联想在英伟达GTC展会上发布了与英伟达合作的联想混合AI优势平台扩展版本,将该产品组合定位为生产级AI推理的端到端解决方案。
联想表示,扩展产品线旨在加速AI应用、减少首Token时间,涵盖客户端设备到企业基础设施以及大规模AI云部署。
联想在今年1月的联想科技世界大会上推出了推理加速技术,这是混合AI执行的下一阶段,在全球范围内实现跨行业的实时决策、运营效率和智能自动化。
公司强调推理的重要性,因为AI正在从训练模型转向实际部署,组织需要基础设施来成功执行客户端、服务器端和边缘的推理。
联想将推理定义为智能体AI的新兴瓶颈和价值中心。随着推理工作负载增长,该公司认为,在边缘、本地和云环境中管理成本、确保安全性和提供一致性能变得越来越关键。
联想董事长兼首席执行官杨元庆在声明中表示:"随着智能体AI推动推理工作负载呈指数级增长,成本控制和每Token性能变得至关重要。通过将英伟达AI企业软件与联想全栈混合AI平台和服务相结合,我们让客户能够以更高效率、更低每Token成本和更快的生产时间扩展AI。"
联想和英伟达结合了联想的AI推理平台与英伟达Dynamo和NIM,以及英伟达Vera Rubin NVL72用于联想AI云千兆工厂。
引用联想委托IDC进行的《CIO手册2026》,84%的组织预计在云环境之外的本地或边缘环境中运行AI,这加速了对为生产规模推理构建的验证混合AI平台的需求。
这意味着混合架构正成为生产级推理的默认选择,将推动对可跨网络扩展同时满足企业性能和安全要求的推理就绪平台的需求。
客户端通常不与AI处理相关联,但联想表示将全力以赴通过在笔记本电脑中配置AI处理器来实现随处开发AI。多款笔记本将配备英伟达RTX PRO Blackwell代GPU,包括超轻薄ThinkPad P14s Gen 7、ThinkPad P16s Gen 5和高端ThinkPad P1 Gen 9。
对于拥有更多高性能卡空间的台式机,ThinkStation P5 Gen 2台式机将支持多达两块英伟达RTX PRO 6000 Blackwell Max-Q工作站版GPU。笔记本和台式机都将配备联想AI开发者全栈AI开发套件。
新的推理优化联想ThinkSystem和ThinkEdge服务器,结合增强的混合AI平台和集成合作伙伴解决方案,在零售、制造、医疗、体育和智慧城市环境等多个行业实现实时AI推理。
Q&A
Q1:联想混合AI优势平台的主要功能是什么?
A:联想混合AI优势平台是一个端到端的生产级AI推理解决方案,旨在加速AI应用、减少首Token时间,涵盖从客户端设备到企业基础设施以及大规模AI云部署的完整范围。
Q2:为什么联想强调AI推理的重要性?
A:因为AI正在从训练模型转向实际部署阶段,推理已成为智能体AI的关键瓶颈和价值中心。随着推理工作负载增长,在边缘、本地和云环境中管理成本、确保安全性和提供一致性能变得越来越关键。
Q3:联想如何在客户端设备上实现AI处理?
A:联想通过在笔记本电脑中配置AI处理器来实现随处开发AI。多款笔记本配备英伟达RTX PRO Blackwell代GPU,台式机支持英伟达RTX PRO 6000 GPU,并都配备联想AI开发者全栈开发套件。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。