夜雨聆风
一提到AI，很多人首先想到的是大模型。
谁的参数更多，谁的回答更聪明，谁又把API价格降了一半。
但普通用户真正使用AI时，面对的不是一个悬浮在云端的模型。
他需要一台能运行AI的电脑，需要服务器完成推理，需要企业把内部资料整理好，还需要有人负责安装、运维和解决问题。
模型决定AI能做什么。
硬件、基础设施和服务，决定AI能不能真正被使用。
一、联想这份财报有什么不同？
2026年8月13日，联想公布2026/27财年第一季度业绩：
总收入269亿美元，同比增长43%； 调整后净利润11亿美元，同比增长176%； AI相关业务收入93亿美元，同比增长60%； AI相关收入占总收入35%； 研发投入同比增长30%。
联想把AI相关收入定义为三类：
配备NPU的电脑和智能手机； 配备GPU的AI服务器； 帮助客户建设、扩展和管理AI的服务。
换句话说，这93亿美元并不是来自一个聊天机器人，而是分布在设备、基础设施和服务中。联想官方业绩
二、为什么AI不可能只存在于云端？
云端大模型能力强、更新快，却存在三个现实限制。
第一，成本。
如果企业所有任务都调用最高规格模型，推理费用会随着用户数、调用轮次和上下文长度快速增加。
第二，延迟。
会议字幕、工业控制、设备识别等场景，需要在很短时间内返回结果。数据全部上传云端，未必符合响应要求。
第三，数据。
企业合同、研发资料和个人文件并不都适合离开本地环境。
因此，越来越多业务会采用混合架构：
轻量、敏感和高频任务在电脑、手机或边缘设备上完成； 复杂推理交给企业服务器或云端模型； 企业通过统一服务管理设备、数据、权限和模型。
这就是“混合式AI”真正的含义。
它不是为了创造一个新名词，而是在成本、能力和数据边界之间做分工。
三、AI产业的价值链正在向四层扩散
第一层：AI终端
普通电脑曾经主要承担显示和输入功能。
加入NPU以后，一部分翻译、总结、图像处理和个人知识检索，可以在设备本地完成。
但AI PC的价值不能只看有没有NPU。
真正的问题是：
用户每天是否使用本地AI功能； 软件是否针对芯片完成适配； 本地运行是否真的节约时间和云端费用。
没有高频应用，AI PC仍可能只是参数更高的电脑。
第二层：AI基础设施
联想披露，其AI服务器订单储备达到540亿美元，较上一季度增长157%。
服务器市场的机会不只属于GPU。
一套可用的AI系统还需要存储、网络、散热、电源、机架、调度软件和维护服务。
模型规模越大，这些“看起来不聪明”的环节越重要。
第三层：边缘计算
工厂、商店、医院和交通场景不可能把所有原始数据无限上传。
边缘设备可以先完成筛选、识别和异常判断，再把需要深度分析的信息传到云端。
这让AI从办公室软件进入现实空间。
第四层：服务
设备交付只是开始。
企业还需要完成模型部署、知识库整理、权限设置、运行监控、员工培训和持续优化。
联想披露，其AI服务收入实现三位数增长，但未公布单独金额。
这一口径至少说明：客户购买的不再只是机器，也在购买让机器产生结果的能力。
四、为什么传统硬件公司可能重新获得价值？
过去，硬件行业经常面临同质化竞争。
处理器来自少数供应商，操作系统高度集中，厂商容易陷入价格和供应链效率之争。
AI带来了一个新的机会：
硬件厂商可以从“卖一台机器”，向“交付一套结果”延伸。
例如，制造企业不只是购买服务器，而是需要一套能够识别质量问题的系统；零售企业不只是购买电脑，而是希望店员获得智能导购和库存提醒；体育赛事不只是采购设备，还需要转播、分析和现场运维。
联想在2026年世界杯中提供设备、基础设施、服务和AI解决方案，就是这种变化的现实场景。
产业价值正在从单一产品，转向“设备＋模型＋服务＋行业流程”。
五、这份财报也存在三个需要看清的口径
第一，AI相关收入由联想自行定义。
配备NPU的电脑即被纳入AI设备收入，但用户是否真正高频使用AI，需要更多产品数据验证。
第二，调整后利润不等于会计净利润。
路透社报道显示，联想当季股东应占净亏损6.09亿美元，主要受到2025年发行认股权证产生的17亿美元非现金公允价值损失影响；剔除一次性及非现金项目后，调整后净利润为10.75亿美元。Reuters
第三，订单储备不等于已经确认的收入。
服务器需要实际交付、验收并满足合同条件，才能逐步转化为收入和现金流。
因此，联想的财报证明AI需求正在扩散，却不能据此认定所有AI硬件项目都已形成稳定利润。
六、对普通企业有什么启示？
企业不必一开始就训练自己的大模型。
更现实的顺序是：
找出一个高频、可量化的业务问题； 判断哪些数据必须留在本地； 把任务分成本地、企业服务器和云端三类； 选择能够稳定完成任务的模型，而不是只看排行榜； 把设备、软件、权限和人工审核一起纳入成本； 用时间、错误率和业务结果验收。
真正应该计算的不是买了多少“AI设备”，而是每一个合格任务的总成本有没有下降。
七、普通人需要关注什么？
第一，不要把AI能力等同于会聊天。
未来大量AI会隐藏在电脑、手机、工厂和企业系统中。
第二，懂业务和部署的人会更重要。
企业需要的不只是模型研究员，也需要能够完成设备配置、数据整理、工作流设计和结果验收的人。
第三，AI终端可能带来新的学习门槛。
会购买一台AI电脑不等于会使用AI。真正的差距来自能否把它嵌入每天的工作。
AI产业早期的聚光灯照在模型上。
但当AI开始进入真实世界，价值会逐渐流向更多环节：
谁提供设备，谁建设基础设施，谁管理数据，谁把模型接入业务，谁对结果负责。
联想AI相关收入占比达到35%，并不意味着大模型不再重要。
它说明了一件更现实的事：
模型创造智能，产业负责交付智能。
下一阶段真正庞大的市场，可能不是再多一个聊天窗口，而是让AI稳定地进入每一台设备、每一家企业和每一条业务流程。
本文基于企业财报及公开报道进行产业分析，不构成投资、采购或技术部署建议。企业定义的AI相关收入、调整后利润及订单储备不等同于已经实现的AI净利润和现金收入。