3月10日，英伟达CEO黄仁勋罕见地发表了一篇关于人工智能的长篇博客文章。
他指出，AI已经不再是一个简单的不是单一的应用程序或模型，而是一个完整的技术栈——能源、芯片、基础设施、模型、应用。
这也是推动历史上最大规模工业建设的五层结构，以及随之而来的就业机会、工厂和人工智能应用。
值得一提的是，这篇博客是黄仁勋自2016年以来发表的第七篇公开长文，阐述了对AI发展速度、访问权限以及治理模式的看法。
AI“五层架构”
在博客中，黄仁勋明确提出了AI五层架构，成为行业共识框架。
能源——AI的根基在于能源。实时生成的智能需要实时产生的电力，每一个生成的tokens都是电子运动、热量管理以及能量转化为计算的结果。能源是人工智能基础设施的首要原则，也是系统能够产生多少智能的根本约束。
芯片——能源之上是芯片。这些处理器旨在高效地将能量转化为大规模的计算能力。人工智能工作负载需要极高的并行性、高带宽内存和高速互联。芯片层的进步决定了人工智能的扩展速度以及其成本的可承受程度。
基础设施——芯片之上是基础设施。这包括土地、电力供应、冷却、建设、网络，以及将数万个处理器整合到一台机器中的系统。这些系统是人工智能工厂。它们的设计目的并非存储信息，而是制造智能。
模型——基础设施之上是模型。人工智能模型能够理解多种信息：语言、生物学、化学、物理学、金融、医学以及物理世界本身。语言模型只是其中一类。一些最具变革性的研究成果正在蛋白质人工智能、化学人工智能、物理模拟、机器人技术和自主系统等领域涌现。
应用——顶层是能够创造经济价值的应用领域，例如药物研发平台、工业机器人、法律辅助系统和自动驾驶汽车。自动驾驶汽车是将人工智能应用融入机器之中，而人形机器人则是将人工智能应用融入人体之中。相同的技术栈，不同的结果。
“这就是五层蛋糕：能源→芯片→基础设施→模型→应用。每一个成功的应用都会牵动其下的每一层，直至维持其运行的动力源。”黄仁勋指出。
黄仁勋还强调，AI不是泡沫，而是长周期增长起点。
代理式AI拐点已至，所有软件都将走向智能体化，物理 AI、行业智能应用将迎来爆发。英伟达将持续以全栈技术推进系统级创新，推动推理成本大幅下降，让AI普惠化。
未来需数万亿美元建设
事实上，构建AI基础设施才刚刚开始，全球已经投入了数千亿美元，还有数万亿美元的基础设施需要建设。
世界各地正在以前所未有的规模建设芯片工厂、电脑组装厂和人工智能工厂。
这正成为人类历史上规模最大的基础设施建设。
支持这项建设所需的人力非常庞大，人工智能工厂需要电工、水管工、管道安装工、钢铁工人、网络技术人员、安装人员和操作员。
“这些都是技术含量高、薪酬优渥的工作，而且供不应求。你不需要拥有计算机科学博士学位就能参与到这场变革中来。”黄仁勋说。
与此同时，人工智能正在推动知识经济各领域的生产力提升。
以放射学为例，人工智能现在可以辅助解读扫描图像，但对放射科医生的需求仍在持续增长。
这并非自相矛盾。
放射科医生的职责是照顾病人，解读影像只是其中一项工作。
当人工智能承担更多日常工作时，放射科医生就能专注于判断、沟通和护理。医院的效率也会提高，服务更多病人，并能雇用更多员工。
以下为黄仁勋博客全文：
AI是一块五层蛋糕
AI是当今塑造世界的最强大力量之一。它不仅是一个聪明的应用程序或单一的模型；它更是如同电力和互联网一样至关重要的基础设施。
AI运行在真实的硬件、真实的能源和真实的经济基础之上。它吸收原材料，并将其转化为规模化的智能。每家公司都将使用它。每个国家都将建设它。
要理解为什么AI会以这种方式发展，我们需要从第一性原理出发，去看看计算领域到底发生了哪些根本性的变化。
从预编软件到实时智能
在计算历史的大部分时间里，软件都是预先编写好的。人类编写算法，计算机执行算法。数据必须被精心结构化，存储在表格中，并通过精确的查询进行检索。SQL之所以不可或缺，是因为它让那个世界的运转成为可能。
AI打破了这一模式。
我们第一次拥有了能够理解非结构化信息的计算机。它能看懂图像、阅读文本、聆听声音并理解意义。它能对上下文和意图进行推理。最重要的是，它能够实时生成智能。
每一个响应都是全新生成的。每一个答案都取决于你提供的上下文。这不再是检索存储指令的软件，而是能够按需推理和生成智能的软件。
正因为智能是实时生产出来的，其底层的整个计算架构栈都必须被重新发明。
作为基础设施的AI
当你从工业角度审视AI时，它呈现为一个五层架构。
第一层：能源
位于最底层的是能源。实时生成的智能需要实时产生的电力。生成的每一个Token（词元）都是电子移动、热量管理以及能源转化为计算能力的结果。在此之下没有任何抽象层。能源是AI基础设施的第一性原理，也是系统能产生多少智能的绝对约束条件。
第二层：芯片
在能源之上是芯片。这些处理器旨在以大规模、高效的方式将能源转化为计算能力。AI工作负载需要极其庞大的并行计算能力、高带宽内存以及快速的互连。芯片层的进步决定了AI的扩展速度，以及智能成本的下降程度。
第三层：基础设施
芯片之上是基础设施。这包括土地、电力输送、冷却系统、建筑施工、网络，以及将成千上万个处理器协同编排为一台机器的系统。这些系统就是“AI工厂”。它们的设计初衷不是为了存储信息，而是为了制造智能。
第四层：模型
基础设施之上是模型。AI模型可以理解多种类型的信息：语言、生物学、化学、物理学、金融、医学以及物理世界本身。语言模型仅仅是其中的一个类别。一些最具变革性的工作正发生在蛋白质AI、化学AI、物理模拟、机器人技术以及自主系统等领域。
第五层：应用
位于最顶层的是应用，这里也是创造经济价值的地方。药物发现平台、工业机器人、法律助手、自动驾驶汽车。一辆自动驾驶汽车就是具身于机器中的AI应用，而一个类人机器人则是具身于躯体中的AI应用。同样的底层架构，不同的应用输出。
这就是“五层蛋糕”架构：能源 → 芯片 → 基础设施 → 模型 → 应用。
每一个成功的应用都会向上拉动其下方的每一层，一直延伸到维持其运转的发电厂。
我们的建设才刚刚开始。目前我们仅仅投入了数千亿美元，仍有价值数万亿美元的基础设施等待建设。
在世界各地，我们看到芯片工厂、计算机组装厂和AI工厂正在以史无前例的规模拔地而起。这正在成为人类历史上最大规模的基础设施建设。
支持这一建设所需的劳动力是极其庞大的。AI工厂需要电工、水管工、管道工、钢铁工人、网络技术人员、安装工和操作员。
这些都是高技能、高薪酬的岗位，而且目前供不应求。你不需要拥有计算机科学的博士学位就能参与到这场变革中来。
同时，AI正在推动整个知识经济的生产力提升。以放射科为例，AI现在可以辅助读取扫描影像，但对放射科医生的需求仍在持续增长。这并非悖论。
放射科医生的核心职责是照顾患者，读取扫描影像只是这过程中的一项任务。当AI承担了更多常规工作时，放射科医生就可以把精力集中在临床判断、医患沟通和患者护理上。医院的生产力随之提高，他们能服务更多的患者，也就会雇佣更多的人员。
生产力创造了服务容量，而容量创造了经济增长。
过去一年发生了什么改变
在过去的一年里，AI跨越了一个重要的门槛。模型变得足够优秀，能够在规模化应用中发挥实质作用。推理能力得到提升，幻觉大幅减少，基础事实的准确性（Grounding）显著改善。基于AI构建的应用程序首次开始产生真正的经济价值。
在药物发现、物流、客户服务、软件开发和制造业等领域的应用，已经展现出强劲的产品市场契合度（Product-Market Fit）。这些应用正强力拉动着它们下方的每一层结构。
开源模型在其中扮演了关键角色。世界上大多数模型都是免费的。研究人员、初创公司、大型企业乃至整个国家，都依赖开源模型来参与高级AI的研发。当开源模型达到前沿水平时，它们不仅改变了软件本身，更激活了整个架构栈的需求。
DeepSeek-R1 就是最好的例证。通过让强大的推理模型被广泛可用，它加速了应用层的技术采用，并相应增加了其底层对训练、基础设施、芯片和能源的需求。
这意味着什么
当你将AI视为必不可少的基础设施时，其深远影响便清晰可见。
AI始于Transformer大语言模型。但它远不止于此。它是一场工业转型，将重塑能源的生产和消费方式、工厂的建造方式、工作的组织方式以及经济的增长方式。
之所以要建设AI工厂，是因为智能现在是实时生成的；之所以要重新设计芯片，是因为效率决定了智能扩展的速度；能源之所以成为核心，是因为它设定了智能生产的总量上限；应用之所以加速爆发，是因为底层的模型已经跨过了门槛，终于能够在规模化层面真正发挥效用。
每一层都在相互强化。
这就是为什么这场基础设施建设如此庞大，为什么它同时触及了这么多行业，也是为什么它不会局限于单一国家或单一领域。每家公司都将使用AI。每个国家都将建设它。
我们仍处于早期阶段。许多基础设施尚未建成。大量劳动力尚未接受培训。许多机遇还未被充分挖掘。
但方向已经非常清晰。
AI正在成为现代世界的基础性基础设施。而我们现在所做的选择——我们建设的速度有多快、参与的范围有多广、部署的方式有多负责任——将最终塑造这个时代的未来。
