10月18日，以“超智深融 算力圳浓”为主题的2026 CCF全国高性能计算学术大会在深圳举行。其间，联想以“混合词元工厂”为主线，集中展示万全异构智算、海神液冷、超节点等算力解决方案，系统呈现了AI时代联想基础设施的前沿技术与创新成果。

　　联想集团首席科学家肖利民围绕《存算融合加速大模型推理的探索实践》发表演讲，系统介绍了联想在CXL内存池与近存计算融合方面的技术创新，为降低Token综合成本提供了参考路径。

　　联想集团首席科学家肖利民

　　随着Agentic AI加速落地，大模型应用正从单一的对话工具走向具备感知、规划与执行能力的智能体，AI算力需求也从训练进一步向推理延伸。市场研究机构Fortune Business Insights预测，全球AI推理市场规模将从2026年的约1178亿美元增长至2034年的约3126亿美元。

　　但大模型推理市场高速增长的背后，技术性能瓶颈日益凸显，推理请求和上下文长度不断增加，使模型运行过程中产生的KV Cache快速增长。有限的GPU显存难以兼顾模型权重、KV Cache存储和高并发推理；转存至主机内存，又会面临访问带宽不足、延迟较高等问题，如何拓展KV Cache存储可用容量、降低访存开销，成为大模型推理基础设施亟待解决的关键问题。

　　针对这一挑战，肖利民系统分享了联想在内存扩展与近存计算融合方面的探索实践。一方面，基于CXL内存池扩展可用内存容量，让KV Cache能够分层存储，并支持多个推理实例共享公共前缀，减少重复存储和重算；另一方面，在内存侧配置近存计算引擎，将Attention等适合的计算任务与KV数据一起下沉至内存侧，借助近存计算让数据就近处理、减少KV跨设备搬运，从而破解“内存墙”问题。

　　肖利民表示，验证数据表明，存算融合推理加速系统可显著降低大模型推理延迟，大幅提升系统吞吐量。分项验证中，对比NVMe层，内存池在固定输入长度场景TTFT降低3.5倍，在多轮对话场景TTFT降低2.4倍，且随着对话轮次变多，延迟上涨幅度相对平缓，优势更加明显。

　　借助内存池实现KV复用，相比完全重计算，首Token延迟加速12至28倍；对比RDMA架构内存池，也可以实现2至3倍的加速。把注意力计算下沉内存池侧，解码延迟降低约2.5倍，同时腾出大量显存，可用于支持更长上下文、更大规模模型。

　　端到端推理延迟方面，与RDMA内存池基线对比，取得了2至3倍的端到端加速，且上下文越长，加速效果越明显；系统吞吐量提升更加可观，随着上下文变长，系统吞吐量提升6至20倍。

　　活动现场，联想正式发布聚焦词元工厂、海神液冷、AI存储的三卷《联想算力基础设施差异化优势非凡箓》，并重点展示的绿色液冷落地技术与前沿方案。

　　据介绍，目前，海神液冷技术解决方案已在多个重点行业应用落地。在制造领域，联想基于海神温水水冷高性能计算解决方案，构建了吉利星睿智算中心·智能仿真平台，为车型研发提供强劲算力支持，该平台可支持吉利汽车开展超1.2万次全场景虚拟碰撞试验、超过72万公里的虚拟道路耐久测试，并大幅提升研发仿真计算效率，数据中心PUE为1.1062，一年满负荷运行可减少约3179吨碳排放。

　　在教育领域，联想面向教科研HPC和AI4S混合场景，实现HPC与AI异构算力融合，提升CPU、GPU资源利用率，解决数据共享难题，支撑了辽宁大学、上海交通大学等众多高校在科学前沿领域的研究。

　　在气象领域，联想为北京气象局搭建了由800台服务器组成的温水水冷高性能计算系统，支持7×24小时天气、气候和环境气象业务，这一系统曾服务北京冬奥会的气象保障，支撑了分钟级、百米级的气象预报需求。（鸣耒）