改造萬億IT基建！英偉達給聯(lián)想“畫大餅”

拉斯維加斯的會展中心在CES落幕后，燈光熄滅、人群散去。但對全球AI產(chǎn)業(yè)而言，一場更為漫長、也更為昂貴的競賽才剛剛進入關鍵階段。

今年的CES，依然是英偉達首席執(zhí)行官黃仁勛站在聚光燈的中央，身著標志性黑色皮衣的他，發(fā)布了全新的Vera Rubin AI GPU平臺，并給出了一組足以震動資本市場的數(shù)據(jù)：相較前一代Blackwell架構，新平臺在訓練性能上提升3.5倍，而推理成本則被壓縮至原來的十分之一。

但是這一次，黃仁勛帶來的不只是“更快的芯片”。在出席聯(lián)想集團舉辦的Tech World大會時，黃仁勛為聯(lián)想集團董事長楊元慶描繪了一個更宏大的圖景——在過去三十年里，全球IT產(chǎn)業(yè)已經(jīng)累計投入約10萬至15萬億美元，構建起一整套以通用計算和集中式數(shù)據(jù)中心為核心的基礎設施體系。但這套體系，正在系統(tǒng)性地失效?！叭缃穸夹枰恢匦掳l(fā)明、重新現(xiàn)代化。這正是為什么我們會看到眼前這些萬億美元級別的產(chǎn)業(yè)機會?！?/strong>

AMD首席執(zhí)行官蘇姿豐用一臺重達7000磅、布滿液冷管線的Helios機架，向外界傳遞了一個一致的方向：當前我們正處于算力新時代的起始階段……在這個時代，AI將無處不在，并廣泛地存在于數(shù)據(jù)中心、工廠、醫(yī)院、個人電腦以及邊緣設備之中。

黃仁勛稱這次變革背后的本質(zhì)是“我們正在經(jīng)歷一次平臺級的技術遷移?！?/strong>

在過去的三十多年里，IT 產(chǎn)業(yè)幾乎每隔十年就會經(jīng)歷一次類似的結(jié)構性躍遷——從 PC 到互聯(lián)網(wǎng)，從互聯(lián)網(wǎng)到云計算，再從云計算到移動計算。在這三次遷移中，始終圍繞CPU和傳統(tǒng)代碼構建計算生態(tài)。

黃仁勛稱，在這次“全新的平臺”中，應用將圍繞AI構建。這就要求計算核心從CPU轉(zhuǎn)向GPU，計算邏輯從“執(zhí)行指令”轉(zhuǎn)向“自主推理”。然而，整個IT產(chǎn)業(yè)過去三十年建立的基礎設施，都是為“存儲和檢索信息”設計的，而不是為“自主推理和決策”設計的。傳統(tǒng)數(shù)據(jù)中心的CPU集群，面對 AI 推理所需的海量非結(jié)構化數(shù)據(jù)（圖像、語音、文本）和復雜神經(jīng)網(wǎng)絡計算，性能不足且成本高昂。

尤其是當AI從模型競賽走向生產(chǎn)系統(tǒng)，算力的價值不再體現(xiàn)在峰值性能，而體現(xiàn)在穩(wěn)定性、成本結(jié)構與可持續(xù)性上。推理市場正迅速擴張，并有望在未來幾年內(nèi)超越訓練市場，成為AI經(jīng)濟的主戰(zhàn)場。

兩位芯片巨頭在同一座城市、同一時間、用不同措辭表達的，其實是同一個判斷：AI基礎設施的上半場已經(jīng)接近尾聲，對于企業(yè)來講下半場的競爭，將遠比“誰擁有最多GPU”復雜得多。

AI基建下半場從“訓練”到“推理”

在過去三年里，全球科技資本的投入方向高度集中。大模型訓練成為AI競賽的核心指標，算力的價值被簡化為“誰能堆出更大的GPU集群”。OpenAI、微軟、谷歌、Meta等公司爭相擴建超級數(shù)據(jù)中心，英偉達的高端GPU幾乎成為一種稀缺資源，其市值也隨之被推至歷史高位。

這一階段的特征是高度集中、資本密集，以及明確的技術目標：訓練出能力更強的通用大模型。

但進入2025年后，風向開始發(fā)生變化。華爾街的耐心正在耗盡——投資者發(fā)現(xiàn)，盡管巨頭們投入數(shù)千億美元訓練大模型，但真正能商業(yè)化落地、產(chǎn)生穩(wěn)定現(xiàn)金流的應用寥寥無幾。更重要的是，基礎模型的迭代速度開始放緩。GPT-5 的發(fā)布雖然引發(fā)關注，但相較于 GPT-4，性能提升更多是“量變”而非“質(zhì)變”。大模型的訓練已經(jīng)進入“邊際效益遞減”階段。

企業(yè)不再僅僅滿足于展示一個聰明的“聊天機器人”，他們需要AI去工作——去優(yōu)化供應鏈調(diào)度、提升生產(chǎn)效率，去實時處理數(shù)百萬份保險理賠，去毫秒級控制高速公路上的自動駕駛車隊，去每時每刻響應全球數(shù)十億智能體的請求。

市場迫切需要AI從“展示能力”的階段，邁入“承擔責任”的階段。而在這一階段，決定成本結(jié)構和可擴展性的，不再是訓練，而是推理（Inference），即 AI 模型在獲得訓練后，根據(jù)實時數(shù)據(jù)進行決策和響應的過程。

德勤在其《2026技術趨勢》報告中指出，隨著AI從實驗室走向企業(yè)生產(chǎn)環(huán)境，市場正遭遇一種全新的“推理經(jīng)濟學”挑戰(zhàn)。盡管單次推理的單位成本在快速下降，但由于使用頻率和復雜度急劇上升，總體算力需求反而呈指數(shù)級增長。

這一趨勢在代理式AI（Agentic AI）和物理AI（Physical AI）身上體現(xiàn)得尤為明顯。

代理AI與物理AI重塑算力基建

代理式AI的本質(zhì)，是將AI從“響應者”轉(zhuǎn)變?yōu)椤皥?zhí)行者”。它不再是“一問一答”的聊天機器人，而是能夠自主調(diào)用工具、多步執(zhí)行任務的“數(shù)字員工”。一個看似簡單的任務指令，背后可能觸發(fā)數(shù)百次推理調(diào)用：調(diào)用工具、拆解步驟、反復校驗、再執(zhí)行。這種多步、長鏈路的推理過程，往往伴隨著大量“隱形Token”的生成，其算力消耗遠高于傳統(tǒng)問答式模型。

Gartner預計，到2028年，約33%的企業(yè)軟件將內(nèi)置代理AI功能，而這一比例在2024年尚不足1%。至少有15% 的日常業(yè)務決策將由代理AI 自主完成。

物理AI對算力的要求則更為嚴苛。當AI被嵌入機器人、自動駕駛系統(tǒng)或工業(yè)控制設備時，推理必須是實時、低延遲且高度可靠的。這直接推動算力從集中式云數(shù)據(jù)中心，向邊緣側(cè)和本地部署遷移。

本屆CES，黃仁勛喊出了“物理AI的Chatgpt時刻即將到來”。英偉達在CES上展示的Project GR00T和Cosmos模型，正是試圖為機器人構建一套“理解并執(zhí)行物理世界規(guī)則”的通用推理框架。這類應用的共同特點是：推理必須靠近數(shù)據(jù)源，而不是依賴遠程云端。

工業(yè)領域的物理 AI 同樣對實時性要求極高。假設一座工廠希望進行智能化改造，他的需求是實時響應生產(chǎn)線上的突發(fā)情況——比如檢測到零件缺陷時，立即調(diào)整加工參數(shù)；遇到設備故障時，自主切換備用生產(chǎn)線。這同樣要求推理算力必須靠近生產(chǎn)現(xiàn)場（即邊緣計算），否則數(shù)據(jù)傳輸?shù)难舆t會導致生產(chǎn)停滯。物理 AI 的核心是“感知-推理- 行動”的閉環(huán)，而推理是其中最關鍵的環(huán)節(jié)。如果推理不能實時完成，整個閉環(huán)就會斷裂，AI 也就失去了在物理世界應用的價值。

至此，一個清晰的趨勢已經(jīng)浮現(xiàn)：AI算力將從“集中式訓練”向“分布式推理”傾斜，AI基礎設施不僅僅是昂貴的云端數(shù)據(jù)中心，還包括從邊緣到終端的整個布局。

而隨著代理式AI和物理AI的普及，算力需求不再呈線性增長。這也就不難理解，為何AMD掌門人蘇姿豐的斷言——“未來幾年內(nèi)，全球計算能力可能需要提升100倍?！?/p>

盡管對于趨勢的預期已經(jīng)非常明確，但代理AI的生產(chǎn)化部署并不順利。德勤調(diào)查顯示，2025年雖然有38%的企業(yè)在進行代理試點，但僅有11%的企業(yè)在生產(chǎn)環(huán)境中使用這些系統(tǒng)。高昂的成本是最為重要的原因。

從技術角度看，推理成本正在迅速下降。過去兩年，AI推理的單位Token成本已經(jīng)暴跌280倍——這得益于芯片架構創(chuàng)新、軟件優(yōu)化和規(guī)模效應。但企業(yè)的AI支出非但沒減少，反而因用量爆發(fā)式增長陷入失控。這一現(xiàn)象在經(jīng)濟學中被稱為“杰文斯悖論” ：技術的提效降低了資源的使用成本，這反而刺激了需求的激增，最終導致資源總消耗量的上升。

對于率先大規(guī)模部署AI的企業(yè)而言，這一悖論已經(jīng)變得異?，F(xiàn)實。部分公司在公有云上的AI賬單已攀升至每月數(shù)千萬美元。當AI工作負載從偶發(fā)試驗變?yōu)槿旌蜻\行的核心業(yè)務流程時，按量計費的云模式開始在經(jīng)濟上變得不可持續(xù)。

更重要的是，數(shù)據(jù)合規(guī)、安全和商業(yè)機密的考量，使得許多企業(yè)無法將核心數(shù)據(jù)完全托付給公有云。這迫使它們重新評估計算架構，從“云優(yōu)先”轉(zhuǎn)向“混合計算”。

這一轉(zhuǎn)變，并非簡單的成本優(yōu)化，而是對過去三十年IT架構邏輯的根本修正——也正是黃仁勛所指的“重新發(fā)明計算基礎設施”。

芯片巨頭的答案與一個被低估的角色

英偉達與AMD給出的解決方案，路徑不同，但目標一致：在推理時代，將“每Token成本”和能耗壓縮到足夠低。

英偉達的Rubin平臺通過Vera CPU來處理復雜邏輯，讓GPU專注于高效的矩陣運算；AMD的Helios機架則以超大顯存為核心賣點，其搭載的MI455X芯片擁有驚人432GB HBM4內(nèi)存，試圖用更少的卡承載更多并發(fā)推理任務。

但在這場競爭中，一個共同點逐漸顯現(xiàn)：無論是哪一種方案，都高度依賴于物理層面的工程能力。

推理時代的芯片，功率密度正在突破傳統(tǒng)數(shù)據(jù)中心的極限。單機架超過100kW的功耗，使得風冷方案難以為繼。散熱不再是配套問題，而是決定算力能否兌現(xiàn)的前提條件。如果散熱搞不定，再先進的芯片也只能降頻運行，變成昂貴的廢鐵。

這正是聯(lián)想在產(chǎn)業(yè)鏈中角色被重新評估的原因。

作為少數(shù)能夠同時與英偉達和AMD展開深度合作的企業(yè)，聯(lián)想是這兩大芯片巨頭戰(zhàn)略布局中不可或缺的關鍵伙伴，也將成為全球IT基建改造的重要參與者。

在聯(lián)想Tech World的舞臺上，聯(lián)想集團CEO楊元慶先是與黃仁勛共同發(fā)布了基于Rubin平臺的“聯(lián)想人工智能云超級工廠”；轉(zhuǎn)過身，又與蘇姿豐發(fā)布了新一代推理服務器，蘇姿豐還宣布聯(lián)想將是Helios平臺的首發(fā)合作伙伴之一。

原因并不復雜。在推理成為核心負載后，AI基礎設施的難點從“買到芯片”，轉(zhuǎn)向“部署、散熱、運維和規(guī)?；桓丁薄?/strong>

“很多人并不知道，聯(lián)想構建了全球最多的超級計算機。全球Top 500超級計算機中，有三分之一由聯(lián)想打造。”黃仁勛稱，聯(lián)想所具備的不僅是制造能力，更是構建、部署并在超算級數(shù)據(jù)中心中交付復雜系統(tǒng)的綜合能力。這是促成雙方合作的重要原因所在。

傳統(tǒng)企業(yè)數(shù)據(jù)中心是為信息存儲與檢索設計的，而AI時代的企業(yè)，需要的不只是幾臺服務器，更是能幫他們設計、建設、運營復雜“AI工廠”的全流程能力。這為聯(lián)想這類混合式AI基礎設施提供商打開了巨大市場空間，也是聯(lián)想與英偉達攜手推出“聯(lián)想人工智能云超級工廠”的核心原因。

此外，聯(lián)想在液冷技術上的長期投入，使其在這一階段具備了罕見的先發(fā)優(yōu)勢。

其第六代Neptune海神液冷方案，允許在45°C條件下運行數(shù)據(jù)中心，無需傳統(tǒng)冷水機組。這不僅降低了部署復雜度，也為企業(yè)節(jié)省了可觀的電力成本。在推理成本高度敏感的環(huán)境中，能耗的每一次下降，都會直接反映為財務回報。

黃仁勛的雄心聯(lián)想的方案

對于聯(lián)想來講，黃仁勛畫的這個“大餅”的確是個“好干糧”——這場IT基礎設施重構浪潮帶來的絕非短期訂單增長，而是深度落地其主張的混合式AI戰(zhàn)略的關鍵一步，尤其對其基礎設施方案集團（ISG）業(yè)務具有決定性的戰(zhàn)略價值，這一業(yè)務能否快速扭虧一直是資本市場關注的焦點。

面對即將爆發(fā)的AI推理時代的到來，ISG渴求抓住機遇的愿望是迫切的。

非常重要的一個表現(xiàn)就是，聯(lián)想ISG在此次Tech World上一口氣發(fā)布了三款應對推理算力需求的產(chǎn)品：除了與AMD合作的AI推理服務器SR675i，還有AI推理服務器SR650i和邊緣計算服務器SE455i。

正如我們前文所分析的，企業(yè)需要的不再是孤立的硬件設備，而是“芯片+工程部署+散熱技術+運維服務”的一體化解決方案，所以其方案服務業(yè)務（SSG）也將因此受益。

借助與英偉達、AMD 的深度綁定，聯(lián)想得以優(yōu)先將全球最先進的芯片技術融入自身的硬件產(chǎn)品與解決方案，形成“芯片巨頭技術輸出+聯(lián)想工程化落地”的互補模式，既提升了ISG產(chǎn)品的技術壁壘與溢價能力，更使其從傳統(tǒng)硬件供應商升級為AI基礎設施全生命周期服務商，徹底打開高端企業(yè)級市場的增長空間。

聯(lián)想與英偉達、AMD 的戰(zhàn)略伙伴關系，本質(zhì)上是生態(tài)共贏的必然選擇。對芯片巨頭而言，聯(lián)想的價值不僅是“首發(fā)合作伙伴”的渠道優(yōu)勢，更是其技術落地的“關鍵轉(zhuǎn)換器”—— 英偉達的Rubin平臺、AMD的Helios機架，借助聯(lián)想的超算級部署能力與規(guī)?；桓毒W(wǎng)絡，可以更快的轉(zhuǎn)化為企業(yè)可直接使用的生產(chǎn)力工具；而對聯(lián)想而言，綁定全球頂尖芯片廠商，意味著 ISG 業(yè)務能持續(xù)獲得核心技術賦能，始終站在AI基礎設施技術迭代的最前沿，同時借助芯片巨頭的品牌勢能，快速建立在AI推理領域的行業(yè)話語權。

這種 “技術互補、生態(tài)共生” 的伙伴關系，讓聯(lián)想在激烈的市場競爭中占據(jù)了不可替代的生態(tài)位，也讓ISG業(yè)務得以借助這場萬億美元級別的產(chǎn)業(yè)機遇，提升整體盈利能力。

一場“重新發(fā)明”IT基建的競賽

CES 2026所揭示的，不是一輪短期的產(chǎn)品周期，而是一場橫跨十年的IT基礎設施重構。

過去三十年，全球 IT 產(chǎn)業(yè)累計投入的10–15萬億美元基礎設施，正在被逐一替換為適應AI推理需求的新型硬件、軟件和服務。這一過程，就像工業(yè)革命時期用電力取代蒸汽動力，信息革命時期用互聯(lián)網(wǎng)取代電報電話，將徹底改變?nèi)祟惿鐣纳a(chǎn)方式和生活方式。

對于企業(yè)而言，這場重構是一次“生死抉擇”。那些能夠快速搭建高效、安全、低成本的推理基礎設施的企業(yè)，將在智能化浪潮中搶占先機，實現(xiàn)生產(chǎn)力的跨越式提升；而那些固守傳統(tǒng)IT架構、錯失推理時代機遇的企業(yè)，將逐漸被市場淘汰。正如楊元慶所言：“新一輪 AI 推理浪潮已經(jīng)到來，誰能將智能部署到本地、邊緣和用戶端，讓智能觸手可及，誰就能在未來的競爭中活得更好?！?/p>

對于科技巨頭而言，這場重構是一場“話語權之爭”。英偉達試圖通過“芯片+生態(tài)” 的閉環(huán)，壟斷推理算力的核心技術；AMD試圖通過“開放+差異化”，在企業(yè)級市場撕開缺口；聯(lián)想則憑借“物理基礎設施+全流程服務”，成為連接芯片廠商和客戶的關鍵樞紐。

在這一過程中，真正的贏家，未必是發(fā)布會上最耀眼的那家公司，而是那些能夠?qū)⑺懔D(zhuǎn)化為可復制、可運營、可盈利基礎設施的參與者。這場萬億美元的基建重構浪潮，注定將充滿競爭與合作、創(chuàng)新與顛覆。

正如黃仁勛描繪的，過去三十年的計算體系正在走向終點。而下一套體系的建設，才剛剛開始。

CES2026已落下帷幕（1月6日-1月9日）
雷科技史上最大規(guī)模CES報道團，已陸續(xù)啟程回國。雷科技CES2026報道專題已推送超過55+內(nèi)容（最終會超過65+）以及10+短視頻，涵蓋幾乎所有參展CES2026的頭部品牌（以中美韓日為主），涉及AI硬件、AI芯片、AI眼鏡、具身智能、電視顯示、智能清潔、智能影像、AI家電、AI健康、AI音頻、AI汽車、AI出行、智能家居、AI PC、AI手機等核心領域的探展、對話、新品、觀察等內(nèi)容。
相關內(nèi)容除了自有渠道外，還被騰訊、網(wǎng)易、頭條、百度、36kr等平臺重點推薦。您可以在主流平臺搜索“雷科技 CES”回顧CES2026的核心內(nèi)容。