-
日期: 2026-03-11 | 來源: 華爾街見聞 | 有20人參與評論 | 字體: 小 中 大
3月10日，英偉達CEO黃仁勳罕見在個人署名文章中系統闡述AI產業的發展邏輯，這是他自2016年以來發表的第柒篇公開長文。
他指出，AI不應被理解為單壹模型或應用，而是壹個正在形成的基礎設施體系。
人工智能（AI）是當今塑造世界的最強大力量之壹。它不僅是壹個聰明的應用程序或單壹的模型；它是如同電力和互聯網壹樣不可或缺的基礎設施。
在他看來，AI產業正在經歷壹次類似工業革命級別的技術基礎設施建設。當前全球已投入數千億美元，但整體建設仍處早期階段。
黃仁勳表示，AI是“伍層蛋糕”基礎設施——能源、芯片、基礎設施、模型、應用，還需數萬億美元建設。
他預判，未來幾年，傳統的軟件和APP形態或將消失，壹種全新的軟件范式AI Agent（智能體）極有可能成為主流。
針對AI發展帶來的就業擔憂，黃仁勳認為，AI非但不會削減崗位，反而會創造大量新的就業機會，尤其是在基礎設施和熟練技術工種領域，支持AI基礎設施建設所需的勞動力極其龐大，AI工廠需要電工、水管工、鋼鐵工人、網絡技術人員、安裝工和操作員等，這些都是高技能、高薪酬的崗位，且目前供不應求。
AI正在從“軟件”變成實時生成智能
黃仁勳首先解釋了AI與傳統軟件的根本差異。
過去幾拾年，軟件基本是“預先寫好的程序”。開發者編寫算法，計算機按規則執行。數據必須結構化，並通過數據庫查詢調用。而AI改變了這壹模式。
黃仁勳寫道：“這是計算機歷史上第壹次，機器可以理解非結構化信息——圖像、文本、聲音，並理解其中的意義。”
更重要的是，AI並不是從數據庫中讀取答案，而是 實時生成智能。
他解釋：“每壹個回答都是新生成的，每壹次輸出都取決於上下文。計算機不再只是執行指令，而是在推理。”
由於智能是在實時生成，這迫使整個計算架構重新設計。
AI產業的“伍層結構”
在文章中，黃仁勳提出了壹個AI產業的結構框架：伍層技術棧——能源、芯片、基礎設施、模型、應用。
他強調，這伍層之間是強耦合關系。
能源 最基礎的壹層是能源。實時生成的智能需要實時產生的電力。每壹個生成的 token（標記），都是電子移動、熱量管理以及能源轉化為計算力的結果。在這壹層之下，沒有任何抽象層。能源是 AI 基礎設施的第壹性原理，也是決定系統能產生多少智能的硬性約束條件。
芯片 在能源之上是芯片。這些處理器旨在將能源大規模且高效地轉化為計算力。AI 工作負載需要龐大的並行計算能力、高帶寬內存以及快速的互連技術。芯片層的進步，決定了 AI 擴展的速度，以及智能變得可負擔的程度。
基礎設施 在芯片之上是基礎設施。這包括土地、電力輸送、冷卻系統、建築施工、網絡，以及將成千上萬個處理器協同運作組成壹台機器的系統。這些系統就是“AI 工廠”。它們的設計初衷不是為了存儲信息，而是為了制造智能。
模型 在基礎設施之上是模型。AI 模型能夠理解多種類型的信息：語言、生物學、化學、物理學、金融、醫學以及物理世界本身。語言模型僅僅是其中的壹個類別。目前壹些最具顛覆性的工作正發生在蛋白質 AI、化學 AI、物理模擬、機器人技術以及自主系統領域。
應用 最頂層是應用，這也是創造經濟價值的地方。藥物發現平台、工業機器人、法律助手、自動駕駛汽車均屬此類。自動駕駛汽車是具身於機器中的 AI 應用；人形機器人則是具身於軀體中的 AI 應用。它們使用的是同壹個技術棧，卻帶來了不同的成果。
AI基礎設施建設仍處早期
在產業規模上，黃仁勳給出了壹個清晰判斷。
他說：“我們目前只投入了幾千億美元，而未來還需要建設數萬億美元規模的基礎設施。”
全球范圍內，芯片工廠、服務器組裝廠和AI數據中心正在加速建設。黃仁勳稱這壹趨勢可能成為 “人類歷史上最大規模的基礎設施建設之壹”。
與此同時，這也帶來新的勞動力需求。AI數據中心建設需要大量技術工人，包括：電工、管道工、網絡工程師、設備安裝人員。
他強調：“參與這場變革並不壹定需要計算機博士學位。”
開源模型推動AI產業擴張
黃仁勳還特別提到開源模型在AI生態中的作用。
他指出，全球大量AI模型是開放的，企業、研究機構以及國家都依賴這些模型參與AI發展。當開源模型達到先進水平時，會帶動整個產業鏈需求。
他舉例稱：“DeepSeek-R1就是壹個典型案例。”
該模型公開後，推動了應用開發，同時也增加了對?訓練算力、基礎設施、芯片和能源的需求。換句話說，壹個模型的突破，會向下拉動整個產業鏈。
AI的影響不止軟件產業
在文章最後，黃仁勳強調，AI不僅改變軟件行業，還會影響能源、制造、勞動力結構和經濟增長方式。
他說：“AI是壹場工業級轉型，它會改變能源生產方式、工廠建設方式、工作組織方式以及經濟增長模式。”
他認為，目前AI仍處早期階段。大量基礎設施尚未建成，大量人才仍未培訓完成。
但趨勢已經非常明確：“AI正在成為現代世界的基礎設施。”
以下為文章全文翻譯版：
《AI是“伍層蛋糕”基礎設施》
2026年3月10日，作者：黃仁勳 (Jensen Huang)
人工智能（AI）是當今塑造世界的最強大力量之壹。它不僅是壹個聰明的應用程序或單壹的模型；它是如同電力和互聯網壹樣不可或缺的基礎設施。
AI 運行在真實的硬件、真實的能源和真實的經濟基礎之上。它獲取原材料，並將其大規模地轉化為智能。每壹家公司都將使用它，每壹個國家都將建設它。
為了理解為什麼 AI 會以這種方式發展，我們需要從第壹性原理出發進行推演，並審視計算領域究竟發生了哪些根本性的變化。
從預錄制軟件到實時智能 在計算技術發展的大部分歷史中，軟件都是“預錄制”的。人類編寫算法，計算機負責執行。數據必須經過精心的結構化處理，存儲在表格中，並通過精確的查詢語句進行檢索。SQL之所以變得不可或缺，正是因為它讓那個世界得以正常運轉。
然而，AI 打破了這種模式。
這是我們有史以來第壹次，計算機能夠理解非結構化的信息。它能夠看懂圖像、閱讀文本、聽懂聲音並理解其中的含義。它能夠對上下文和意圖進行推理。最重要的是，它能夠實時生成智能。
每壹次響應都是全新創造的。每壹個答案都取決於你所提供的上下文。這不再是檢索預存指令的軟件，而是能夠根據需求進行推理並生成智能的軟件。
正因為智能是實時生成的，支撐它的整個底層計算技術棧都必須被重新發明。
作為基礎設施的 AI 當你從工業的角度審視 AI 時，它可以被拆解為壹個伍層的技術棧。
能源 最基礎的壹層是能源。實時生成的智能需要實時產生的電力。每壹個生成的 token（標記），都是電子移動、熱量管理以及能源轉化為計算力的結果。在這壹層之下，沒有任何抽象層。能源是 AI 基礎設施的第壹性原理，也是決定系統能產生多少智能的硬性約束條件。
芯片 在能源之上是芯片。這些處理器旨在將能源大規模且高效地轉化為計算力。AI 工作負載需要龐大的並行計算能力、高帶寬內存以及快速的互連技術。芯片層的進步，決定了 AI 擴展的速度，以及智能變得可負擔的程度。
基礎設施 在芯片之上是基礎設施。這包括土地、電力輸送、冷卻系統、建築施工、網絡，以及將成千上萬個處理器協同運作組成壹台機器的系統。這些系統就是“AI 工廠”。它們的設計初衷不是為了存儲信息，而是為了制造智能。
模型 在基礎設施之上是模型。AI 模型能夠理解多種類型的信息：語言、生物學、化學、物理學、金融、醫學以及物理世界本身。語言模型僅僅是其中的壹個類別。目前壹些最具顛覆性的工作正發生在蛋白質 AI、化學 AI、物理模擬、機器人技術以及自主系統領域。
應用 最頂層是應用，這也是創造經濟價值的地方。藥物發現平台、工業機器人、法律助手、自動駕駛汽車均屬此類。自動駕駛汽車是具身於機器中的 AI 應用；人形機器人則是具身於軀體中的 AI 應用。它們使用的是同壹個技術棧，卻帶來了不同的成果。
這就是 AI 的“伍層蛋糕”： 能源 → 芯片 → 基礎設施 → 模型 → 應用。
每壹個成功的應用都在強有力地拉動它底部的每壹層，壹直延伸到維持其運轉的發電廠。
我們才剛剛開始這壹建設進程。目前我們已經投入了數千億美元，但仍有數萬億美元的基礎設施等待建設。
放眼全球，我們看到芯片工廠、計算機組裝廠和 AI 工廠正在以史無前例的規模拔地而起。這正在成為人類歷史上規模最大的壹場基礎設施建設。
支撐這壹建設所需的勞動力是極其龐大的。AI 工廠需要電工、水管工、管道裝配工、鋼鐵工人、網絡技術人員、安裝工以及操作員。這些都是高技能、高薪酬的崗位，且目前供不應求。你不需要擁有計算機科學博士學位，也能參與到這場變革之中。
與此同時，AI 正在推動整個知識經濟的生產力提升。以放射學為例，現在 AI 已經可以輔助讀取掃描影像，但對放射科醫生的需求卻仍在持續增長。這並不是壹個悖論。
放射科醫生的核心職責是關懷患者，而讀取影像只是這過程中的壹項任務。當 AI 承擔了更多日常的重復性工作時，放射科醫生就可以將精力集中在診斷判斷、溝通交流和患者護理上。這樣壹來，醫院的效率提高了，能夠服務更多的患者，進而也會雇傭更多的員工。
生產力創造了容量，容量帶來了增長。
過去壹年發生了什麼改變？ 在過去的壹年裡，AI 跨過了壹個重要的分水嶺。模型變得足夠優秀，能夠在宏觀規模上發揮實用價值。推理能力提升了，幻覺減少了，事實依據的准確性（Grounding）有了顯著提高。這是有史以來第壹次，基於 AI 構建的應用開始產生真正的經濟價值。
在藥物發現、物流、客戶服務、軟件開發以及制造業等領域的應用，已經展現出了極強的產品市場契合度。這些應用有力地拉動著它們底下的每壹個技術層。
在這裡，開源模型發揮著至關重要的作用。世界上大部分的模型都是免費的。研究人員、初創公司、大型企業乃至整個國家，都依賴開源模型來參與到先進的 AI 浪潮中。當開源模型達到最前沿水平時，它們改變的不僅僅是軟件，它們更是激活了跨越整個技術棧的需求。
DeepSeek-R1 就是壹個強有力的例子。通過讓壹個強大的推理模型被廣泛使用，它加速了應用層的落地，同時也增加了對其底層的訓練、基礎設施、芯片和能源的需求。
這意味著什麼 當你將 AI 視為不可或缺的基礎設施時，其深遠的影響便清晰可見。
AI 始於 Transformer 架構的大語言模型。但它遠不止於此。這是壹場工業變革，它重塑了能源的生產與消耗方式、工廠的建造方式、工作的組織方式，以及經濟的增長方式。
之所以要建設 AI 工廠，是因為現在智能是實時生成的； 之所以要重新設計芯片，是因為效率決定了智能擴展的速度； 能源之所以成為核心，是因為它設定了智能產能的絕對上限； 應用之所以在加速落地，是因為它們底層的模型已經跨過了分水嶺，最終能夠在大規模場景中發揮實用價值。
每壹個層級都在與其他層級相互促進。
這就是為什麼這場基礎設施建設的規模如此宏大。這就是為什麼它能同時觸及如此多的行業。這也是為什麼它不會局限於單壹的國家或單壹的領域。每壹家公司都將使用 AI，每壹個國家都將建設它。
我們仍處於早期階段。大部分的基礎設施尚未建成，大部分的勞動力尚未得到培訓，大部分的機會尚未被發掘。
但是，方向已經拾分明確。
AI 正在成為現代世界的底層基礎設施。而我們現在所做出的選擇——我們建設的速度有多快，我們參與的范圍有多廣，我們部署 AI 的態度有多負責任——將最終塑造這個時代未來的模樣。- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接: