Lenovo udvider sin AI-portefølje med en række nye løsninger inden for AI-inferens og agentisk AI, som skal gøre det lettere og mere omkostningseffektivt for virksomheder at implementere og skalere AI – fra AI-pc’er og arbejdsstationer til datacentre og cloudmiljøer.
Efterhånden som virksomheder bevæger sig fra AI-eksperimenter til konkrete forretningsløsninger, bliver fokus i stigende grad rettet mod, hvordan AI kan levere værdi i stor skala uden at drive omkostningerne i vejret.
Med Lenovo Hybrid AI Advantage ønsker Lenovo at gøre det muligt at køre AI tættere på de data, brugerne og de forretningsprocesser, hvor teknologien skaber størst værdi. Samtidig får virksomheder større fleksibilitet til at vælge, om AI skal køre lokalt, i datacentret eller i skyen – afhængigt af krav til ydeevne, sikkerhed og governance.
Fokus på lavere driftsomkostninger – udviklet i samarbejde med NVIDIA
Ifølge Lenovo CIO Playbook 2026 forventer 94 procent af virksomheder at øge deres investeringer i AI i løbet af det kommende år. Samtidig viser brancheanalyser, at mange organisationer oplever højere driftsomkostninger end forventet, når AI-løsninger skal skaleres fra pilotprojekter til produktion. Lenovo imødekommer denne udfordring med nye platforme, der er optimeret til AI-inferens og udviklet i samarbejde med blandt andre Intel, Red Hat, Canonical og NVIDIA.
De nye platforme gør det muligt at behandle flere AI-forespørgsler samtidigt, reducere svartider og forbedre ressourceudnyttelsen. For virksomheder med AI-workloads, der udnytter både CPU’er og GPU’er, kan løsningerne ifølge Lenovo reducere omkostningerne pr. AI-token med op til otte gange sammenlignet med cloudbaseret Infrastructure-as-a-Service og op til 18 gange sammenlignet med modelbaserede API-tjenester.
“Som det fremgår af vores Lenovo CIO Playbook 2026, planlægger 94 procent af virksomheder at øge deres investeringer i AI i løbet af det kommende år, og virksomhederne bevæger sig nu ud over AI-eksperimenter og efterspørger målbare forretningsresultater,” siger Ashley Gorakhpurwalla, President of Infrastructure Solutions hos Lenovo, og fortsætter:
“Lenovo er unikt positioneret til at hjælpe virksomheder med at implementere AI dér, hvor den skaber størst værdi – samtidig med, at vi markant forbedrer tokenøkonomien, forkorter tiden til værdiskabelse og opretholder den tillid, sikkerhed og governance, som organisationer kræver.”
Hurtigere vej til agentisk AI
Ashley Gorakhpurwalla, President of Infrastructure Solutions hos Lenovo
Lenovo introducerer samtidig nye muligheder for hurtig implementering af agentisk AI. Med ét klik kan virksomheder implementere autonome AI-agenter, der kan automatisere længerevarende og komplekse arbejdsopgaver. Teknologien kan blandt andet bruges til at hjælpe medarbejdere med hurtigere at finde information på tværs af virksomhedens systemer, automatisere rutineopgaver i IT-driften og understøtte mere effektiv fejlfinding gennem AIOps.
Lenovo udvider desuden mulighederne for udvikling af AI-løsninger med personlige AI Factory-miljøer baseret på Lenovo ThinkStation PGX, som giver udviklere en enklere vej fra proof of concept til produktion. Lenovo arbejder samtidig med en række branchespecifikke anvendelser, herunder AI-assistenter til detailhandlen, der kan hjælpe kunder med at finde varer, tjekke lagerstatus og modtage personlige anbefalinger, samtidig med at de aflaster butikkernes medarbejdere.
Sikkerhed og governance i centrum
Datasikkerhed, governance og compliance er fortsat helt centrale elementer i Lenovos AI-strategi. De nye løsninger omfatter blandt andet en CPU-baseret virtualiseringsplatform udviklet sammen med Nutanix, den samlede administrationsplatform Lenovo XClarity One samt hardwarebaserede sikkerhedsfunktioner, der understøtter organisationers krav til beskyttelse af data og overholdelse af regulatoriske krav.
Med den udvidede AI-portefølje ønsker Lenovo at give virksomheder en samlet platform, der gør det lettere at udvikle, implementere og skalere AI-løsninger på tværs af hybride miljøer – med fokus på høj ydeevne, lavere driftsomkostninger og en sikker overgang fra AI-pilotprojekter til drift i stor skala.
