黃仁勛時隔五年再發署名文章：重新定義AI產業邏輯！

這是黃仁勛自 2016 年以來發表的第七篇公開長文，寫于 2026 年 3 月 10 日。

黃仁勛很少寫這類文章。每一次動筆，基本上都意味著他認為某件事足夠重要、需要親自說清楚。

這篇文章的核心論點很簡單：AI 不是一個應用，不是一個模型，它是基礎設施——就像電力和互聯網一樣。他用"五層蛋糕"的結構把整個 AI 產業拆解清楚：能源、芯片、基礎設施、模型、應用，每一層都在強化其他層，缺一不可。

這位全球 AI 產業的核心推動者，不僅拆解了人工智能運轉的底層邏輯，更直面行業對 “AI 取代人類工作” 的普遍焦慮。他指出這場由 AI 驅動的新基建浪潮，正成為人類歷史上規模最大的基礎設施建設行動，在重構全球經濟增長邏輯的同時，創造出海量高薪技術崗位，為各行各業的參與者打開全新機遇之門。

黃仁勛認為，AI不僅是軟件的變革，更是一場重塑能源消耗、工廠建造和經濟增長路徑的工業變革。這個影響力究竟如何？我們當前處于哪一階段？以下，Enjoy：

原文鏈接： https://blogs.nvidia.cn/blog/ai-5-layer-cake/

人工智能是塑造當今世界最強大的力量之一。它并非一款精巧的應用程序或單一模型，而是如同電力和互聯網一般的核心基礎設施。

人工智能的運行依托實體硬件、實際能源和現實經濟規律。它將原材料規模化轉化為智能能力，未來所有企業都會運用人工智能，所有國家都會布局人工智能建設。

要理解人工智能的發展邏輯，我們可以從基本原理出發，審視計算機領域發生的根本性變革。

從預制軟件到實時智能

在計算機發展的絕大部分歷史中，軟件都是預制好的：人類編寫算法，計算機執行算法。數據必須經過精細結構化處理，存入表格并通過精準查詢調取，結構化查詢語言也因此成為不可或缺的工具，支撐著這一體系的運轉。

而人工智能打破了這一模式。

人類首次擁有了能理解非結構化信息的計算機：它能識別圖像、讀取文本、聆聽聲音并理解語義，能結合語境和意圖進行推理，最重要的是，它能實時生成智能結果。

人工智能的每一次回應都是全新生成的，每一個答案都取決于用戶提供的語境。這并非軟件調取預制指令，而是軟件根據需求進行推理、生成智能結果的過程。

正是由于智能的實時生成特性，其底層的整個計算體系都不得不被重新打造。

作為基礎設施的人工智能

從產業視角看，人工智能體系可拆解為五層架構。

• 能源層

能源是整個體系的根基。實時生成的智能，需要實時供給的電力支撐。人工智能生成的每一個答案，背后都是電子的流動、熱量的調控，以及能源向計算能力的轉化。這一層不存在任何抽象化的中間環節，能源是人工智能基礎設施的基本前提，也是決定系統智能產出上限的核心約束條件。

• 芯片層

能源層之上是芯片層。這類處理器專為將能源高效、規模化轉化為計算能力而設計。人工智能的工作負載需要極強的并行處理能力、高帶寬內存和高速互聯技術。芯片層的技術突破，決定著人工智能的規模化發展速度，以及智能服務的成本可及性。

• 基礎設施層

芯片層之上是基礎設施層，黃仁勛將其定義為“AI工廠”。涵蓋土地、電力輸送、冷卻系統、建筑工程、網絡通信，以及能將數萬臺處理器整合為一個整體的協同調度系統。這些系統就是人工智能工廠，其設計目的并非存儲信息，而是“制造” 智能。

• 模型層

基礎設施層之上是模型層。人工智能模型能理解多類信息，涵蓋語言、生物學、化學、物理學、金融、醫學乃至物理世界本身。大語言模型只是其中一個類別，蛋白質人工智能、化學人工智能、物理模擬、機器人技術和自主系統等領域，正誕生著最具變革性的研究成果。

• 應用層

最頂層是創造經濟價值的應用層，包括藥物研發平臺、工業機器人、法律輔助系統、自動駕駛汽車等。自動駕駛汽車是具象化在機械中的人工智能應用，人形機器人則是具象化在軀體中的人工智能應用—— 二者依托相同的五層架構，最終產生不同的應用成果。

這便是人工智能的五層架構體系：能源→芯片→基礎設施→模型→應用

每一個成功的人工智能應用，都需要調動其下所有層級的支撐，直至為其供能的發電站。因此，黃仁勛認為，AI正在創造未來整個經濟領域的就業崗位——從能源和建筑到先進制造、云運維和應用開發。

目前，人工智能的基礎設施建設才剛剛起步，全球投入已達數千億美元，但仍有數萬億美元的基礎設施建設需求待滿足。

如今，全球范圍內的芯片工廠、計算機組裝廠和人工智能工廠正以前所未有的規模落地建設，這正成為人類歷史上規模最大的基礎設施建設浪潮。

這場建設浪潮需要海量的勞動力支撐：人工智能工廠需要電工、水管工、管道安裝工、鋼鐵工人、網絡技術人員、設備安裝人員和運維人員。這段內容回應了“公眾普遍擔心AI 會取代人類工作”的焦慮。

可以看到，這場變革需要的是廣泛的勞動力支撐，從基礎建設到日常運維，各行各業的勞動者都能參與其中。生產力提升創造了能力，能力擴大進而推動整體經濟增長，這是一種正向的強化循環。

這意味著，AI 正在創造大量技術性強、待遇優厚且供不應求的新崗位。而且，這些都是技術型高薪崗位，且目前供給嚴重短缺。

與此同時，人工智能也在推動知識經濟全領域的生產效率提升。以放射科為例，如今人工智能已能輔助讀取醫學影像，但放射科醫生的需求仍在持續增長，這并非悖論。

放射科醫生的核心使命是為患者提供醫療服務，讀取影像只是其中一項工作。當人工智能承擔更多常規影像解讀工作后，醫生能將精力更多投入到診斷判斷、醫患溝通和臨床診療中。醫院的診療效率隨之提升，能服務更多患者，進而需要招聘更多醫護人員。

效率的提升創造了服務容量，而容量的擴大又推動了行業發展。換句話說，AI的出現不是為了替代人，而是為了通過降本增效，做大蛋糕、做大市場增量。聽起來反直覺，但生產力的每一次躍遷，最終都是通過釋放人的潛力和擴大服務邊界，來開啟更大規模的經濟增長。

過去一年發生了哪些變化？

在過去一年，人工智能跨越了一個關鍵門檻：模型的性能已足以支撐規模化的實際應用。其推理能力大幅提升，幻覺問題顯著減少，落地實用性實現質的飛躍，基于人工智能的應用首次開始創造真實的經濟價值。

藥物研發、物流、客戶服務、軟件開發和制造業等領域的人工智能應用，已展現出強勁的產品市場契合度，這些應用也對底層所有層級的能力提出了更高要求。

開源模型在這一過程中發揮著關鍵作用。全球絕大部分人工智能模型都是免費開放的，科研人員、初創企業、大型企業乃至各個國家，都依托開源模型參與先進人工智能的研發與應用。當開源模型達到行業前沿水平時，改變的不僅是軟件領域，更會激活整個五層架構的全鏈路需求。

DeepSeek-R1就是一個強有力的例子。通過廣泛提供強有力的推理模型，加速了應用層的采用，并增加了對訓練、基礎設施、芯片和其底層能源的需求。

具體而言，DeepSeek-R1 在該架構中發揮了以下作用：

• 作為“模型層”的突破口：DeepSeek-R1 作為開源推理大模型，其在數學、代碼等推理任務上的性能比肩 OpenAI o1 等國際頂尖模型，是開源模型能力的重要突破。

• 向上加速“應用層”普及：通過廣泛開放強大的推理能力，它大大降低了開發門檻，加速了各種 AI 應用在頂層的普及與采納。

• 向下產生強勁的拉動效應：DeepSeek-R1 不僅僅改變了軟件領域，它作為一個核心引擎，激活了對其下方每一層架構的需求。隨著應用層的普及，它直接帶動了對底層訓練（Training）、基礎設施、芯片和能源的需求增長。

• 帶動行業熱潮：DeepSeek-R1 的出現令世界感到驚訝，讓研究人員、初創公司乃至整個國家都能依靠此類開放模型參與到先進 AI 的建設中。

總的來說，DeepSeek-R1 就像一個催化劑，位于模型層（第四層），通過其強大的開源推理能力拉動了從應用到能源的完整五層架構。

這一切意味著什么？

當我們將人工智能視為核心基礎設施，其背后的深層意義便清晰可見。

人工智能始于基于Transformer 架構的大語言模型，但它的內涵遠不止于此：這是一場產業變革，將重塑能源的生產與消費模式、工廠的建設方式、工作的組織形式，以及經濟的增長邏輯。

人工智能工廠的建設，源于智能的實時生成需求；芯片的重新設計，源于效率對人工智能規模化發展的決定性作用；能源成為核心要素，源于它決定了智能產出的終極上限；應用層的加速落地，源于底層模型終于跨越了規模化實用的門檻。

人工智能的五層架構相互賦能、彼此強化。

這正是其基礎設施建設規模如此龐大、能同時影響眾多行業，且不會局限于單一國家或單一領域的原因。未來，所有企業都會運用人工智能，所有國家都會布局人工智能建設。

此前，黃仁勛在瑞士達沃斯世界經濟論壇年會上強調：“人工智能就是基礎設施。”他還主張每個國家都應像對待電力或道路一樣對待人工智能，應該把人工智能作為基礎設施的一部分。

并且，黃仁勛敦促各國建立自己的人工智能能力，借鑒當地語言和文化。他說：“發展你的人工智能，繼續完善它，讓你的國家智能成為生態系統的一部分。人工智能非常易于使用——它是歷史上最易使用的軟件。”他甚至預判，僅僅兩到三年，人工智能就覆蓋了近十億人。

因此，黃仁勛認為，人工智能素養正變得不可或缺，“很明顯，學習如何使用人工智能——如何引導、管理、保護、評估人工智能是至關重要的。”

可以看到，我們仍處于這場變革的早期階段：大量基礎設施尚未建成，大批相關人才尚未培養，諸多潛在機遇尚未發掘。人類才剛剛推開這扇大門，機會始終屬于每一個被釋放了潛能、重新發現自我價值的人和公司。

杰克?韋爾奇說：“你可以拒絕學習，但你的競爭對手不會！”

2026年，我們一起走進知名企業參訪交流學習。