2026年9月22日，聯想集團在云棲大會展示問天超節點；同月，DeepSeek發布V4.1 Flash，宇樹科技展示UnifoLM-WLA真機測試。這三家國內企業的AI創新各有亮點：聯想問天超節點把計算、通信和存儲組織為邏輯節點，混合詞元工廠統一納管本地異構算力與公有云模型服務；聯想披露，iChain訂單履約智能體在自有供應鏈讓履約決策與執行提速至原來的3倍。DeepSeek稱V4.1 Flash對高帶寬顯存的需求降至上一代的四分之一；宇樹科技公布的UnifoLM-WLA真機測試涵蓋64項任務。
聯想問天超節點：計算、通信和存儲合成邏輯節點
問天超節點解決方案于2026年6月發布，9月在云棲大會展示。大模型訓練和推理擴容時，卡間通信、顯存容量和數據流轉要與計算卡協同。聯想將計算、通信和存儲組織成一個邏輯節點，再以節點為單元擴展算力系統。
按聯想披露的問天設計規格，單節點可搭載40張GPU，FP8算力超過28 PFLOPS，HBM顯存超過5.76 TB，訪存總帶寬超過80 TB/s。聯想還給出芯片間百納秒級P2P單向時延指標，著力提高多卡間的數據交換速度。問天支持40卡配置、集群橫向擴建，也兼容32卡配置，覆蓋訓練、推理及開發測試等不同需求；無線纜正交直插架構兼容標準19英寸機箱。聯想稱，這種結構可把集群部署周期壓縮至數小時，面向大規模集群的部署與維護。
9月的展示還將問天超節點與萬全異構智算平臺5.0納入同一系統方案。問天負責組織計算、通信和存儲，萬全平臺提供集群訓推加速和芯模編譯優化等能力。聯想披露，平臺把處理輸入的預填充與持續生成輸出的解碼分開調度，并用KV Cache共享緩存管理集群負載。兩類推理任務對計算與緩存的需求不同，分開管理有助于提高資源利用率。芯模編譯優化則讓計算圖適配不同模型和算力芯片，并自動生成相應算子。聯想稱萬全平臺覆蓋從百卡到萬卡的算力規模，承接不同規模的訓練與推理需求；目前公布的問天材料則以架構、配置和展會展示為主。
聯想詞元工廠：異構算力按需調度、按詞元計量
聯想在云棲大會展示的混合詞元工廠，關注算力交付之后怎樣成為可調用的模型服務。聯想9月20日披露的運營機制是：把本地異構算力與公有云模型服務納入同一管理體系，以詞元為統一計量單位，讓應用接入、資源調度、用量統計和分賬進入同一流程。企業調用AI服務時，便可以追蹤任務由哪類資源承接、消耗多少詞元，以及成本落在哪個部門。
xCloud詞元中樞（Token Hub）是混合詞元工廠的核心平臺。詞元中樞銜接智算集群管理、模型部署和推理加速，并向業務應用提供多模型統一接入與智能路由。聯想8月披露，作為核心組件的詞元中樞已經上線，覆蓋政府、教育、制造等行業。
9月展示的混合詞元工廠覆蓋范圍更廣：xCloud聯想智能云、智算中心、萬全異構智算方案，以及服務器、存儲和數據網絡共同組成從基礎設施到服務運營的鏈條。方案還把頂層規劃、數據治理、計算優化和安全管理列為四項支撐工作。頂層規劃從服務對象、業務任務和目標水平倒推資源配置；數據治理梳理業務知識，把分散概念及其關系組織起來；計算優化讓模型、算力與架構相匹配，安全管理覆蓋加密、脫敏、權限和審計，并設有常態化第三方安全審計與組件檢測。聯想還將用電納入方案設計，在算力效率、數據治理和能源消耗之間統籌詞元生產與服務運營。聯想把算力和模型組織成按需調用的服務單元，詞元計量讓資源消耗可以被記錄和分配。目前公開的整套方案信息以架構和運營機制為主，客戶項目中的調度效率、用量管理與成本變化還需對應運行數據來衡量。
聯想iChain：履約決策提速，供應鏈風險響應前移
聯想全球供應鏈覆蓋180個市場、30多家工廠、100個物流中心和約2000家供應商，每年處理超過1400萬條訂單行。跨多個地區的供應鏈計劃人員一次要管理數千筆客戶訂單；零部件、生產排程和運輸之間相互牽連。一筆訂單出現交付風險時，計劃人員過去往往要在多個系統中查找信息、判斷根因，再同其他團隊商議調整。經過多年供應鏈數字化建設，聯想披露整體交付準確率提高30%。在已有可視化和風險監控能力的基礎上，iChain先在訂單履約、指標分析和風險管理等場景中應用，再隨團隊發現的新問題擴展，把監測、分析、建議和獲批準后的執行銜接到日常決策流程。
訂單履約智能體持續檢查交付承諾，找出可能延期的訂單，并追查影響交付的根因。識別問題之后，訂單履約智能體模擬不同恢復方案，向計劃人員推薦行動，再通過既有交易和執行系統連接后續流程。聯想披露，在自有供應鏈中，訂單履約智能體幫助團隊作出并執行履約決策的速度提高至原來的3倍。
同一平臺上的風險管理智能體處理另一類任務。風險管理智能體持續監測內部和外部信號，評估潛在中斷可能影響哪些供應商、零件、訂單和生產安排，并提出緩解建議。供應鏈與生產等相關團隊可在虛擬協同空間中交換判斷，借助閉環追蹤確認各項行動是否完成。聯想披露，在自有供應鏈運行中，風險評估準確率達到85%，風險響應速度提高至原來的4倍。
聯想將iChain智能體接入原有業務系統：控制塔與既有交易系統、工具、數據庫和模型相連。聯想訓練供應鏈團隊使用自然語言與智能體交互，并持續收集反饋。高風險或異常情況保留專家復核與審批；應用和數據架構也經過企業架構、安全及內部合規審查。聯想已形成面向客戶的iChain方案，支持客戶在已有系統基礎上分階段接入智能體。方案也承接了聯想在系統集成、流程調整、人員培訓和人工復核中積累的經驗。
聯想安全運營中心：智能體篩警情，專家處理關鍵威脅
在安全運營環節，聯想把AI智能體接入告警處理流程。聯想全球網絡每天分析超過150億條計算事件，約4000條需要深入調查，安全運營中心再從中識別25個最關鍵的問題，供專家優先處理。聯想安全運營中心負責保護分布在150個國家、由約8萬人使用的14萬臺設備，并持續篩查相關告警。過去，分析師要逐項核查設備狀態、文件哈希和網絡信息，再判斷告警是否構成真實威脅。不同工具之間的工作步驟分散，增加了調查時間。
聯想在自有安全運營中心先建立智能數據接入平臺，把來自不同安全系統的信號匯集、降噪，再由AI智能體對告警分級。低級事件由智能體按流程處理；復雜事件則補齊相關上下文和建議，交給安全專家判斷。團隊用了數月時間與分析師及安全合作伙伴一起針對不同告警反復測試輸出，形成對應的處置流程，并在日常運行中保留數據隔離、脫敏和日志記錄。告警處理產生的新信息又被用于識別重復出現的攻擊模式和調整安全策略。
按聯想披露的自身運行結果，過去需要分析師花45至60分鐘調查的信息，現在可以在數秒內匯集；平均發現攻擊的時間由4小時縮短至30分鐘，超過80%的低級事件現可在沒有分析師介入的情況下解決。聯想還披露，惡意軟件和攻擊識別的準確性提高至原來的20倍，平均事件處置時間由96小時縮短至24分鐘，網絡安全總擁有成本下降60%。安全專家因此把更多時間放在復雜且優先級更高的威脅上。
DeepSeek V4.1 Flash：非對稱結構減少模型緩存需求
9月10日，DeepSeek發布V4.1 Flash，并同步將新模型上線API。DeepSeek將V4.1 Flash定位為新結構系列中尺寸最小的型號。V4.1 Flash的總參數量為552B，采用新的Causal-Encoder-Decoder結構；模型運行時，輸入部分激活8B參數，輸出部分激活16B參數。混合專家結構按任務調用部分參數，輸入和輸出采用不同的激活規模，分別配置計算量。DeepSeek稱，這種非對稱設計旨在提高推理速度、吞吐量和后續擴展能力。新模型還采用了新的預訓練方式和更大規模的強化學習后訓練；按DeepSeek公布的自有基準結果，V4.1 Flash超過包括V4 Pro在內的若干模型。
對于持續對話和智能體任務，模型需要保存已經處理過的上下文，KV Cache便是其中重要的緩存。請求連續到來時，緩存占用會影響可同時服務的任務量，也會改變硬件資源的配置方式。DeepSeek稱，與上一代模型相比，V4.1 Flash對高帶寬顯存的需求降至原來的四分之一，對固態存儲的需求降至原來的八分之一；與初代模型相比，KV Cache已縮小437倍。在智能體任務中，緩存命中費用通常占有較高比例，DeepSeek將緩存壓縮與調用成本下降聯系起來。新模型還原生支持視覺理解，使文本與圖像可以進入同一調用入口。
開發者將API模型名稱設為deepseek-flash，即可調用V4.1 Flash。舊版Flash和視覺實驗版的模型名稱也暫時被路由至新模型，方便已有調用遷移。DeepSeek披露，發布時WorkBuddy（含CodeBuddy）和OpenCode已作為官方合作伙伴全量接入V4.1 Flash，模型進入開發工具的調用流程。DeepSeek同時提供模型權重和技術報告入口，供研究者查看結構、部署要求和測試方法。V4.1 Flash已進入對外服務階段，具體業務負載下的響應速度與費用還取決于任務和硬件條件。
宇樹科技UnifoLM-WLA：一個模型覆蓋多種真機任務
宇樹科技把模型研究帶到機器人的動作執行環節。UnifoLM-WLA-1.0是一個約6B參數的具身模型，以視覺、語言和動作的聯合建模為基礎，面向桌面操作與全身動作任務。宇樹科技稱，UnifoLM-WLA-1.0使用約2500小時高質量真機數據訓練，覆蓋64項任務，并適配二指夾爪和多種五指靈巧手。
在模型結構上，宇樹以UnifoLM-ER-Flow作為多模態基礎，再加入動作專家，使環境感知、任務理解和動作生成能夠在統一表示中銜接。宇樹科技介紹，具身推理模塊以開源Qwen3-VL-4B為底座，重點訓練物體位置、軌跡和空間關系判斷；動作專家再將這些判斷接入機器人任務。研發團隊將機器人的末端位姿、手部關節和下肢關節動作分別編碼成離散標記，并與視覺、語言信息對齊；模型還預測畫面中未來可能變化的區域，用于學習機器人動作與場景變化的關系。具身推理模型使用超過500萬份訓練樣本，涵蓋物體檢測、圖像點位、二維軌跡、三維目標和空間問答等任務。宇樹科技公布的16項多模態感知與理解評測中，具身推理模塊有7項領先參與比較的開源模型。
宇樹科技公布的G1人形機器人真機測試包括10項全身操作任務和54項桌面操作任務。測試從桌面物體操作延伸到需要全身協調的動作，還展示了不同末端執行器的適配。宇樹科技稱，相關研發借鑒了starVLA和Qwen-Image等開放項目。9月20日，宇樹科技開放了模型結構和訓練動作專家的代碼，具身推理模型的部分權重已另行發布；UnifoLM-WLA-Base權重仍在后續開放清單中。目前公開的驗證主要來自宇樹科技研發環境中的真機任務測試。
轉自：鷹潭新聞網
【版權及免責聲明】凡本網所屬版權作品，轉載時須獲得授權并注明來源“中國產業經濟信息網”，違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業宣傳資訊，僅代表作者個人觀點，不代表本網觀點和立場。版權事宜請聯系：010-65363056。
延伸閱讀
