我的征尘是星辰大海。。。

The dirt and dust from my pilgrimage forms oceans of stars...

-------当记忆的篇章变得零碎，当追忆的图片变得模糊，我们只能求助于数字存储的永恒的回忆

作者:黄教授

手机视频列表

AI算力的底层算力革命与联想的战略棋局

视频

音频

原始脚本

固件级内存池化， ai 算力的底层革命与联想的战略棋局。
ai 训练的最大痛点从来不是算法，而是内存、显存的管理与稳定性。
OOM 显存溢出、训练中断、随机停机，这些困扰开发者的问题，根源不在于软件或模型。
而在于当前显存池化完全依赖厂商驱动的软件模拟，而非硬件原生支持。
联想收购 PhoenixBIOS 的战略意义正是要在 UEFI 固件层。
用 CXL 技术彻底解决这一核心痛点，重构 AI 服务器的底层规则。
一、当前显存池化的致命短板，软件模拟的假池。
一、 NVLink 私有协议的本质，物理隔离加软件拼接。
NVIDIA 的 NVLink 华为的 Matrix Link 等私有协议。
虽能实现高速互联，如 nvlink 双向1.8T 带宽，但核心是物理显存完全隔离。
uefi 枚举阶段。
每张 GPU 被识别为独立设备，显存地址互不融合，固件层无任何池化操作。
系统加载后，全靠库达驱动做虚拟地址翻译、数据拷贝。
缓存同步，把多张独立显存逻辑拼成池。
本质缺陷，这是软件模拟的假池，天生存在抖动、死锁、碎片。
且单卡物理上限无法突破，峰值显存超单卡直接 OOM 集群越大，驱动同步压力越高，随机停机越频繁。
二、软件池化的三重核心痛点。
可靠性差，驱动 bug  os 适配冲突、版本不兼容，导致训练随机中断，开发者需反复调试规避风险。
黑盒化严重。
厂商驱动闭源，显存调度逻辑不透明，问题排查困难，稳定性完全依赖厂商补丁迭代。
资源壁垒高，仅支持同型号同厂商 GPU 易购设备。
如 AMD GPU plus NVIDIA GPU 无法池化，硬件选择被锁死，成本高企。
二、 CXL 唯一能实现固件级原生池化的开放标准。
一、 CXL 的革命性突破。
UEFI 层硬件统一内存池 CXL。
Compute Express Link 基于 PCIe 5.0，是当前唯一能在 UEFI 固件枚举阶段实现硬件原生内存池化的开放协议。
固件启动阶段， uefi 直接扫描 cxl 设备，将 cpu 内存、 gpu 显存、扩展内存统一编入全局物理地址表。
硬件层完成地址合并，硬件缓存一致，内置全域缓存一致性引擎，无需驱动做软件同步。
cpu  gpu AI 模型可直接读写统一地址空间，数据一致性由硬件保障，完全透明化。
OS 驱动应用层无需修改，直接识别全局内存池。
彻底摆脱厂商驱动的软件依赖。
二、 CXL 如何解决 AI 训练的核心痛点？根治 OAM 全局内存池无单卡上限。
峰值显存自动弥散到整个池，突发 OOM 概率降低80%以上。
稳定性跃升，固件及硬件管理，无驱动，同步抖动，死锁。
训练过程平稳，意外停机大幅减少。
打破异构壁垒，支持不同厂商、不同型号 CPU  GPU  FPGA 混合池化。
硬件选择自由，成本显著降低。
三、联想收购 PhoenixBIOS，抢占 AI 底层的战略制高点。
一、收购的核心逻辑。
掌控 UEFI 固件，主导 CXL 落地2026年4月。
联想完成对 PhoenixBIOS 的收购，获得全套 UEFI 固件 IP。
技术与研发团队。
这不是简单的资产并购，而是瞄准 AI 时代底层痛点的战略落子。
自研固建，自主可控，摆脱对第三方 BIOS 厂商的依赖。
独家掌控 UEFI 固件开发，可深度定制 CXL 相关功能，优先适配联想服务器硬件，私有化适配，降低开发难度，无需兼容全行业硬件，仅需为联想 ThinkPad 及自有 AI 服务器适配。
大幅减少开发工作量，加速 CXL 固件及池化技术落地。
爱尔兰布局规避地缘风险，将 Phoenix 核心团队留在爱尔兰，规避美国政府干预，保障技术研发与迭代的独立性。
二、战略目标打破 NVIDIA 高端集群垄断，改写 AI 服务器格局。
当前 NVIDIA 凭借 NVLink 加 CUDA 软件栈。
垄断高端 AI 服务器市场，显存池化技术成为其核心壁垒。
联想的目标很明确，用 CXL 固件池化替代 NVLink 软件池化。
以开放标准加固件及稳定性，削弱 nvidia 私有协议优势，让易购设备高效池化成为主流，重构 ai 服务器价值体系。
从拼单卡显存转向拼全局内存池能力。
联想凭借自研 UEFI 加 CXL 技术，成为新标准的制定者，抢占高端 AI 服务器市场份额。
打造差异化竞争力，区别于戴尔、惠普等仍依赖第三方 BIOS 的厂商，联想可提供固件加硬件加 CXL 全栈解决方案。
稳定性与性能优势显著。
四、未来展望。
固件及池化 ai 算力的新基建一、短期挑战。
固件开发难度极高。
UFI 固件是最严苛的开发环境，直接操作硬件底层，稳定性、兼容性要求远超驱动开发。
CXL 固件及池化需解决地址映射。
缓存一致性、易购适配等一系列难题，研发周期长、投入大，绝非一蹴而就。
二、长期价值，重塑 AI 产业生态，一旦联想实现。
CXL 固件及原生池化将带来三大变革。
开发者福音，告别 O M 与随机停机，训练稳定性提升一个数量级。
专注模型创新而非底层调试，硬件民主化，打破厂商私有协议壁垒，易购设备自由组合，AI 算力成本大幅下降。
普惠中小开发者，产业格局重构，联想从硬件制造商升级为底层技术主导者，与 NVIDIA 华为形成差异化竞争。
推动 AI 产业从封闭生态向开放标准演进。
解语 AI 的竞争终局在底层，内存、显存池化是 AI 算力的新基建。
而固件级原生池化是解决当前痛点的唯一路径。
联想收购 PhoenixBIOS 不是简单的技术补强，而是抓住了 AI 时代最核心的底层命题。
用 UEFI 加 CXL 重构内存管理规则，打破垄断，为全球 AI 开发者提供更稳定、更开放、更经济的算力底座。
未来，当固件及池化成为标配，我们回望现在会发现，真正的 AI 革命始于看不见的固件底层。

修正脚本

固件级内存池化， ai 算力的底层革命与联想的战略棋局。
ai 训练的最大痛点从来不是算法，而是内存、显存的管理与稳定性。
OOM 显存溢出、训练中断、随机停机，这些困扰开发者的问题，根源不在于软件或模型。
而在于当前显存池化完全依赖厂商驱动的软件模拟，而非硬件原生支持。
联想收购 PhoenixBIOS 的战略意义正是要在 UEFI 固件层，用 CXL 技术彻底解决这一核心痛点，重构 AI 服务器的底层规则。
一、当前显存池化的致命短板，软件模拟的假池。
二、 NVLink 私有协议的本质，物理隔离加软件拼接。
NVIDIA 的 NVLink 华为的 Matrix Link 等私有协议。
虽能实现高速互联，如 nvlink 双向1.8T 带宽，但核心是物理显存完全隔离。
uefi 枚举阶段。
每张 GPU 被识别为独立设备，显存地址互不融合，固件层无任何池化操作。
系统加载后，全靠CUDA驱动做虚拟地址翻译、数据拷贝。
缓存同步，把多张独立显存逻辑拼成池。
本质缺陷，这是软件模拟的假池，天生存在抖动、死锁、碎片。
且单卡物理上限无法突破，峰值显存超单卡直接 OOM，集群越大，驱动同步压力越高，随机停机越频繁。
三、软件池化的三重核心痛点。
可靠性差，驱动 bug、os 适配冲突、版本不兼容，导致训练随机中断，开发者需反复调试规避风险。
黑盒化严重。
厂商驱动闭源，显存调度逻辑不透明，问题排查困难，稳定性完全依赖厂商补丁迭代。
资源壁垒高，仅支持同型号同厂商GPU异构设备。
如 AMD GPU plus NVIDIA GPU 无法池化，硬件选择被锁死，成本高企。
二、 CXL 唯一能实现固件级原生池化的开放标准。
一、 CXL 的革命性突破。
UEFI 层硬件统一内存池 CXL。
Compute Express Link 基于 PCIe 5.0，是当前唯一能在 UEFI 固件枚举阶段实现硬件原生内存池化的开放协议。
固件启动阶段， uefi 直接扫描 cxl 设备，将 cpu 内存、 gpu 显存、扩展内存统一编入全局物理地址表。
硬件层完成地址合并，硬件缓存一致，内置全域缓存一致性引擎，无需驱动做软件同步。
cpu、gpu AI 模型可直接读写统一地址空间，数据一致性由硬件保障，完全透明化。
OS 驱动应用层无需修改，直接识别全局内存池。
彻底摆脱厂商驱动的软件依赖。
二、 CXL 如何解决 AI 训练的核心痛点？根治 OOM 全局内存池无单卡上限。
峰值显存自动弥散到整个池，突发 OOM 概率降低80%以上。
稳定性跃升，固件级硬件管理，无驱动同步抖动、死锁。
训练过程平稳，意外停机大幅减少。
打破异构壁垒，支持不同厂商、不同型号 CPU、 GPU、 FPGA 混合池化。
硬件选择自由，成本显著降低。
三、联想收购 PhoenixBIOS，抢占 AI 底层的战略制高点。
一、收购的核心逻辑。
掌控 UEFI 固件，主导 CXL 落地。2026年4月，联想完成对 PhoenixBIOS 的收购，获得全套 UEFI 固件 IP、技术与研发团队。
这不是简单的资产并购，而是瞄准 AI 时代底层痛点的战略落子。
自研固件，自主可控，摆脱对第三方 BIOS 厂商的依赖。
独家掌控 UEFI 固件开发，可深度定制 CXL 相关功能，优先适配联想服务器硬件，私有化适配，降低开发难度，无需兼容全行业硬件，仅需为联想 ThinkPad 及自有 AI 服务器适配。
大幅减少开发工作量，加速 CXL 固件级池化技术落地。
爱尔兰布局规避地缘风险，将 Phoenix 核心团队留在爱尔兰，规避美国政府干预，保障技术研发与迭代的独立性。
二、战略目标打破 NVIDIA 高端集群垄断，改写 AI 服务器格局。
当前 NVIDIA 凭借 NVLink 加 CUDA 软件栈。
垄断高端 AI 服务器市场，显存池化技术成为其核心壁垒。
联想的目标很明确，用 CXL 固件级池化替代 NVLink 软件池化。
以开放标准加固件级稳定性，削弱 nvidia 私有协议优势，让异构设备高效池化成为主流，重构 ai 服务器价值体系。
从拼单卡显存转向拼全局内存池能力。
联想凭借自研 UEFI 加 CXL 技术，成为新标准的制定者，抢占高端 AI 服务器市场份额。
打造差异化竞争力，区别于戴尔、惠普等仍依赖第三方 BIOS 的厂商，联想可提供固件加硬件加 CXL 全栈解决方案。
稳定性与性能优势显著。
四、未来展望。
固件级池化 ai 算力的新基建。一、短期挑战。
固件开发难度极高。
UEFI 固件是最严苛的开发环境，直接操作硬件底层，稳定性、兼容性要求远超驱动开发。
CXL 固件级池化需解决地址映射。
缓存一致性、异构适配等一系列难题，研发周期长、投入大，绝非一蹴而就。
二、长期价值，重塑 AI 产业生态，一旦联想实现CXL 固件级原生池化，将带来三大变革。
开发者福音，告别 OOM 与随机停机，训练稳定性提升一个数量级。
专注模型创新而非底层调试，硬件民主化，打破厂商私有协议壁垒，异构设备自由组合，AI 算力成本大幅下降。
普惠中小开发者，产业格局重构，联想从硬件制造商升级为底层技术主导者，与 NVIDIA 华为形成差异化竞争。
推动 AI 产业从封闭生态向开放标准演进。
结语 AI 的竞争终局在底层，内存、显存池化是 AI 算力的新基建。
而固件级原生池化是解决当前痛点的唯一路径。
联想收购 PhoenixBIOS 不是简单的技术补强，而是抓住了 AI 时代最核心的底层命题。
用 UEFI 加 CXL 重构内存管理规则，打破垄断，为全球 AI 开发者提供更稳定、更开放、更经济的算力底座。
未来，当固件级池化成为标配，我们回望现在会发现，真正的 AI 革命始于看不见的固件底层。

英文翻译

Firmware-Level Memory Pooling: The Underlying Revolution of AI Computing Power and Lenovo’s Strategic Chess Move.

The biggest pain point in AI training has never been the algorithm, but the management and stability of memory and video memory.

OOM (Out of Memory), video memory overflow, training interruptions, and random shutdowns—these issues plaguing developers do not stem from software or models.

Instead, they arise from the fact that current video memory pooling relies entirely on vendor-driven software simulation, not native hardware support.

Lenovo’s strategic significance in acquiring PhoenixBIOS is to solve this core pain point at the UEFI firmware level using CXL technology, fundamentally reshaping the underlying rules of AI servers.

1. The Fatal Shortcomings of Current Video Memory Pooling: A Fake Pool via Software Simulation.

2. The Essence of NVLink Private Protocols: Physical Isolation Plus Software Splicing.

NVIDIA’s NVLink, Huawei’s Matrix Link, and other private protocols,

though capable of high-speed interconnection (e.g., NVLink bidirectional 1.8T bandwidth), fundamentally keep physical video memory completely isolated.

During the UEFI enumeration phase,

each GPU is recognized as an independent device, video memory addresses are not merged, and no pooling operation occurs at the firmware level.

After system load, everything relies on the CUDA driver for virtual address translation, data copying,

and cache synchronization, logically stitching multiple independent video memories into a pool.

The inherent flaw is that this is a fake pool via software simulation, inherently suffering from jitter, deadlocks, and fragmentation.

Moreover, the physical limit of a single card cannot be broken—peak video memory exceeding one card directly causes OOM. The larger the cluster, the higher the driver synchronization pressure, and the more frequent random shutdowns.

3. Three Core Pain Points of Software Pooling.

Poor reliability: Driver bugs, OS adaptation conflicts, and version incompatibilities lead to random training interruptions, requiring developers to repeatedly debug and avoid risks.

Severe black-box nature:

Vendor drivers are closed-source, video memory scheduling logic is opaque, troubleshooting is difficult, and stability entirely depends on vendor patch iterations.

High resource barriers: Only supports GPUs of the same model and vendor—heterogeneous devices

(e.g., AMD GPU + NVIDIA GPU) cannot be pooled together, locking hardware choices and keeping costs high.

2. CXL: The Only Open Standard for True Firmware-Level Native Pooling.

1. CXL’s Revolutionary Breakthrough.

UEFI-layer hardware unified memory pool: CXL.

Compute Express Link, based on PCIe 5.0, is currently the only open protocol that achieves hardware-native memory pooling during the UEFI firmware enumeration phase.

During firmware startup, UEFI directly scans CXL devices, unifying CPU memory, GPU video memory, and extended memory into a global physical address table.

Address merging is completed at the hardware layer, with hardware cache coherence—built-in global cache consistency engine eliminates the need for software synchronization via drivers.

CPUs and GPUs, including AI models, can directly read and write the unified address space, with data consistency guaranteed by hardware, fully transparent.

No modifications needed at the OS, driver, or application layer—they directly recognize the global memory pool.

Completely frees dependence on vendor-driven software.

2. How Does CXL Solve the Core Pain Points of AI Training? Eliminate OOM: Global memory pool has no single-card upper limit.

Peak video memory automatically spreads across the entire pool, reducing the probability of sudden OOM by more than 80%.

Stability leaps: Firmware-level hardware management eliminates driver synchronization jitter and deadlocks.

Training processes are stable, with significantly fewer unexpected shutdowns.

Break heterogeneous barriers: Supports mixed pooling of CPUs, GPUs, and FPGAs from different vendors and models.

Free hardware choice, significantly lower costs.

3. Lenovo Acquires PhoenixBIOS: Seizing the Strategic High Ground of AI Underpinnings.

1. The Core Logic of the Acquisition.

Control UEFI firmware and lead CXL implementation. In April 2026, Lenovo completed the acquisition of PhoenixBIOS, obtaining the full set of UEFI firmware IP, technical know-how, and R&D team.

This is not a simple asset acquisition but a strategic move targeting the underlying pain points of the AI era.

Self-developed firmware ensures independent control, eliminating reliance on third-party BIOS vendors.

Exclusive control over UEFI firmware development allows deep customization of CXL-related functions, prioritizing adaptation for Lenovo server hardware—proprietary adaptation reduces development difficulty without needing compatibility across the entire industry. Only adaptation for Lenovo ThinkPad and its own AI servers is required.

This greatly reduces development workload and accelerates the implementation of CXL firmware-level pooling technology.

Ireland layout to mitigate geopolitical risks: Keep Phoenix’s core team in Ireland to avoid U.S. government intervention, ensuring independence in technology R&D and iteration.

2. Strategic Goal: Break NVIDIA’s High-End Cluster Monopoly and Reshape the AI Server Landscape.

Currently, NVIDIA leverages NVLink plus the CUDA software stack

to monopolize the high-end AI server market, with video memory pooling technology as its core barrier.

Lenovo’s goal is clear: replace NVLink’s software pooling with CXL firmware-level pooling.

Using open standards plus firmware-level stability, weaken NVIDIA’s private protocol advantages, make efficient heterogeneous device pooling mainstream, and restructure the value system of AI servers.

Shift from competing on single-card video memory to competing on global memory pool capability.

By relying on self-developed UEFI plus CXL technology, Lenovo becomes the standard-setter, capturing market share in high-end AI servers.

Creating differentiated competitiveness: Unlike Dell, HP, and others that still rely on third-party BIOS, Lenovo can provide a full-stack solution of firmware, hardware, and CXL.

Significant advantages in stability and performance.

4. Future Outlook:

Firmware-Level Pooling as the New Infrastructure for AI Computing Power. 1. Short-term Challenges.

Firmware development is extremely difficult.

UEFI firmware is the most stringent development environment, directly manipulating hardware at the bottom layer, with stability and compatibility requirements far exceeding driver development.

CXL firmware-level pooling needs to solve a series of challenges: address mapping,

cache coherence, heterogeneous adaptation, etc. R&D cycles are long and investments are large—far from an overnight success.

2. Long-term Value: Reshaping the AI Industry Ecosystem. Once Lenovo achieves CXL firmware-level native pooling, three major transformations will occur:

A boon for developers: Say goodbye to OOM and random shutdowns; training stability improves by an order of magnitude.

Focus on model innovation, not underlying debugging. Hardware democratization: Break vendor private protocol barriers; freely combine heterogeneous devices; AI computing costs drop significantly.

Empowering small and medium developers. Industry structure reshuffles: Lenovo upgrades from hardware manufacturer to underlying technology leader, forming differentiated competition with NVIDIA and Huawei.

Driving the AI industry from closed ecosystems toward open standards.

Conclusion: The endgame of AI competition lies in the underlying layer. Memory and video memory pooling are the new infrastructure for AI computing power.

Firmware-level native pooling is the only path to solving current pain points.

Lenovo’s acquisition of PhoenixBIOS is not simply a technical enhancement; it captures the most fundamental underlying proposition of the AI era.

By using UEFI plus CXL to reconstruct memory management rules, break monopolies, and provide a more stable, open, and economical computing foundation for global AI developers.

In the future, when firmware-level pooling becomes the standard, looking back at the present, we will realize that the true AI revolution began in the invisible firmware layer.