整合了个人智能、企业智能与公共智能的混合式AI，才是打造个性化、多样性AI，推动AI普及普惠的终极路径。

　　一方面，随着AI在企业级市场的爆发，AI要在产业落地必须走混合式AI的技术路径。另一方面，英伟达和联想都在打造企业级的AI技术和产品。比如英伟达将其计算架构从blackwell升级到了vera rubin，以更好满足企业级AI乃至物理AI的需求，而联想则从服务器硬件迭代到不断打磨混合式人工智能优势集，帮助企业真实落地。

　　与之前的生成式AI对算力和模型的需求不同，黄仁勋认为，现在的AI本质上是多模态的，它们理解语音、图像、文本、视频、3D图形、蛋白质。它也是“多模型”的，意味着它们应该能够使用最适合任务的任何模型。因此，它本质上是“多云”的，因为这些AI模型位于所有这些不同的地方。“换言之，由于未来的应用构建在AI之上，这就是未来应用的基本框架。”

　　今年的CES，AI是所有厂商绕不开的话题，从智能汽车到具身智能，从个人智能终端到企业级AI应用，目之所及，核心都是AI。

　　AI落地效果不佳的背后，企业正在面临着来自算力、模型、数据以及行业knowhow的多重考验。比如需要融合企业原有专用人工智能应用和基础大模型；需要实现大模型的云端和本地的混合部署；需要实现企业商业数据与社会公共数据融合后的大模型训练和调优；也需要实现企业算力平台从通用算力向混合算力体系过渡。

　　联想混合式AI不仅提供了涵盖端边云完备的算力资源，也通过智算平台实现了异构算力的管理和调度。在今年的Tech world大会上，联想还专门针对企业旺盛的推理需求设计了两款全新的服务器，其中SR675i专为高吞吐量、低延迟的大规模推理优化设计，它可以将AI推理Kaiyun精准部署到企业客户最需要的场景中，比如医疗影像数据的实时分析；而SE455i则将AI推理带到边缘节点——数据生成、令牌创建与决策实时发生的核心场景，比如零售行业的库存预测。

　　在模型Kaiyun层面，企业需要多模态，也需要多模型，而不再依赖单一模型。比如在产品缺陷检测这种简单、高频场景，采用轻量级模型；而面对生产调度、需求预测等复杂挑战，则会调用更强大的先进模型。而联想的模型工厂，基于企业数据和知识，不仅能提供最新的全尺寸模型，而且通过模型调度技术和模型编排器，实现用户即时需求匹配最佳模型。

　　这使得联想在整个AI产业链中扮演着AI服务商的角色，底层有端、边、云、网等完整的AI基础设施，中间有模型工厂和智能体平台，上层有智能体应用，通过整合AI应用落地所需要的全链条，可以充分发挥自身在混合架构整合、行业深度理解、灵活交付和绿色算力方面的优势，致力于成为千行百业在AI时代最可信赖的”总集成方”。

　　如今，混合式AI已经进入价值兑现期。根据联想集团发布的Q2财季报告数据显示，AI业务创造的营收已占到其总营收的30%，其业务增长和利润更多来自于AI。具体到各业务线，SSG的方案服务业务基于“联想混合式AI优势集”，已连续第18个季度实现双位数增长，而ISG基础设施方案业务作为联想混合式AI基础设施的重要载体，年比年也增长了24%。这些业绩动能转换的背后，联想早已不是一家传统的PC公司，已经向“AI基础设施与应用公司”转变。

　　随着人工智能从“判别式AI”到“生成式AI”，再到2025年开启的智能体AI时代，企业对智能体的落地热情高涨，一个显著的变化是推理需求爆发，Token消耗量呈指数级增长。

　　其中，超级智能体有着统一的交互入口，负责任务的拆解、智能体的调度执行、效果的反馈优化等，相当于神经中枢；而各领域的智能体则与具体场景结合，相当于手和脚。而背后不仅基于A2A实现了智能体之间的通信协作，也通过MCP协议打通了AI与传统的企业应用的衔接，从而实现在多智能体协同下，对复杂任务进行自主执行。

　　联想集团执行副总裁、SSG业务负责人黄建恒也在Tech World现场展示了几个典型的应用场景，比如联想的“AI工厂”解决方案，能快速、安全地将企业的数据转化为行动，从销售到供应链，从市场营销到生产制造。联想的机器人解决方案，已经为电力系统部署了AI赋能的机器人。它可以对整个电网进行巡检，灵活穿行于各种复杂地形之中。

　　另外，联想也与FIFA携手打造了定制化的企业级知识助理——联想足球AI超级智能体（Football AI Pro）。它能够调度一整支 AI 智能体团队，在 FIFA 的海量数据中高效搜索，并在数秒之内将最相关、最有价值的信息精准呈现。比如教练在下一场比赛前，提前评估战术对阵的可行性；球员获得个性化的比赛分析与反馈；分析师通过视频片段，甚至3D虚拟形象，对球队战术模式进行对比分析。