黄仁勋的AI工厂，还缺一个「粮仓」！中国公司出手了

新智元报道

10月21日，柏林GTC大会，黄仁勋又把AI的未来讲出了新高度。

一身标志性黑皮衣的老黄站在舞台上宣布：

未来，每个人都会用AI，每家公司都会有AI赋能。

他还抛出了一个颇有意思的比喻：AI是一块「五层蛋糕」——能源、芯片、AI工厂、模型、应用，层层叠加。

在他眼里，AI已经不是软件，而是一种全新的制造业：AI工厂源源不断地生产Token，再把Token变成真正能创造价值的数字智能。

所以，企业不能只做AI的消费者，还得成为AI的生产者。

怎么生产？老黄给了一条路径：从开放模型出发，用自己的专有数据训练和优化，让AI真正掌握你的行业知识。

而且不同的行业，会由不同模态的模型来驱动。语言模型管文档，世界模型管机器人，自动驾驶、气象、物理仿真各有各的模型，没有谁能包打天下。

他还专门给智能体加了一层「知识底座」：把企业数据库里的结构化数据和文档里的非结构化数据打通，喂给智能体当上下文。

在他看来，让智能体变强的不是模型更大，而是它能读懂企业自己的知识。

现场，四只在仿真里练出来的小鸭机器人登台，坐下、起立、打盹。

这几件事放在一起，一个巨大的产业趋势已经浮现：

未来的AI，绝不会只属于几家手握超级大模型的巨头。千千万万家普通企业，也将拥有为自己业务服务的专属智能。

但问题来了。

一家工厂想训自己的质检模型，一家医院想做自己的疾病风险模型，一家能源公司想让AI替它管成千上万台设备。

这些模型拿什么训？光靠自家数据够不够？缺行业数据怎么办？训出来怎么本地部署？

如果每一家企业都要有自己的AI，谁来给它们提供源源不断的专业数据和智能资源？

就在这个拐点上，迅策科技（3317.HK）推出了TokenRouters。

它的定位是：企业AI的核心平台，以及AI实时数据及专用Token的一站式交换、匹配与服务平台，围绕优化企业模型与企业小模型落地。

说直白点，迅策想做的，是为未来成千上万个企业专属AI，搭一座能交换数据、匹配模型、流通智能资源的「超级市场」。

这背后，藏着一门更大的生意。

从一条PCB产线说起

先讲一个迅策自己做的案子。

国内一家头部PCB厂，由于AI服务器订单暴涨，板子的层数越来越多、孔越钻越小、工艺越来越细，质检压力直接爆表。

以前是人工加传统AOI，抽检或终检。缺陷常常流到后道工序，甚至出货之后才暴露，返工、报废、客诉一个不少，异常品还一直占着设备和产能。

迅策的做法是：把这条产线从头到尾切成五六段，每一段、每一个工作岛单独做数据采集和治理，每秒生成十几万条数据。然后，给每个工作岛训一个自己的小模型，专门盯背钻、激光钻孔、电镀填孔、树脂塞孔这些关键工序。

结果：高速产线100%全检，出货良率稳定在99%以上，检测效率提升3倍以上。

而且这套方案能复制到其他产线、其他基地，成了企业接高端订单、出海的「质量通行证」。

老黄在柏林讲的物理AI、企业自己的模型，落到一条中国产线上，就是这么回事：没有什么万亿参数的大家伙，就是几个拿自家数据喂出来的小模型，盯着钻孔，比人眼准，比老设备快，还省钱。

但问题也在这儿。

这家PCB厂训小模型的「粮」，是它自己的产线数据。

它要想做得更好，缺的就不只是自己的数据了，而是整个行业的数据，是它自己没办法拥有的那部分数据。

A公司有PCB的数据，B公司有光通讯的数据，C公司有AI服务器整机的数据。

如果这些数据能合规地流通、交换，大家的小模型都能更聪明一截。

可数据这东西有个要命的特点：你给我看了，我就有了。谁敢随便交换？

答案是Token。

但这里要分清：通用Token像一个饱读诗书的大学生，啥都懂一点，能聊天、能写文章，解决的是语言理解、常识问答和内容生成问题，核心是「懂语言」；专用Token则由行业私有数据脱敏、精炼而成，每个Token都带着特定场景的业务逻辑、数据结构和合规边界，核心是「懂业务」。

TokenRouters不是通用Token的简单聚合器，而是以专用Token为核心交换资产的企业AI核心平台。

把原始数据脱敏、精炼成携带业务逻辑但不暴露原始数据的专用Token——Token可以交换，原始数据不出门。

这，就是TokenRouters要干的事。

TokenRouters到底是什么？

它是给AI用的「数据集级交换」——让数据价值可交换，让智能资产触手可得。

拆开看，左边站着需要数据、AI模型、AI应用的企业，右边站着提供这些资源的合作方。

中间这个平台干三件事：让你找得到、比得清、买得对。

支撑这套逻辑的，是五大模块。

数据集，解决「用什么数据」的问题。找数据难，信息散，买回来能不能用更是没底。

TokenRouters里每份数据集都带三样东西：它是什么（名称、标签、摘要，一眼看出值不值得深挖）、它有多少（类型、规模、覆盖范围、来源、更新频率）、它怎么用（在分析、预测、开发里各管什么）。

AI模型，解决「用什么模型」的问题。模型一周出好几个，通用模型到了垂直场景总差一口气，以前只能一个个试，周期长，Token烧得快。

TokenRouters按行业、场景、类型把模型归好类，每个都写清楚能干什么、支持什么模态、适合什么场景，让「模型能干什么」和「业务要什么」对得上。

AI应用，解决「用什么工具」的问题。通用AI产品一大把，能嵌进业务流的垂直应用没几个。TokenRouters按行业、产品类型、业务环节分门别类上架，不光讲「这是什么」，更讲「怎么用、用在哪一步」。

场景库，最接地气的一个。企业最常问的是：「我们到底该在哪个环节上AI？」场景库从具体业务任务出发，拆痛点、算收益、配截图和架构图，把一句模糊的「我要做AI」翻译成一张清楚的施工图。先找准痛点，再谈选型。

智能客服，全程兜底。自然语言问答、常见问题引导、历史会话管理，页面浮窗和独立客服页双入口，搞不定的一键接人工。

五个模块串起来，是一条完整的闭环：找准场景→发现资源→评估适配→借鉴验证→全程服务。

TokenRouters是在AI资源的供需之间架了一座桥，而且是一座有路标、有交警、有服务站的桥。这座桥真正服务的，不只是「找到资源」，更是在真实场景参照中持续优化企业模型，让企业小模型从选型、适配到部署少走弯路。

TokenRouters：从场景到服务的完整闭环

迅策的「四层蛋糕」

回到老黄那块蛋糕。

英伟达从能源开始，一层一层往上垒。

迅策也是一层一层垒的，只不过，它垒的是数据这条线。

最底层是AI数据治理。

迅策从资产管理行业起步，十年时间把「脏活累活」干扎实，把企业内外部分散、异构、非标的原始数据，采集、清洗、标注、建模，变成能用的数据资产。

这是基座。

往上一层是TokenOS。今年5月发布，迅策把治理好的数据和具体业务场景结合，精炼成标准化、可计量、可定价的场景Token和专业模型参数。

数据从「沉睡的资源」变成「流通的资产」。

再往上是TokenCloud。9月推出，给Token生成和模型推理做算力适配：硬件选型、资源配置、模型优化与蒸馏，让模型用合适的成本落地。

然后就是TokenRouters，这一层干的是交换：把不同企业、不同行业、不同数据源之间的Token流通壁垒打通，让高质量场景Token在安全、合规、可审计的前提下跨主体交换。

最顶上一层，是企业小模型。让每一家企业都拥有自己的、可私有化部署、参数更小、推理更便宜的领域小模型。

这几层，对应着迅策的「四阶跃迁」：1.0数据治理、2.0 Token化、3.0 Token交换、4.0企业小模型。

逻辑链条极其清楚：先把数据治好，再把数据变成Token，然后让Token流通起来，最后用Token喂出企业自己的小模型。

NVIDIA研究团队2025年的论文中说道：对企业AI的专门任务来说，小模型已经够强，甚至是更优选择；跑一个70亿参数的小模型，比跑700亿到1750亿参数的大模型便宜10到30倍。

Gartner的预测更狠：到2028年，超过一半的企业级生成式AI模型将是领域专用的。

而这种专用的小模型，迅策已经在资管、能源、健康医疗等多个行业跑通了。核心壁垒都是同一件事：非公开的一手行业数据。

这也是为什么TokenRouters对迅策来说不只是一个新产品。

它意味着迅策从「AI数据基础设施提供商」变成「Token经济的基础设施运营商」。不只是修路的，而是要当收费站、当交通枢纽、当整个网络的调度中心。

商业模式也跟着改变：从过去按单客户Token调用收费，变成平台化的Token路由费、撮合服务费、合规流通费和数据资产化增值服务。

增长空间从「一条管道」变成「一张网络」。

2026年上半年，迅策营收9.67亿元，同比增长389%，成立十年来第一次在上半年盈利。

Token模式，已经开始兑现。

AI的下一站

把老黄在柏林讲的四件事、迅策的四层蛋糕、几个行业案子放在一起看，企业AI的下一站，其实已经很清楚了。

第一，企业AI落地离不开数据治理，尤其是垂类的、高质量的、专用的数据和数据集。模型可以开源，算力可以租，唯独这个东西，只能自己攒、自己治、自己换。

第二，每一个行业、每一家公司，都会有自己的小模型。不是一个什么都懂的通才，而是一个把一件事做到极致的专才。TokenRouters的价值，也不只是把资源摆上货架，而是围绕企业真实场景持续优化企业模型，让企业AI从「能用」走向「好用、专用」。

第三，训小模型离不开数据集的交换流通。就像货币一样，每个人都可以用自己有的，去换自己需要的。但这里交换的不是通用Token，而是携带行业知识、业务规则和合规边界的专用Token。

10月20日国家数据集团在雄安挂牌，要干的也是「推动数据跨行业、跨区域流动」这件事。国家层面在搭框架，产业层面需要有人把交换真正跑起来。

第四，本地化、数据安全合规、私域训练部署，是确定的趋势。数据不出域，模型跑在本地，智能体在自己的知识库上干活。老黄在柏林说「知识和工具的所有权属于企业本身」，说的就是这个。

值得强调的是，AI网络安全与合规安全是迅策长期投入的底层能力。公司在数据治理、Token化及企业服务过程中，持续覆盖数据分级分类、访问控制、隐私保护、模型与Token流转审计、私有化部署安全等环节。TokenRouters延续这一安全合规思路，将网络安全、数据防泄漏、模型访问控制和全流程审计嵌入专用Token交换与匹配过程，使「可交换」建立在「可审计、可管控、可合规」的基础之上。此前迅策已与深圳数据交易所签署战略合作协议，并与北京国际大数据交易所订立合作框架协议，也体现了其在合规流通与数据要素安全使用方面的持续布局。

这四条线，交汇点就是TokenRouters。

在AI从「能用」走向「好用」的拐点上，一个以企业AI核心平台为定位、以优化企业模型为落点、以安全合规为底线，让数据价值可交换、让智能资产触手可得的平台，可能正是整个产业最缺的那块拼图。

编辑：所罗门