3 月 10 日，英偉達 CEO 黃仁勛于周二發(fā)表了一篇罕見的關于人工智能的長篇博客文章，指出當前的 AI 基礎設施建設仍處于極早期階段。他強調，盡管目前行業(yè)已經投入了數千億美元，但未來仍需要數萬億美元的持續(xù)投資來完善數據中心和相關底層設施。這是他自 2016 年以來發(fā)表的第七篇公開長文，闡述了對 AI 發(fā)展速度、訪問權限以及治理模式的看法。

在文中，黃仁勛對 AI 與傳統技術進行了界定，指出 AI 已經打破了傳統軟件的運作模式。他認為，傳統軟件僅僅是提取人類預先編寫的存儲指令，而目前的 AI 系統則能夠基于上下文進行實時推理并按需生成智能。為了厘清產業(yè)結構，他再次提及了其在年初達沃斯論壇上提出的“五層架構”模型，明確指出 AI 生態(tài)自下而上依次由能源、芯片、基礎設施、模型和應用構成，任何成功的上層應用都必須完全依賴底層設施乃至發(fā)電廠的持續(xù)支撐。

針對技術發(fā)展對勞動力市場的沖擊，黃仁勛認為 AI 非但不會削減崗位，反而會創(chuàng)造大量新的就業(yè)機會，尤其是在基礎設施和熟練技術工種領域。他的邏輯在于，當 AI 接管了企業(yè)的日常程序化任務后，生產力的提升將轉化為服務能力的擴容，進而帶動企業(yè)的實質性增長與擴張。他總結指出，當下大量的底層設施尚未破土，配套勞動力尚未完成培訓，AI 產業(yè)真正的紅利期和大規(guī)模建設才剛剛開始。

以下為黃仁勛博客全文：

AI 是一塊五層蛋糕

黃仁勛 (Jensen Huang)

2026 年 3 月 10 日

AI 是當今塑造世界的最強大力量之一。它不僅是一個聰明的應用程序或單一的模型；它更是如同電力和互聯網一樣至關重要的基礎設施。

AI 運行在真實的硬件、真實的能源和真實的經濟基礎之上。它吸收原材料，并將其轉化為規(guī)?；闹悄堋Ｃ考夜径紝⑹褂盟?。每個國家都將建設它。

要理解為什么 AI 會以這種方式發(fā)展，我們需要從第一性原理出發(fā)，去看看計算領域到底發(fā)生了哪些根本性的變化。

從預編軟件到實時智能

在計算歷史的大部分時間里，軟件都是預先編寫好的。人類編寫算法，計算機執(zhí)行算法。數據必須被精心結構化，存儲在表格中，并通過精確的查詢進行檢索。SQL 之所以不可或缺，是因為它讓那個世界的運轉成為可能。

AI 打破了這一模式。

我們第一次擁有了能夠理解非結構化信息的計算機。它能看懂圖像、閱讀文本、聆聽聲音并理解意義。它能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。

每一個響應都是全新生成的。每一個答案都取決于你提供的上下文。這不再是檢索存儲指令的軟件，而是能夠按需推理和生成智能的軟件。

正因為智能是實時生產出來的，其底層的整個計算架構棧都必須被重新發(fā)明。

作為基礎設施的 AI

當你從工業(yè)角度審視 AI 時，它呈現為一個五層架構。

第一層：能源

位于最底層的是能源。實時生成的智能需要實時產生的電力。生成的每一個 Token（詞元）都是電子移動、熱量管理以及能源轉化為計算能力的結果。在此之下沒有任何抽象層。能源是 AI 基礎設施的第一性原理，也是系統能產生多少智能的絕對約束條件。

第二層：芯片

在能源之上是芯片。這些處理器旨在以大規(guī)模、高效的方式將能源轉化為計算能力。AI 工作負載需要極其龐大的并行計算能力、高帶寬內存以及快速的互連。芯片層的進步決定了 AI 的擴展速度，以及智能成本的下降程度。

第三層：基礎設施

芯片之上是基礎設施。這包括土地、電力輸送、冷卻系統、建筑施工、網絡，以及將成千上萬個處理器協同編排為一臺機器的系統。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。

第四層：模型

基礎設施之上是模型。AI 模型可以理解多種類型的信息：語言、生物學、化學、物理學、金融、醫(yī)學以及物理世界本身。語言模型僅僅是其中的一個類別。一些最具變革性的工作正發(fā)生在蛋白質 AI、化學 AI、物理模擬、機器人技術以及自主系統等領域。

第五層：應用

位于最頂層的是應用，這里也是創(chuàng)造經濟價值的地方。藥物發(fā)現平臺、工業(yè)機器人、法律助手、自動駕駛汽車。一輛自動駕駛汽車就是具身于機器中的 AI 應用，而一個類人機器人則是具身于軀體中的 AI 應用。同樣的底層架構，不同的應用輸出。

這就是“五層蛋糕”架構：能源 → 芯片 → 基礎設施 → 模型 → 應用。

每一個成功的應用都會向上拉動其下方的每一層，一直延伸到維持其運轉的發(fā)電廠。

我們的建設才剛剛開始。目前我們僅僅投入了數千億美元，仍有價值數萬億美元的基礎設施等待建設。

在世界各地，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(guī)模拔地而起。這正在成為人類歷史上最大規(guī)模的基礎設施建設。

支持這一建設所需的勞動力是極其龐大的。AI 工廠需要電工、水管工、管道工、鋼鐵工人、網絡技術人員、安裝工和操作員。

這些都是高技能、高薪酬的崗位，而且目前供不應求。你不需要擁有計算機科學的博士學位就能參與到這場變革中來。

同時，AI 正在推動整個知識經濟的生產力提升。以放射科為例，AI 現在可以輔助讀取掃描影像，但對放射科醫(yī)生的需求仍在持續(xù)增長。這并非悖論。

放射科醫(yī)生的核心職責是照顧患者，讀取掃描影像只是這過程中的一項任務。當 AI 承擔了更多常規(guī)工作時，放射科醫(yī)生就可以把精力集中在臨床判斷、醫(yī)患溝通和患者護理上。醫(yī)院的生產力隨之提高，他們能服務更多的患者，也就會雇傭更多的人員。

生產力創(chuàng)造了服務容量，而容量創(chuàng)造了經濟增長。

過去一年發(fā)生了什么改變

在過去的一年里，AI 跨越了一個重要的門檻。模型變得足夠優(yōu)秀，能夠在規(guī)?；瘧弥邪l(fā)揮實質作用。推理能力得到提升，幻覺大幅減少，基礎事實的準確性（Grounding）顯著改善?；?AI 構建的應用程序首次開始產生真正的經濟價值。

在藥物發(fā)現、物流、客戶服務、軟件開發(fā)和制造業(yè)等領域的應用，已經展現出強勁的產品市場契合度（Product-Market Fit）。這些應用正強力拉動著它們下方的每一層結構。

開源模型在其中扮演了關鍵角色。世界上大多數模型都是免費的。研究人員、初創(chuàng)公司、大型企業(yè)乃至整個國家，都依賴開源模型來參與高級 AI 的研發(fā)。當開源模型達到前沿水平時，它們不僅改變了軟件本身，更激活了整個架構棧的需求。

DeepSeek-R1 就是最好的例證。通過讓強大的推理模型被廣泛可用，它加速了應用層的技術采用，并相應增加了其底層對訓練、基礎設施、芯片和能源的需求。

這意味著什么

當你將 AI 視為必不可少的基礎設施時，其深遠影響便清晰可見。

AI 始于 Transformer 大語言模型。但它遠不止于此。它是一場工業(yè)轉型，將重塑能源的生產和消費方式、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，是因為智能現在是實時生成的；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生產的總量上限；應用之所以加速爆發(fā)，是因為底層的模型已經跨過了門檻，終于能夠在規(guī)?；瘜用嬲嬲l(fā)揮效用。

每一層都在相互強化。

這就是為什么這場基礎設施建設如此龐大，為什么它同時觸及了這么多行業(yè)，也是為什么它不會局限于單一國家或單一領域。每家公司都將使用 AI。每個國家都將建設它。

我們仍處于早期階段。許多基礎設施尚未建成。大量勞動力尚未接受培訓。許多機遇還未被充分挖掘。

但方向已經非常清晰。

AI 正在成為現代世界的基礎性基礎設施。而我們現在所做的選擇 —— 我們建設的速度有多快、參與的范圍有多廣、部署的方式有多負責任 —— 將最終塑造這個時代的未來。

廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。