周二，英伟达(NVDA.O)CEO黄仁勋在公司官网发表长文。他提出，AI是"五层蛋糕"基础设施架构：能源→芯片→基础设施→模型→应用。

黄仁勋指出，实时智能生成重塑计算范式，从预录软件转向实时推理。过去一年模型实用性突破，开源模型如DeepSeek-R1激活全栈需求。全球正经历人类历史上最大规模基础设施扩建，需数万亿美元投入，创造大量技术岗位。

以下是他的长文翻译。

AI是个“五层蛋糕”

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，也不是单一模型；它是一种基础性基础设施，就像电力和互联网一样。

AI运行在真实的硬件、真实的能源和真实的经济体系之上。它将原材料转化为规模化的智能。每一家公司都会使用它。每一个国家都会建设它。

要理解AI为何会以这种方式展开，最好的方法是从第一性原理出发，看看计算领域到底发生了哪些根本性的变化。

从预录软件到实时智能

在计算机历史的大部分时间里，软件都是“预先录制”的。人类编写算法，计算机执行它。数据必须被精心结构化，存储到表格中，并通过精确的查询进行检索。SQL之所以不可或缺，正是因为它让这种模式得以运转。

AI打破了这种模式。

这是人类第一次拥有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，并理解其中的意义。它可以根据上下文和意图进行推理。最重要的是，它能够实时生成智能。

每一次回应都是新生成的。每一个答案都取决于你提供的上下文。这不再是软件检索已经存储的指令，而是软件在进行推理，并按需生成智能。

正因为智能是实时生成的，其底层的整个计算体系必须被重新发明。

AI作为基础设施

当从产业角度审视AI时，它可以被理解为一个五层结构的技术栈。

能源

最底层是能源。实时生成的智能需要实时产生的电力。每一个token的生成，都意味着电子在流动、热量在被管理、能量在被转化为计算。这里没有任何更底层的抽象层。能源是AI基础设施的第一性原则，也是决定系统能够产生多少智能的核心约束。

芯片

能源之上是芯片。芯片是将能源高效转化为计算能力的处理器，并且能够在极大规模下运行。AI工作负载需要巨大的并行计算、高带宽内存以及高速互连。芯片层的进步决定了AI能够扩展到多快，也决定了智能的成本会下降到什么程度。

基础设施

芯片之上是基础设施。这包括土地、电力输送、冷却系统、建筑施工、网络以及将数万颗处理器协调成一台机器的系统。这些系统本质上是AI工厂。它们不是为存储信息而设计，而是为制造智能而设计。

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、化学、物理、金融、医学以及整个物理世界。语言模型只是其中的一类。当前最具变革性的研究之一，正发生在蛋白质AI、化学AI、物理模拟、机器人以及自动化系统领域。

应用

最顶层是应用层，也是经济价值产生的地方。例如药物发现平台、工业机器人、法律助手、自动驾驶汽车。自动驾驶汽车是被嵌入机器中的AI应用。类人机器人是被嵌入身体中的AI应用。技术栈相同，但结果不同。

这就是AI的五层结构：能源→芯片→基础设施→模型→应用。

每一个成功的应用，都会牵动其下方的每一层，一直延伸到为整个系统提供电力的发电厂。

我们才刚刚开始建设这一体系。目前投入不过几千亿美元，而仍然有数万亿美元规模的基础设施需要建设。

在全球范围内，我们正在看到前所未有规模的芯片工厂、计算机组装工厂和AI工厂被建设起来。这正逐渐成为人类历史上规模最大的基础设施建设之一。

支撑这一建设所需要的劳动力规模极其庞大。AI工厂需要电工、管道工、焊管工、钢结构工人、网络技术人员、安装人员和运营人员。

这些都是技术型、高薪岗位，而且目前极度短缺。参与这场变革，并不一定需要计算机科学博士学位。

与此同时，AI也在推动知识经济领域的生产力提升。以放射科为例。AI如今可以辅助读取医学影像，但对放射科医生的需求仍在持续增长，这并不矛盾。

放射科医生的核心使命是照顾患者。阅读影像只是其中的一项任务。当AI承担更多重复性的工作后，医生可以将精力集中在判断、沟通和医疗决策上。医院的生产效率随之提高，能够服务更多患者，也需要雇佣更多员工。

生产力创造能力，能力创造增长。

过去一年发生了什么变化？

在过去一年中，AI跨越了一个重要门槛。模型已经足够优秀，可以在规模化场景中发挥实际作用。推理能力提高，幻觉明显减少，事实锚定能力大幅改善。AI应用第一次开始真正创造现实的经济价值。

在药物研发、物流、客户服务、软件开发以及制造业等领域，AI应用已经展现出明显的产品与市场匹配。这些应用正在强烈拉动其下方的每一层技术体系。

开源模型在这一过程中发挥着关键作用。全球绝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的发展。当开源模型达到技术前沿时，它们改变的不仅是软件，而是会激活整个技术栈的需求。

DeepSeek-R1就是一个典型例子。通过将强大的推理模型广泛开放，它加速了应用层的采用，同时也提升了对训练、基础设施、芯片和能源的需求。

这意味着什么

当把AI视为基础性基础设施时，其影响就变得清晰。

AI始于Transformer架构的大语言模型，但远不止于此。它是一场产业级转型，正在重塑能源的生产与消费方式、工厂的建设方式、工作的组织方式以及经济增长的模式。

AI工厂之所以被建设，是因为智能现在可以实时生成。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，是因为它决定了智能生产的上限。应用之所以加速出现，是因为其背后的模型已经跨越了规模化可用的门槛。

每一层都在强化其他层。

这也是为什么建设规模如此庞大，为什么它会同时影响如此多的行业，也为什么它不会局限于某一个国家或某一个行业。每一家公司都会使用AI。每一个国家都会建设AI。

我们仍然处在早期阶段。大量基础设施尚未建成，大量劳动力尚未完成培训，大量机会尚未被实现。

但方向已经非常清晰。

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——建设速度有多快、参与范围有多广、部署方式有多负责任——将决定这个时代最终会变成什么样。