一边加快AI工厂建设，一边推动企业掌控自己的智能能力。黄仁勋在GTC柏林的最新演讲，让这两条产业线索进一步交汇。
10月21日，英伟达（NVDA）发布模块化AI工厂参考设计DSX POD，提出在场地配套就绪后，将现场部署时间缩短至最快14天；围绕DSX平台的更新，则提出在相同Token产出下，最高减少30%的功耗。
这两个数字背后，是AI产业正在面对的现实命题：如何让昂贵的算力更早投入运行，并持续产生有价值的智能服务？
随着智能体进入业务流程，一次任务可能包含资料检索、多轮推理、工具调用与结果校验。企业对AI的需求，随之从偶尔调用，转向持续运行。
需求变化，也在改变基础设施的评价标准。
设备是否先进只是起点。模型能否高效运行、并发请求能否稳定承接、资源能否灵活调度，都会影响最终服务成本。即使采用相同的GPU，不同的部署与运营能力，也可能带来不同的业务效果。
因此，Token工厂的产业价值，在于将算力、模型和软件组织成可持续交付的推理服务。部署提速缩短投入等待期，推理优化改善资源效率，计量与运维则让服务能够长期经营。
对企业而言，真正值得关注的指标，是在明确的质量与响应要求下，完成业务任务需要多少成本。
与AI工厂建设同步升温的，是主权AI。英伟达（NVDA）在柏林强调，通过开放模型与可控基础设施，让本地数据和专业知识形成适配自身需求的智能能力。
这一趋势延伸到企业，指向的是对数据、模型服务和运行过程的控制。
企业的工艺经验、研发资料、客户信息和历史决策，构成了难以复制的知识资产。AI越深入业务，越需要读取这些信息，甚至调用内部系统执行操作。部署地点、访问权限、数据流向和操作记录，也就成为基础设施建设的一部分。
这意味着，效率与控制权需要同时考虑：既要获得持续可用的推理服务，也要能够决定哪些数据在哪里处理、哪些应用可以访问、哪些操作需要授权。
Token工厂回答智能服务如何高效供给，主权AI进一步追问，这种能力由谁掌控。
作为英伟达（NVDA）的合作伙伴，奥尼持续围绕AI推理与智能体落地推进产品和方案布局。这场演讲所呈现的基础设施演进方向，也与奥尼正在回应的企业需求紧密相连。
围绕Token生产、供给与应用，奥尼构建了多元的业务交付体系。
在Token应用环节，针对核心数据需要在自有环境处理、模型与Agent需要本地化运行的需求，奥尼提供企业私有化Token全栈解决方案。通过配置端边云算力、部署模型服务并接入应用生态，帮助企业在明确的数据与权限边界内使用AI，为企业主权AI落地提供核心支撑。
在Token供给环节，针对希望直接获得推理服务的客户，奥尼已依托深圳自建高性能GPU集群，建成并运营Token工厂，以TaaS（Token即服务）模式，通过标准化API提供主流大模型推理服务，供企业按需调用。这也为奥尼积累了从模型适配、推理优化到持续运营的实践经验，为企业私有化部署及Token工厂建设交付提供范本。
在Token生产环节，针对有工厂建设与运营需求的客户，奥尼提供Token工厂整体解决方案，从规划建设延伸至生产运营，将集群建设、模型部署、推理优化与运维服务组织起来，交付可持续运行的Token工厂。
从私有化应用，到服务调用，再到工厂建设，奥尼以不同交付方式，匹配客户使用、获取和生产智能服务的需求。
支撑这套业务体系的，是软硬件协同创新。
硬件层面，奥尼NeoFrog青跃桌面级AI工作站、EdgeFrog栖界企业级AI微节点，以及CloudFrog云穹AI推理服务器，提供不同部署形态的算力底座。其中，AI推理服务器是构建推理集群与Token工厂的重要算力单元。
平台层面，TokenPond元池连接端边云资源，统一管理算力与模型服务，根据任务需求调配资源、计量使用情况，并支持业务应用和Agent接入，让设备资源进一步转化为可管理、可调用的推理服务。
当AI成为日常生产的一部分，企业积累的不仅是使用经验，还有基于自身知识、流程与数据形成的智能能力。稳定的Token供给，让这种能力持续运行；可控的部署与管理，让它能够留在企业、服务业务，并不断演进。
让算力转化为生产力，让企业知识沉淀为自主掌控的智能能力。这正是Token工厂与主权AI交汇的价值所在，也是奥尼AI围绕Token生产、供给与应用持续推进的方向。
