-
日期: 2026-03-11 | 來源: 華爾街見聞 | 有20人參與評論 | 字體: 小 中 大
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。
- 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: