英伟达黄仁勋：AI是一个五层蛋糕（全文+要点）

原文作者：NVIDIA 创始人兼 CEO 黄仁勋（Jensen Huang）

发布日期：2026年3月10日

转载自：中签课代表

核心观点

1）AI 是基础设施，不是应用：类比电力和互联网，每家公司都会用，每个国家都会建。

2）五层堆栈：能源 → 芯片 → 基础设施 → 模型 → 应用，每一层都拉动下方所有层。

3）拐点已到：过去一年模型质量跨越实用门槛，药物发现、物流、软件开发等领域已产生真实经济价值。

4）建设规模巨大：已投入数千亿美元，仍有数万亿待建，将成为人类史上最大规模基础设施建设，需要大量电工、建筑、网络等实体劳动力。

5）AI 创造就业，不只是取代：以放射科为例，AI 承担常规工作后，医生反而能服务更多患者，带来更多岗位需求。

原文：

AI 是当今塑造世界最强大的力量之一。它不是一个聪明的应用程序，也不是单一的模型；它是不可或缺的基础设施，如同电力和互联网。

AI 运行在真实的硬件、真实的能源和真实的经济之上。它将原材料转化为大规模的智能。每家公司都将使用它，每个国家都将建设它。

要理解 AI 为何以这种方式发展，从第一原理出发，审视计算领域发生了哪些根本性变化，会很有帮助。

从预录软件到实时智能

在计算史上的大多数时期，软件是预先录制好的。人类描述算法，计算机执行它。数据必须经过精心组织，存储在表格中，并通过精确的查询来检索。SQL 之所以不可或缺，正是因为它让这个世界运转顺畅。

AI 打破了这一模式。

我们有史以来第一次拥有了能够理解非结构化信息的计算机。它可以看图像、读文本、听声音，并理解其含义。它能够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。

每一个响应都是新鲜生成的。每一个答案都取决于你提供的上下文。这不是软件在检索存储的指令，而是软件在推理并按需生成智能。

由于智能是实时产生的，其下方的整个计算堆栈都不得不重新发明。

AI 作为基础设施

从产业角度看 AI，它可以分解为一个五层堆栈。

第一层：能源

最底层是能源。实时生成的智能需要实时生成的电力。每产生一个 token，都是电子流动、热量管理和能源转化为计算的结果。这之下没有任何抽象层。能源是 AI 基础设施的第一原理，也是系统能产生多少智能的根本约束。

第二层：芯片

能源之上是芯片。这些处理器专为在大规模场景下将能源高效转化为计算而设计。AI 工作负载需要巨大的并行处理能力、高带宽内存和快速互连。芯片层的进步决定了 AI 能以多快的速度扩展，以及智能的价格能降到多低。

第三层：基础设施

芯片之上是基础设施。这包括土地、供电、冷却、建设、网络，以及将数以万计的处理器协调整合成一台机器的系统。这些系统就是 AI 工厂。它们不是为存储信息而设计的，而是为制造智能而设计的。

第四层：模型

基础设施之上是模型。AI 模型能够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。语言模型只是其中一个类别。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、机器人技术和自主系统领域。

第五层：应用

最顶层是应用，经济价值在此创造。药物发现平台、工业机器人、法律助手、自动驾驶汽车……自动驾驶汽车是体现在机器中的 AI 应用，人形机器人是体现在躯体中的 AI 应用。同一个堆栈，不同的结果。

这就是那块五层蛋糕：

能源 → 芯片 → 基础设施 → 模型 → 应用

每一个成功的应用都依托于其下方的每一层，一直延伸到维持其运转的发电厂。

我们才刚刚开始这场建设。目前已投入数千亿美元，但仍有数万亿美元的基础设施有待建设。

在世界各地，我们正看到芯片工厂、计算机组装厂和 AI 工厂正以前所未有的规模兴建。这正在成为人类历史上规模最大的基础设施建设。

支撑这场建设所需的劳动力是庞大的。AI 工厂需要电工、水管工、管道工、钢铁工人、网络技术人员、安装人员和操作员。

这些都是技能要求高、薪资待遇好的工作，而且供不应求。参与这场变革，你不需要计算机科学的博士学位。

与此同时，AI 正在推动知识经济各领域的生产力提升。以放射学为例：AI 现在协助读取影像，但放射科医生的需求仍在持续增长。这并不矛盾。

放射科医生的使命是照护患者，读取影像只是其中一项任务。当 AI 承担起更多常规工作，放射科医生就可以专注于判断、沟通与关怀。医院变得更有效率，能够服务更多患者，也因此雇用更多人员。

生产力创造容量，容量创造增长。

过去一年发生了什么？

在过去一年里，AI 跨越了一个重要门槛。模型已经好用到可以大规模落地应用。推理能力提升了，幻觉减少了，信息接地气性大幅改善。有史以来第一次，基于 AI 构建的应用开始创造真实的经济价值。

药物发现、物流、客户服务、软件开发和制造领域的应用已经展现出强劲的产品市场契合度。这些应用对其下方的每一层都产生了强烈的需求拉动。

开源模型在其中扮演着关键角色。世界上大多数模型都是免费的。研究人员、初创公司、企业乃至整个国家都依赖开源模型参与先进 AI 的浪潮。当开源模型达到前沿水平，它们改变的不仅仅是软件，而是激活了整个堆栈的需求。

DeepSeek-R1 就是一个有力的例证。通过让一个强大的推理模型广泛可用，它加速了应用层的采用，同时带动了对下方训练、基础设施、芯片和能源的需求。

这意味着什么？

当你把 AI 视为不可或缺的基础设施，其影响便清晰可见。

AI 始于 Transformer 大语言模型，但远不止于此。它是一场工业变革，重塑了能源的生产与消耗方式、工厂的建设方式、工作的组织方式以及经济的增长方式。

AI 工厂之所以被建造，是因为智能现在是实时生成的。芯片之所以被重新设计，是因为效率决定了智能扩展的速度。能源之所以变得核心，是因为它设定了可产生的智能总量的上限。应用之所以加速发展，是因为其下方的模型已经跨越了真正大规模实用的门槛。

每一层都强化着其他层。

这就是为什么这场建设规模如此之大，这就是为什么它同时触及如此众多的行业。这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 AI。

我们仍处于早期阶段。大部分基础设施尚不存在，大部分劳动力尚未完成培训，大部分机遇尚未实现。

但方向已然明确。

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、参与的广度，以及部署的负责任程度——将决定这个时代的走向。