弗雷德里克 · 泰勒在《科学管理原理》中提出，工业化大生产需通过标准化、流程优化和职能分工，实现生产效率的最大化，从而使人类的生产活动从依赖个人技能转向依靠系统化管理。

这样的转变，让人类激活了工业革命，步入了现代世界。但在如火如荼的 AI 领域，我们却发现大量 AI 开发与产业应用方式，依旧依靠着个人经验技能，以及简单粗暴的算力资源堆叠。换句话说，在最先进的 AI 领域，我们反而急切期待着工业大生产模式的到来。

2025 年，AI 领域最受期待的工业大生产思路就是 "AI 工厂 "。在英伟达提出的 AI 工厂受到全球瞩目的同时，太平洋另一端的我们，已经酝酿出了 AI 工厂的 " 中国答案 "。

12 月 5 日，" 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在北京举办。本次发布会上，联想集团副总裁、中国基础设施业务群总经理陈振宽基于算力产品与解决方案的优势布局，正式推出 " 联想 AI 工厂 " 解决方案。

（联想集团副总裁、中国基础设施业务群总经理陈振宽）

陈振宽表示，" 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 "。

为什么产业各界需要以异构智算为底座的 AI 工厂？AI 工厂又如何成为中国 AI 的独特力量？

回溯联想 AI 工厂的种种故事，可以帮助我们找到这些问题的答案。当前阶段，中国正在完成从 AI 算力扩张到高效协同的关键产业转型。联想的 AI 工厂，或许就将锻造出一个高效协同的智能新纪元。

长期以来，AI 开发都被认为处在一种手拉肩扛的小作坊工作模式。这是由 AI 训推带来的软件开发范式改变、大量定制化工作的产生、AI 技术更迭过快等因素决定的。但无论如何，这种充满不确定性的小作坊模式已经给企业智能化用户带来了极大的困扰，真实限制了社会公共 AI 基础设施的有效利用，以及整体智能化进程。总体而言，传统的 AI 作坊模式主要给企业与开发者带来三个问题：

1. 标准化缺失。

工业化的核心是标准化，但 AI 基础设施的使用，却长期处在严重的非标准化状态中。模型的训练和推理效率是否合格？AI 算力为代表的资源是否拥有足够的投入产出比？这些问题始终无法获得标准化答案。

2. 环节困境。

传统 AI 的开发模式中，企业需要面对数据治理、模型训练、应用部署等全流程问题，环节非常复杂，并且开发周期十分漫长。过多的环节导致大量的意外性，让企业陷入无尽的纠错与补救中，最终导致 AI 落地效率与效果大打折扣。

3. 算力资源碎片化难题。

长期以来，AI 算力市场都面临着重视硬件堆砌，轻视算力协同与算力服务的难题。这导致大量投入建设的算力难以实现资源调度，无法高效扩容、遭遇通信瓶颈等。

想要解决这些由行业不标准、流程过于散碎、资源难以集中调度带来的小作坊问题，就需要搭建一座标准化、零件化的 AI 工厂。但我们首先需要解决的问题是，谁有能力和决心来锻造这座工厂？

想要告别作坊模式，实现资源有效调度、环节如工业流水线般顺畅、有行业标准可依的 AI 工厂模式，需要技术能力、产业实践以及行业引领能力集于一身。这种情况下，联想成为打造 AI 工厂当之无愧的首选。

从技术能力上看，联想在异构智算领域拥有难以复制的技术深度。比如其是国内少有可以在一个平台中实现高性能计算与智算集群的服务商，能够真正在异构智算领域实现业界期待的一体化体验。

在产品维度看，联想在智算领域进行了大量具有工业大生产效果的产品突破。比如面向智算迭代过快，企业投资难以被保障的问题。联想采取了工业模块化的产品设计，其智算服务器可以实现 GPU 适配周期大幅缩减，保障客户的长期价值。

从产业维度上看，联想实践了 " 一横四纵 " 的战略布局，以万全异构智算平台为核心，实现了异构算力的统一纳管与动态调度，打造了 AI 工业大生产的产业底座。

而在行业引领层面上看，联想愿意向业界贡献自身的能力与经验，携手众多产业伙伴发布了业内首个模型训推服务标准《信息技术 算力服务 高性能训推服务能力要求》验证成果。联想作为主编单位，全程参与了标准制定过程，并对大量标准进行了有力贡献。尤其在高性能推理、算力网络通信、异构算力调度等方面，联想发布的验证成果，全面展示了其 AI 服务器、万全异构智算平台在满足并超越该标准要求方面的能力，最终为高性能推训算力服务质量提供了统一的衡量标准。

从技术到产品，再到产业战略与行业贡献，联想以基础设施技术积累与全球化经验为基石，构建了从咨询服务、数据治理、AI 生产管理到智能体运维的完整能力体系。这些最终转化成为一柄难以复制的异构智算锻锤。

在这柄锻锤的敲击下，AI 工厂终于拔地而起。

联想推出的 "AI 工厂 " 解决方案，是一套可管理、可复制且支持持续运营的标准化体系，它能够将原本孤立且复杂的 AI 开发任务，变成高度标准化、高效率的现代化生产线。

陈振宽认为，" 所谓工厂，从蒸汽时代、电气时代再到信息时代，都是通过资源的输入和产品的输出，为社会的发展提供基石，而智能时代的 AI 工厂，将在经典模式的基础上注入全新动能。从场景定义到将客户数据采集作为‘原材料’，经过智能体开发平台与 AI 训练引擎的深度处理，‘联想 AI 工厂’解决方案最终能够生产出可交付的智能体、垂域模型、推理服务等成熟‘产品’ "。

联想 AI 工厂以各个栈层先进的基础设施作为承载，帮助企业在各个场景提升 AI 开发与应用效率，并将全 AI 开发流程进行工业化整合。具体而言，作为 AI 工厂的算力基石，联想万全异构智算平台 4.0 强化了九大差异化创新，迎来四大技术场景的全面升级。

在大模型预训练场景，通过长序列并行优化，可以实现模型训练时间缩短 35%。

在大模型后训练场景，计算引擎优化、小样本强化学习、训练自动并行可使训练时间缩短 50%。

在推理场景，ROCE 网络负载均衡优化，带宽利用率可提升 60%，通信原语性能提升 30%，大模型推理性能提升 30%。

在超智融合计算场景，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板和脚本，实现高效超智融合。

（联想中国基础设施业务群服务器事业部总经理周韬）

面向中国市场的具体需求，联想不仅提供完整的产品组合，还构建了高效灵活的 AI 服务器 "1+3+N" 架构。最新发布的联想问天 WA8080a G5 新品，作为联想首款高端大模型训练 AI 服务器，采用英特尔 ® 至强 ® 6 最新处理器，支持本地化主流最新 OAM2.0 GPU，同时兼顾风冷和液冷双模散热方案，为 AI 工厂的落地提供了产品保障。

训练、后训练、推理、超智融合四大场景的全面升级，构筑了联想 AI 工厂的全面先进性与高度可用性。联想 AI 工厂走向产业，带来的不仅是具体的 AI 开发与落地价值，更推动了中国智能化纪元的宏观趋势。

2025 年 8 月，国务院正式印发了《关于深入实施 " 人工智能 +" 行动的意见》，其中首次将算力与能源、网络并列为国家基础设施，纳入 " 东数西算 " 战略统筹调度。强调到 2027 年实现 AI 技术与工业、医疗、交通等六大重点领域深度融合，智能经济核心产业规模显著增长。

《意见》明确指出，当前 AI 算力的发展重点是从 " 规模扩张 " 转向 " 高效协同 "。而联想打造的 AI 工厂，恰好就是算力高效协同的最佳印证，同时也将在深入实施 " 人工智能 +" 行动的过程中成为中国智能化的关键助力。

根据相关介绍，联想的 AI 工厂已经在中国智能化进程中的众多关键场景得到深度应用。比如联想万全异构智算平台 4.0 目前已经为众多算力场景提供全面支持：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 从 30% 提升至 60%；针对模型本地部署的企业 AI 基础设施场景，全速运转满血版 DeepSeek R1 模型极限吞吐量已经超越 12,000 Tokens/s，不断刷新性能行业纪录；在高校科研场景，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。

联想 AI 工厂与众多中国智能化场景深度结合的背后，是联想的本地化战略得到了充分认可。联想将自身的技术特征与产业差异化，充分融入中国 AI 技术与产业发展的洪流中。读懂了 AI 算力 " 高效协同 " 这一宏观要求所代表的产业机会与社会责任。AI 工厂的本质，是联想对中国市场需求的满足，对中国 AI 发展路线的认可，对中国智能化纪元的深切期待，最终才交出了一份关于 AI 工厂的 " 中国答案 "。

第四次工业革命的钟声，自东方而鸣。在联想的 AI 工厂里，我们能听见这样的声音。