英伟达DSX POD把AI工厂缩到14天，丁艳谈谁来接住Token洪流

21世纪经济报道记者 吴佳楠 深圳报道

英伟达在柏林GTC上发布DSX POD参考设计，这套方案用于搭建基于Vera Rubin平台的完整AI工厂，合作伙伴能在模块化集装箱里完成系统集成与验证。英伟达方面称，现场公用设施一旦就绪，部署周期有望从大约六个月压缩到14天。

此前英伟达把AI产业分成五层：能源、算力、基础设施、模型、应用。丁艳的说法是，Token之时，而非施工结束之日。

海外巨头的基建速度，让中孚恒升科技创始人丁艳博士想了不少。“14天投产，意味着从第15天开始，Token洪流倾泻而出。算力有了，模型有了，Token有了，但当下，有多少人能接住这条洪流？”近日的中孚恒升科技战略发布会上，丁艳接受包括21世纪经济报道在内的媒体采访，说了这番话。

过去两年，AI产业讲来讲去离不开算力。智算中心到处开建，大模型几天一迭代，Token像自来水一样往外涌。可繁荣底下藏着一道真实的断层：建设端，高压电工、液冷专家、网络架构师、算法工程师都极度紧缺；应用端，企业员工、开发者、产业一线人员面对AI不知从何下手，原来的技能接不住新任务。

换句话说，算力建设越跑越快，每座14天投产的AI工厂都在往市场上投放海量Token，能把这些Token用好的人却不够多。底座在狂飙，上层在爆发，中间横着一道能力断层。

行业断层摆在这里，需要的是能直接上手、会算Token成本、能解决实际业务问题的实战选手。

丁艳的判断是，算力可以一夜建成，能力不行。她认为未来AI能力基建有三大支柱：算力部署、能力生成和效能优化。

算力部署是物理底座，靠模组化算力集群，把真实算力送到企业现场和工作一线。能力生成是产出，把产业层的核心技术能力变成可操作、可验证、可认证的实战能力，培养的不是码农，而是懂业务、能重构工作流、具备责任伦理的AI应用型人才。效能优化是最核心的一层，未来的AI应用型人才得是个“会算账”的人：企业引入AI怎么降本增效，开发者调用模型怎么衡量投入产出，这些都要靠“调Token”的量化方法来回答。

算力部署方面，该公司拿到了英伟达NPN合作伙伴授权。平台运行环境中，算力调度平台统一纳管主流大模型和多源异构算力，用户不用注册各种账号、折腾API，系统会自动匹配最合适的模型算力；端侧则通过调度平台把算力输送到企业内网和实训现场，用户在本机终端就能操控真实设备、跑私有数据微调。线上线下联动，实战闭环由此形成。

端侧算力有个好处：用户不必耗费云端资源，数据安全也能保住。

商业模式上，据其介绍，面向C端个人、B端企业和机构提供“公有培训云”，按账号或订阅制收费；面向政府、人才集团和院校提供“基地运营服务”，校企共建区域基地，按项目或按分成合作。

丁艳表示，公司正在帮用户建立对Token的认知。她描绘了这样一幅图景：每个学习者都习惯用最少的Token产出最大价值，每一次微实操都沉淀为个人能力标签。在她看来，这不只是搭一个平台，而是在构建一个Token服务与交易的教育垂直生态。

这套闭环也给AI产业留了个值得审视的样本。过去两年，行业主流叙事是规模，比谁算力多、谁模型强、谁流量大。现在，沉淀“调Token”的能力成了企业布局的关键。只不过这条路能不能走通，还得靠时间验证。

但它抛出的问题值得全行业想一想：算力可以一夜建成，AI产业做能力建设是不是还在用一夜建成的思维？Token成了AI时代的货币，行业做基础设施建设是不是还在用卖工具的逻辑？

丁艳表示，普通人用AI，关键要找到适配的资源。现在不同模型调用Token不一样，帮别人找到合适的模型，本身就是商业价值。公司针对教育科研场景做垂直生态的算力分解和调度，想接住AI时代的Token洪流。