5月28日，天津。联想在2026世界智能产业博览会上的展品清单颇为有趣：1000个智能体常驻运行，百万token成本不到1元，DeepSeek推理吞吐量翻倍，吉利汽车风阻仿真效率提升28倍。
这并非那种新闻稿中常见的“AI全面赋能企业数字化转型”式的说辞。联想这次给出了具体细节——用了什么架构、花了多少钱、取得了什么成果。对于从事企业数字化的人来说，这些数字远比“战略布局”之类的描述更有用。
龙虾湖在谈论什么
联想本次的企业级解决方案名为“龙虾湖”，本质上是一套私有化部署的智能体集群解决方案，可同时支持多达1000只“龙虾”（智能体）在线运行。
最让我关注的不是数量，而是成本结构：每百万高质量token的运营成本不到1元。这个数字在一年前几乎是不可能的，但现在却是可以在产品层面承诺的价格。
Agent cluster scale: 1000 private deployments, resident operation cost
私有化部署这件事，值得单独拿出来聊一聊。过去两年，大部分企业用AI都是走云端API，按调用量付费。用着用着，大家发现账单比预想的高，更头疼的是数据安全和合规问题——在出口加工、半导体、金融等行业，很多数据根本不能出内网。
龙虾湖的定位是降低这一门槛：私有化部署、数据留在企业边界内、自持算力。这一逻辑与早年鼓励使用公有云的路径相反，但更契合中国制造业和头部企业的实际采购偏好。
混合人工智能并非新术语
在开幕演讲中，杨元庆使用了“混合式人工智能”这一术语，这是联想至少两年来一直在使用的表述，但这一次，其含义有所不同。他表示，全球经济竞争的本质是“人工智能+实体经济生态体系的综合较量”，关键词是“生态体系”——不是技术，不是算力，而是生态体系。
人工智能时代的创新，不再是单一产品或技术的突破，而是系统性创新——技术、场景、生态、标准、治理缺一不可。
我认为这个判断是正确的。过去几年，企业AI项目失败率高的一个核心原因，就是只关注技术而忽视了场景和治理。技术本身其实已经不是最大的坑，最大的坑是“从哪个场景切入”和“出了问题谁负责”这两个问题。
联想还宣布了在天津的两项具体投资：通用服务器生产线将于2026年9月开始量产，新一代AI计算产品研发制造中心将于2027年秋季开始量产，两者均位于天津联想智慧创新服务产业园。这两个时间节点相当具体，并非“未来某时”的模糊承诺。
青田爪跑出去了什么
Lenovo Wanquan Heterogeneous Intelligent Computing Platform 4.0 is the underlying computing power support for the Qingtian AI platform. This exhibition showcased two specific cases:
| 场景 | Result | Instructions |
|---|---|---|
| DeepSeek推理吞吐量 | Double | Compared to the standard configuration, the processing capacity is doubled under the same computing power. |
| 吉利汽车风阻仿真 | 效率提升28倍 | HPC高性能计算场景，典型制造业需求 |
The wind resistance simulation case is quite representative. In automotive development, CFD (Computational Fluid Dynamics) simulation has always been a time-consuming process, with a full simulation potentially taking several days. A 28-fold increase in efficiency means that work that originally took a week can now be completed within six hours. This is not just "a little faster"; it changes the entire pace of design iteration.
In the vertical scenario of intelligent manufacturing, Lenovo also demonstrated three industry-specific intelligent agents: assisted design, intelligent quality inspection, and Rubik's Cube intelligent customer service, as well as the urban super intelligent agent (a 1+N architecture already deployed in multiple cities such as Shanghai and Chongqing).
企业应如何看待这些事情
有几个问题值得仔细思考。
首先，私有化智能体集群是否适合自身。龙虾湖的逻辑适合数据敏感度高、已有IT基础设施的企业，如领先的制造企业、金融机构和国有企业。对于中小企业而言，维护成本和配置复杂性反而可能成为负担。
第二，每百万token不到1元这一数字背后的前提是，联想提供的是自测数据；实际部署中的token使用量、调用频率、运维成本等因素都会影响真实的TCO（总拥有成本）。这一数字是参考基准，而非最终目标。
第三，诸如28倍风阻仿真等结果的可复现性。不同行业对HPC的需求差异很大；汽车行业的CFD需求与半导体EDA仿真的规模不可同日而语。联想能够复现这一结果的行业范围，比展会PPT中所陈述的要窄。
然而，这一切都不影响一个基本判断：部署企业级智能体的技术门槛正在迅速降低，私有化方案在价格和能力两方面都变得越来越可行。2026年的问题将不再是“能不能做”，而是“谁来牵头、从哪个场景切入”。
对于部署Odoo等ERP的企业而言，引入智能体的路径其实比外界想象的更清晰——ERP本身就是企业数据密度最高的系统。从采购助手、库存异常预警到客服自动化入手，在内网运行私有化小模型恰好绕开了数据安全的顾虑。
