1. 首頁 > 生活百科 > >

一座AI工廠，鍛造出高效協同的智能紀元

aigpuswitch核能

一座AI工廠，鍛造出高效協同的智能紀元

文章圖片

一座AI工廠，鍛造出高效協同的智能紀元

文章圖片

一座AI工廠，鍛造出高效協同的智能紀元

文章圖片

一座AI工廠，鍛造出高效協同的智能紀元

文章圖片

一座AI工廠，鍛造出高效協同的智能紀元

文章圖片

一座AI工廠，鍛造出高效協同的智能紀元


弗雷德里克·泰勒在《科學管理原理》中提出 ， 工業化大生產需通過標準化、流程優化和職能分工 ， 實現生產效率的最大化 ， 從而使人類的生產活動從依賴個人技能轉向依靠系統化管理 。
這樣的轉變 ， 讓人類激活了工業革命 ， 步入了現代世界 。 但在如火如荼的AI領域 ， 我們卻發現大量AI開發與產業應用方式 ， 依舊依靠著個人經驗技能 ， 以及簡單粗暴的算力資源堆疊 。 換句話說 ， 在最先進的AI領域 ， 我們反而急切期待著工業大生產模式的到來 。
2025年 ， AI領域最受期待的工業大生產思路就是“AI工廠” 。 在英偉達提出的AI工廠受到全球矚目的同時 ， 太平洋另一端的我們 ， 已經醞釀出了AI工廠的“中國答案” 。
12月5日 ， “異構智算 本地引擎”2025聯想異構智算產業聯盟高峰論壇暨AI算力基礎設施新品發布會在北京舉辦 。 本次發布會上 ， 聯想集團副總裁、中國基礎設施業務群總經理陳振寬基于算力產品與解決方案的優勢布局 ， 正式推出“聯想AI工廠”解決方案 。

（聯想集團副總裁、中國基礎設施業務群總經理陳振寬）
陳振寬表示 ， “從快速爆發、理性選擇 ， 再到重新崛起 ， 我們共同經歷了生成式AI帶來的技術突破 。 此刻 ， 我們正在見證AI以更自主、更智能的方式成為真正的智能應用專家 。 面對本地獨特的發展現狀 ， 多元異構的算力供給、芯模生態的高度協同以及模型應用的彼此強化 ， 都在成為構筑中國獨特AI生態的核心力量” 。
為什么產業各界需要以異構智算為底座的AI工廠？AI工廠又如何成為中國AI的獨特力量？
回溯聯想AI工廠的種種故事 ， 可以幫助我們找到這些問題的答案 。 當前階段 ， 中國正在完成從AI算力擴張到高效協同的關鍵產業轉型 。 聯想的AI工廠 ， 或許就將鍛造出一個高效協同的智能新紀元 。

長期以來 ， AI開發都被認為處在一種手拉肩扛的小作坊工作模式 。 這是由AI訓推帶來的軟件開發范式改變、大量定制化工作的產生、AI技術更迭過快等因素決定的 。 但無論如何 ， 這種充滿不確定性的小作坊模式已經給企業智能化用戶帶來了極大的困擾 ， 真實限制了社會公共AI基礎設施的有效利用 ， 以及整體智能化進程 。 總體而言 ， 傳統的AI作坊模式主要給企業與開發者帶來三個問題：
1.標準化缺失 。
工業化的核心是標準化 ， 但AI基礎設施的使用 ， 卻長期處在嚴重的非標準化狀態中 。 模型的訓練和推理效率是否合格？AI算力為代表的資源是否擁有足夠的投入產出比？這些問題始終無法獲得標準化答案 。

2.環節困境 。
傳統AI的開發模式中 ， 企業需要面對數據治理、模型訓練、應用部署等全流程問題 ， 環節非常復雜 ， 并且開發周期十分漫長 。 過多的環節導致大量的意外性 ， 讓企業陷入無盡的糾錯與補救中 ， 最終導致AI落地效率與效果大打折扣 。
3.算力資源碎片化難題 。
長期以來 ， AI算力市場都面臨著重視硬件堆砌 ， 輕視算力協同與算力服務的難題 。 這導致大量投入建設的算力難以實現資源調度 ， 無法高效擴容、遭遇通信瓶頸等 。
想要解決這些由行業不標準、流程過于散碎、資源難以集中調度帶來的小作坊問題 ， 就需要搭建一座標準化、零件化的AI工廠 。 但我們首先需要解決的問題是 ， 誰有能力和決心來鍛造這座工廠？

想要告別作坊模式 ， 實現資源有效調度、環節如工業流水線般順暢、有行業標準可依的AI工廠模式 ， 需要技術能力、產業實踐以及行業引領能力集于一身 。 這種情況下 ， 聯想成為打造AI工廠當之無愧的首選 。
從技術能力上看 ， 聯想在異構智算領域擁有難以復制的技術深度 。 比如其是國內少有可以在一個平臺中實現高性能計算與智算集群的服務商 ， 能夠真正在異構智算領域實現業界期待的一體化體驗 。
在產品維度看 ， 聯想在智算領域進行了大量具有工業大生產效果的產品突破 。 比如面向智算迭代過快 ， 企業投資難以被保障的問題 。 聯想采取了工業模塊化的產品設計 ， 其智算服務器可以實現GPU適配周期大幅縮減 ， 保障客戶的長期價值 。
從產業維度上看 ， 聯想實踐了“一橫四縱”的戰略布局 ， 以萬全異構智算平臺為核心 ， 實現了異構算力的統一納管與動態調度 ， 打造了AI工業大生產的產業底座 。

而在行業引領層面上看 ， 聯想愿意向業界貢獻自身的能力與經驗 ， 攜手眾多產業伙伴發布了業內首個模型訓推服務標準《信息技術 算力服務 高性能訓推服務能力要求》驗證成果 。 聯想作為主編單位 ， 全程參與了標準制定過程 ， 并對大量標準進行了有力貢獻 。 尤其在高性能推理、算力網絡通信、異構算力調度等方面 ， 聯想發布的驗證成果 ， 全面展示了其AI服務器、萬全異構智算平臺在滿足并超越該標準要求方面的能力 ， 最終為高性能推訓算力服務質量提供了統一的衡量標準 。
從技術到產品 ， 再到產業戰略與行業貢獻 ， 聯想以基礎設施技術積累與全球化經驗為基石 ， 構建了從咨詢服務、數據治理、AI生產管理到智能體運維的完整能力體系 。 這些最終轉化成為一柄難以復制的異構智算鍛錘 。
在這柄鍛錘的敲擊下 ， AI工廠終于拔地而起 。

聯想推出的“AI工廠”解決方案 ， 是一套可管理、可復制且支持持續運營的標準化體系 ， 它能夠將原本孤立且復雜的AI開發任務 ， 變成高度標準化、高效率的現代化生產線 。
陳振寬認為 ， “所謂工廠 ， 從蒸汽時代、電氣時代再到信息時代 ， 都是通過資源的輸入和產品的輸出 ， 為社會的發展提供基石 ， 而智能時代的AI工廠 ， 將在經典模式的基礎上注入全新動能 。 從場景定義到將客戶數據采集作為‘原材料’ ， 經過智能體開發平臺與AI訓練引擎的深度處理 ， ‘聯想AI工廠’解決方案最終能夠生產出可交付的智能體、垂域模型、推理服務等成熟‘產品’” 。
聯想AI工廠以各個棧層先進的基礎設施作為承載 ， 幫助企業在各個場景提升AI開發與應用效率 ， 并將全AI開發流程進行工業化整合 。 具體而言 ， 作為AI工廠的算力基石 ， 聯想萬全異構智算平臺4.0強化了九大差異化創新 ， 迎來四大技術場景的全面升級 。
在大模型預訓練場景 ， 通過長序列并行優化 ， 可以實現模型訓練時間縮短35% 。
在大模型后訓練場景 ， 計算引擎優化、小樣本強化學習、訓練自動并行可使訓練時間縮短50% 。
在推理場景 ， ROCE網絡負載均衡優化 ， 帶寬利用率可提升60% ， 通信原語性能提升30% ， 大模型推理性能提升30% 。
在超智融合計算場景 ， 可支持國際和國內硬件生態 ， 完成從底層架構到算子的全面優化 ， 同時新增超16個制造業應用的作業模板和腳本 ， 實現高效超智融合 。

（聯想中國基礎設施業務群服務器事業部總經理周韜）
面向中國市場的具體需求 ， 聯想不僅提供完整的產品組合 ， 還構建了高效靈活的AI服務器“1+3+N”架構 。 最新發布的聯想問天 WA8080a G5新品 ， 作為聯想首款高端大模型訓練AI服務器 ， 采用英特爾?至強?6最新處理器 ， 支持本地化主流最新OAM2.0 GPU ， 同時兼顧風冷和液冷雙模散熱方案 ， 為AI工廠的落地提供了產品保障 。
訓練、后訓練、推理、超智融合四大場景的全面升級 ， 構筑了聯想AI工廠的全面先進性與高度可用性 。 聯想AI工廠走向產業 ， 帶來的不僅是具體的AI開發與落地價值 ， 更推動了中國智能化紀元的宏觀趨勢 。

2025年8月 ， 國務院正式印發了《關于深入實施“人工智能+”行動的意見》 ， 其中首次將算力與能源、網絡并列為國家基礎設施 ， 納入“東數西算”戰略統籌調度 。 強調到2027年實現AI技術與工業、醫療、交通等六大重點領域深度融合 ， 智能經濟核心產業規模顯著增長 。
《意見》明確指出 ， 當前AI算力的發展重點是從“規模擴張”轉向“高效協同” 。 而聯想打造的AI工廠 ， 恰好就是算力高效協同的最佳印證 ， 同時也將在深入實施“人工智能+”行動的過程中成為中國智能化的關鍵助力 。

根據相關介紹 ， 聯想的AI工廠已經在中國智能化進程中的眾多關鍵場景得到深度應用 。 比如聯想萬全異構智算平臺4.0目前已經為眾多算力場景提供全面支持：在國家級高質量AI集群場景中 ， 聯想與“東數西算”第一大智算樞紐緊密合作 ， 在千卡訓練場景中將MFU從30%提升至60%；針對模型本地部署的企業AI基礎設施場景 ， 全速運轉滿血版DeepSeek R1模型極限吞吐量已經超越12000 Tokens/s ， 不斷刷新性能行業紀錄；在高校科研場景 ， 聯想助力北京大學建設多模態跨尺度生物醫學成像設施科研場景HPC/AI融合算力管理平臺 。
聯想AI工廠與眾多中國智能化場景深度結合的背后 ， 是聯想的本地化戰略得到了充分認可 。 聯想將自身的技術特征與產業差異化 ， 充分融入中國AI技術與產業發展的洪流中 。 讀懂了AI算力“高效協同”這一宏觀要求所代表的產業機會與社會責任 。 AI工廠的本質 ， 是聯想對中國市場需求的滿足 ， 對中國AI發展路線的認可 ， 對中國智能化紀元的深切期待 ， 最終才交出了一份關于AI工廠的“中國答案” 。
第四次工業革命的鐘聲 ， 自東方而鳴 。 在聯想的AI工廠里 ， 我們能聽見這樣的聲音 。
【一座AI工廠，鍛造出高效協同的智能紀元】

    推薦閱讀