施业务群总经理陈振宽

正如联想集团副总裁、中国区基础设施业务群总经理陈振宽所言：“从快速爆发、理性选择，再到重新崛起，我们共同经历了生成式AI带来的技术突破；此刻，我们正在见证AI以更自主、更智能的方式成为真正的智能应用专家。面对本地独特的发展现状，多元异构的算力供给、芯模生态的高度协同以及模型应用的彼此强化，都在成为构筑中国独特AI生态的核心力量。”

基于这一判断，联想打造“AI工厂”的初衷，正是为了将这种系统性能力转化为可交付的产业价值，它的推出不仅代表着一条构建集约高效、普惠开放的AI生产能力的现实路径，能够快速助力企业实现降本增效，更在于为“人工智能+”时代系统化构建了一个可复制、可运营、可持续进化的数智化底座，通过将多元算力与智能技术有机融合，这一体系将转化为千行百业触手可及的生产力，在支撑产业智能化向更深、更广实践的同时，也必将引领行业穿越AI发展的新周期。

01.

开启新范式，

树立智慧医疗新标杆

当前，人工智能与医疗健康的融合日益深化，在政策推动下行业正加速向数字化、智能化转型升级。然而，不少医疗机构在转型过程中仍面临诸多挑战，如系统数据割裂、手工操作流程繁琐、传统服务模式难以满足患者日益增长的个性化需求等。

在此形势下，作为全国高端私立医疗机构的标杆，循上医疗与联想携手，超越了单点工具化的AI应用，共同探索出一条以“AI工厂”为底座、以数据驱动为核心的系统性转型路径，为整个医疗行业提供了从理念到实践的完整范本。

据循上医疗·医学院校长、数字化智慧医疗中心负责人李景宇介绍，循上医疗聚焦于长寿医学、慢病逆转、肿瘤防治、疑难重症与跨境救援五大核心领域，其本质是以健康管理和生命质量提升为目标，这种“以人为中心”的模式，要求对患者有更全面、连续和深入的了解，而打通数据是第一步。

为此，联想为循上医疗打造了以“AI大模型+RPA+集成平台”为核心的智慧医疗解决方案，通过构建企业级集成平台与临床数据中心（CDR），将分散在HIS、财务、订单等数十个系统内的数据进行汇聚、治理与标准化，形成统一的“患者360度全息视图”，与普通平台不同，该视图特别将检验指标的历史曲线与医嘱时间轴叠加，使医生能清晰看到某项医疗干预如何影响患者指标变化，为诊疗决策提供了直观依据。

基于坚实的数据底座，AI能力被深度植入循上医疗诊疗的全流程，实现从辅助到赋能的跨越。例如，面向患者，“AI医生”、“AI护士”可以提供智能导诊、报告解读与健康咨询；面向医生，“AI医嘱助手”能实时转录医患对话、结构化生成病历并辅助诊断；面向运营，“RPA机器人”实现了跨系统自动对账等重复性工作；面对管理人员，提供决策服务的“ChatBI”可以支持对话式数据查询分析。这些应用显著提升了问诊效率、患者体验与内部运营管理精细化水平。

这些丰富场景的智能化，并非孤立应用的简单堆砌，其背后正是“AI工厂”在提供稳定、高效和可持续的“生产”支持。事实上，智慧医疗的落地，不仅在于场景创新，更依赖于一个强大、可持续的底层算力引擎。

对此，联想中国基础设施业务群战略管理总监黄山指出，联想“AI工厂”解决方案正是这一引擎的核心，其差异化价值主要体现在三个方面，具体来说：

一是，降本增效，驱动模型敏捷迭代。联想AI工厂的核心优势在于其“大脑”——万全异构智算平台，它通过对算力资源的精细调度与优化，能让同样硬件发挥出倍增的效能。据了解，该方案可将大模型推理的Token成本降低至市场水平的1/5到1/10，并将模型训练效率提升2-5倍，这使得循上医疗能够低成本、高效率地对模型进行持续优化，实现从“一次交付”到“持续进化”的模式转变。

二是，有效破解数据安全与隐私难题。除了严格的本地化部署和数据脱敏，双方也正探索更前沿的隐私计算技术。例如，“机密计算”通过硬件加密实现数据“可用不可见”；“云边端协同计算”则允许在用户端进行初步推理，仅将模型参数传回云端训练，原始隐私数据永不离开本地。这为未来开展个性化极强的服务扫清了安全障碍。

三是，应对数据稀缺挑战。面对医疗领域数据标注成本高、专业样本少的难题，联想还在方案引入自激励的强化学习框架，使系统能够在与实际业务流程的持续互动中不断自我优化，从而有效缓解数据稀缺场景下的模型训练难题。同时，借助AI中台与模型全生命周期管理工具，该方案支持对私有化部署的大模型进行持续迭代和针对性训练，确保AI能力始终与临床实践同步进化。

黄山认为，医疗行业拥抱AI的关键，不仅在于技术应用的广度与深度，更在于能否建立一套“高效、经济、安全、可持续”的AI支撑体系。“联想要做的，正是通过一体化的AI工厂，帮助医院屏蔽底层硬件与框架的复杂性，使其能专注于医疗专业本身，让优质医疗资源能更高效、更平等地服务更多人群。”

可以预期的是，随着AI与医疗场景深度融合，循上医疗与联想的合作实践，将为整个行业提供从数据治理到智能应用、从单点赋能到系统进化的完整范本。这一探索不仅推动医疗机构向精细化、智能化管理转型，更为“健康中国”战略的落地，树立一条以科技赋能生命健康的可行路径。

02.

定义新标准，

开启产业智能化新征程

客观地说，循上医疗开启智慧医疗新范式的背后，正是联想“AI工厂”从技术理念走向产业实践，成功开启产业智能化新征程的最佳范例。

可以看到，近年来，我国算力基础设施呈爆发式增长。据中国信通院数据，过去五年国内通用数据中心、智算中心部署年均增速近30%，预计未来三年算力规模年均增速将达45%，算力需求持续强劲。但与此同时，算力规模扩张并未完全转化为产业效能，当前AI产业发展仍面临两大挑战：

一方面，算力资源配置失衡。 不少企业仍停留在“重硬件投入、轻应用协同”的模式，导致算力“闲置”与“紧缺”并存，不仅推高成本，也阻碍了AI技术的规模化普及。

另一方面，AI应用创新碎片化。 大量企业困于“项目制”试点，模型开发、数据治理与应用部署之间缺乏协同，难以形成持续迭代的闭环，限制了AI价值的规模化释放。

因此，在技术迭代、政策引导与产业周期的共同推动下，整个AI产业如今站在关键的十字路口——是继续追求单纯的“算力规模扩张”，还是转向构建系统化的“AI生产能力”？答案显而易见，这也正是联想“AI工厂”解决方案，作为新型基础设施范式“应运而生”的根本所在。

据了解，联想的“AI工厂”解决方案，借鉴了传统工业的“工厂”理念，以流程化、模块化的方式重塑AI生产，其从明确场景需求起步，将客户数据视作“原材料”，经由开发平台与训练引擎的深度加工处理，最终产出可交付的智能体、垂域模型、推理服务等一系列成熟“产品”。

联想之所以能率先落地该方案，源于在基础设施领域数十年的全球积累与对中国市场的深耕，已形成从基础设施到方案服务的全链条能力，覆盖咨询、数据治理、AI生产管理与智能体运维等关键环节，构建了支撑AI工厂从建设到运营的完整体系。

联想中国基础设施业务群战略管理总监黄山

黄山表示，当前市场上构建“AI工厂”的方式虽有不同路径，但目标一致——都是希望构建完整、高效、可持续的AI生态。

“无论是以GPU为核心，还是以基础设施集群作为中枢整合能力，最终都是为了完成从算力供给到生产力赋能的跨越。”他进一步指出，“联想‘AI工厂’正是在这一开放体系下构建的，我们通过覆盖咨询、数据治理、AI生产与运维的全链条能力，始终在关键环节保持竞争力，这不仅使联想能够快速推出‘AI工厂’解决方案，更让我们在更高维度开展业务，真正推动AI从资源投入转向可持续的价值输出。”

从这个角度来说，联想“AI工厂”不仅代表全新的技术方案，更标志着产业发展范式的转变——从追求单点技术突破，转向构建系统化生产能力；从零散的应用试点，转向规模化、持续化的价值输出。

更为重要的是，它也将为整个产业带来深远影响。其一，对企业而言，“AI工厂”系统整合算力资源与创新流程，提供清晰的降本增效路径，助力企业将AI高效融入核心业务，加速数智化转型；其二，对产业生态而言，集约高效、普惠开放的AI生产能力将成为创新沃土。标准化、模块化的AI生产体系将降低技术门槛，使更多企业共享AI技术红利；其三，对国家竞争力而言，通过“多元异构的算力供给、芯模生态的高度协同以及模型应用的彼此强化”，“AI工厂”将助力构筑具有中国特色的AI竞争力。

展望未来，随着AI工厂模式的成熟与推广，AI应用将实现从“项目制”试点向“流水线”生产的历史性跨越，这一转变将为“人工智能+”行动的规模化落地提供可复制、可运营的基础支撑，使AI技术像水电一样成为各行各业的基础能力，推动AI加速融入千行百业，成为驱动产业升级、经济增长和社会进步的核心力量。

03.

夯实新底座，

以软硬协同构筑AI工厂

当然，“AI工厂”的高效运转离不开可靠、高性能的底层基础设施作为坚实支撑。为此，联想通过“一横四纵”战略布局，坚持“AI导向”与“本地化”两大核心战略，并通过软硬件协同优化，着力构建服务于中国智能化转型的基础设施基石。

其中，作为“AI工厂”的算力核心，近期全新发布的联想问天WA8080a G5，搭载了英特尔®至强®6最新处理器，全面支持OAM 2.0 GPU标准，并创新性地融合风冷与液冷双模散热系统，这款产品的问世，不仅标志着国产AI服务器进入新的发展阶段，更以其前瞻性的架构设计，直指当前行业面临的GPU快速迭代与功耗激增的核心痛点。

联想中国基础设施业务群服务器事业部总经理周韬

联想中国基础设施业务群服务器事业部总经理周韬表示：“目前GPU技术的演进轨迹已远超以往CPU算力的发展节奏，过去一套基础架构往往可以稳定延续多代产品周期。而如今，技术迭代的速度大幅加快，很可能仅仅一年时间，原有架构就已无法适应新一代技术的发展需求。”

这种快速迭代所带来的不确定性给服务器研发带来了巨大压力。为解决这一行业性难题，联想通过创新的“1+3+N”服务器架构直面这一挑战。该架构以“1”为核心，即统一的基础平台，将机箱、供电、CPUBot、GPUBot等关键组件进行了解耦和标准化，并以模块化设计的方式，实现了灵活扩展与快速迭代，为应对技术的飞速演进提供了可持续的解决方案。

与此同时，这款高端AI服务器的机箱设计从上一代8U结构升级至10U，背后同样也是基于对技术趋势的预判。周韬指出：“上一代7880a采用的8U设计在当时已完全满足散热需求，但随着GPU技术的快速迭代，团队意识到必须为未来预留充足空间。”评估显示，10U机箱可支持单GPU功耗超过1000瓦，而目前行业主流产品仍以兼容五六百瓦GPU的7U、8U机型为主。因此，联想此次的设计不仅预留了充分的功耗冗余，更在机箱规格上领先行业，足以应对未来一至两代甚至更长时期内的GPU功耗增长。

不仅如此，在散热系统上，该服务器同样具备前瞻布局，兼容风冷与液冷双模方案。考虑到未来功耗持续上升必然走向液冷，而专门为此开发新机箱成本极高，联想也在现有设计中已预先做好衔接规划，确保未来可平滑过渡至液冷，兼顾了技术前瞻与成本效益。

可以说，通过模块化、前瞻性的设计，这款“核武级”的AI服务器将技术快速迭代带来的不确定性，转化为可管理、可扩展的技术路径，它不仅为“AI工厂”提供了长期稳定的算力基座，也为AI算力基础设施的高效演进与可持续发展，提供了具备行业参考价值的解决方案。

而联想万全异构智算平台4.0的发布，则是联想“软硬协同”战略在软件层面的关键落子。这一“旗舰级”平台承上启下，既能释放底层异构硬件的极致性能，并无缝支撑上层多样化的AI应用，是打通并激活整个“多元算力”生态的关键引擎。

从技术演进来看，联想万全异构智算平台1.0和2.0版本主要聚焦于预训练阶段的算力优化，受限于当时模型生态的不透明性，优化空间有限，效率提升约20-30%；而3.0版本实现了全新的突破，不但将DeepSeek等开源模型的先进优化方法成功应用于推理场景，同时在2024年底至2025年上半年还全面完成了国产GPU的适配和验证。

在此基础上全新推出的4.0版本，则紧密契合当前产业智能化转型趋势进行了深度优化，实现了四大技术场景的全新升级，成为大模型性能全场景优化的关键技术支撑。

首先，在大模型预训练场景，通过长序列并行优化，模型训练时间可缩短35%，为长文本应用提供了坚实的技术基础。

其次，在大模型后训练场景，通过计算引擎优化、小样本强化学习、训练自动并行等技术创新，实现了训练时间缩短50%的显著效果，这一突破主要得益于对开源模型训练方法的深度研究和再创新，将原本局限于训练场景的优化方法有效扩展到推理环节。

第三，在推理场景，针对RoCE网络在规模化部署中的痛点进行了重点优化。随着国内RoCE网络比例从2024年到2025年实现反超，万全4.0创新性地解决了四台机器以上RoCE网络带宽指数级下降的行业难题，实现了带宽利用率提升60%，通信原语性能提升30%，大模型推理性能提升30%的效果。

最后，在超智融合计算场景，万全4.0可支持国际和国内硬件生态，完成从底层架构到算子的全面优化，同时新增超16个制造业应用的作业模版和脚本，实现高效超智融合。

黄山特别强调了超智融合的重要性：“目前我们是国内唯二的，可以在一个平台里面去管理高性能计算集群和智算集群，一起来进行作业任务编排，进行资源在两种计算中调配。这不仅体现在资源调度上，更重要的是算法层面的融合——高性能计算中原有的一些计算任务，未来会转为采用智算方式进行迭代，最终将两者的计算结果进行深度整合。”

所谓“实践见真章”，联想万全异构智算平台4.0所展现的强大能力，目前已在众多算力场景中得到了有力验证，如在国家级高质量AI集群场景中，联想与东数西算第一大智算枢纽紧密合作，在千卡训练场景中将MFU（模型浮点利用率）从30%提升至60%，实现了算力效率的倍增；针对模型本地部署的企业AI基础设施场景，平台全速运转满血版DeepSeek R1模型极限吞吐量已超越12,000 Tokens/s，不断刷新性能行业纪录，为企业级推理场景树立了新标杆；在高校科研场景中，联想助力北京大学建设多模态跨尺度生物医学成像设施科研场景HPC/AI融合算力管理平台，该平台持续稳定地输出算力，并不断突破计算效率，为科研创新提供强大支撑。

不难看出，通过这种深度的软硬协同，联想将高性能、高能效的硬件能力与全栈优化、灵活调度的软件平台融为一体，共同构成了“AI工厂”高效、可靠运转的核心驱动力，这不仅是对当前AI算力需求的前瞻响应，更是为未来智能化转型的持续深入，构筑了一个兼具弹性、开放与长期演进能力的坚实底座。

除此之外，当前大模型训练进入千卡规模，推理场景对低延迟、高并发、高能效要求苛刻，行业长期面临硬件采购与服务协同失衡、资源调度割裂、通信瓶颈突出等问题，制约算力效能释放。

近期，《信息技术算力服务高性能训推服务能力要求》标准验证成果发布。该标准旨在建立可量化、可对比的效能基准，助力客户科学评估算力服务表现，引导产业高效、规范发展。

作为该标准的主编单位与核心贡献者，联想不仅深度参与了标准的制定，更率先完成了实践验证。其验证成果系统性展示了从AI服务器到万全异构智算平台的全栈能力，不仅全面满足标准要求，更在多项关键指标上实现了显著超越。

值得一提的是，在推动行业标准落地的同时，联想也在积极构建开放协同的AI生态体系，通过打通从基础设施、平台工具到行业解决方案的全链路闭环，并与生态伙伴紧密协作，联想正持续完善“AI工厂”整体能力，共同促进产业链上下游的协同与共赢。

总的来说，在AI从“手术刀”走向“生产线”、从“单点应用”走向“系统赋能”的进程中，联想以系统化、工程化、生态化的战略思维，构建以“AI工厂”为基座的坚实支撑体系，推动AI真正融入产业发展的核心脉络，赋能千行百业的智能化转型，持续为中国新质生产力的发展注入创新动能，必将开启智能时代产业升级的新篇章。