英偉達CEO黃仁勛罕見發布個人署名文章《AI是個五層蛋糕》。他指出，AI不是單一模型或應用，而是一個正在形成的“五層蛋糕”基礎設施體系 —— 能源、芯片、基礎設施、模型、應用，還需數萬億美元建設。

以下為全文：

人工智能是當今塑造世界最強大的力量之一。它不是一個應用，也不是單一模型，而是如同電力和互聯網一般的關鍵基礎設施。

人工智能的運行依托于切實的硬件、能源與經濟規律。它消耗原材料，并將其大規模轉化為智能產出。每一家企業都將應用它，每一個國家都將構建它。

若要理解人工智能為何以此種態勢演進，我們需要回歸「第一性原理」，審視計算領域所發生的根本性變革。

從預制軟件到實時智能

在計算機歷史的大部分時間里，軟件都是「預制」的。人類定義算法，計算機執行指令。數據必須經過嚴密的結構化處理，存儲在表格中，并通過精確的查詢語句進行檢索。SQL之所以變得不可或缺，正是因為它讓那個時代的運作成為可能。

人工智能打破了這一模式。

我們首次擁有了能夠理解非結構化信息的計算機。它能識別圖像、閱讀文本、聆聽聲音并領會其背后的含義。它能夠針對語境和意圖進行邏輯推理。最重要的是，它能夠實時智能響應。

每一條回復都是全新生成的。每一個答案都取決于您提供的上下文。這并非軟件在檢索預存的指令，而是軟件在進行推理并按需生成智能。

正因為智能是實時產出的，其底層的整個「計算堆棧（Computing Stack）」都必須經歷徹底的變革與重構。

AI as Infrastructure

從工業視角審視，人工智能可被解構為一套五層架構（Stack）。

· 能源（Energy）

能源是整套架構的基石。實時生成的智能需要實時產生的電力作為支撐。生成的每一個Token都是電子移動、熱量管理以及能源轉化為計算能力的產物。

在此之下不存在更底層的抽象層。能源是AI基礎設施的「第一性原理」，也是決定系統智能產出上限的硬約束。

· 芯片（Chips）

能源之上是芯片。這些處理器旨在將能源大規模、高效率地轉化為計算力。AI工作負載需要極高的并行性、高帶寬內存（HBM）以及高速互連技術。

芯片層的技術突破決定了AI擴張的速度，以及智能獲取成本的經濟性。

· 基礎設施（Infrastructure）

芯片之上是基礎設施。這涵蓋了土地、電力傳輸、冷卻系統、建筑施工、網絡連接，以及將數以萬計的處理器編排為單一算力集群的系統。

這些系統本質上是 「AI工廠」。它們的設計初衷并非存儲信息，而是為了「制造智能」。

· 模型（Models）

基礎設施之上是模型。AI模型能夠理解多種維度信息：語言、生物學、化學、物理學、金融、醫學以及物理世界本身。

語言模型僅是其中一個類別，目前最具變革性的突破正發生在蛋白質AI、化學AI、物理模擬、機器人技術以及自主系統領域。

· 應用（Applications）

最頂層是應用，這是創造經濟價值的核心環節。包括：藥物研發平臺、工業機器人、法律助手（Copilot）、自動駕駛汽車。

自動駕駛汽車是具身智能在機器中的AI應用，而人形機器人則是「具身」于軀體之中的AI應用。底層架構相同，展現形態各異。

這就是所謂的「五層蛋糕」：能源 → 芯片 → 基礎設施 → 模型 → 應用。

每一個成功的應用都在拉動其下方的每一層架構，其根源可追溯至維持其運行的發電廠。

這一建設進程才剛剛開啟。我們目前的投入僅為數千億美元，未來仍有數萬億美元規模的基礎設施尚待建設。

在全球范圍內，芯片工廠、計算機組裝廠和AI工廠正以史無前例的規模動工。這正在演變為人類歷史上規模最大的基礎設施建設運動。

支撐這一建設進程所需的勞動力是巨大的。AI工廠需要電工、水管工、管工、鋼結構工人、網絡技術人員、安裝人員和操作人員。

這些崗位屬于高技能、高薪酬且供不應求的職業。投身這場變革，并不一定需要計算機科學博士學位。

與此同時，AI正在提升整個知識經濟的生產力。以放射醫學為例：盡管AI現在可以輔助閱片，但對放射科醫生的需求卻在持續增長。這并非悖論。

放射科醫生的核心宗旨是護理患者，閱片僅是診療過程中的一個環節。當AI承擔了更多常規化工作，醫生便能專注于專業判斷、醫患溝通和人文關懷。醫院的效率由此提高，能夠接診更多患者，并雇傭更多員工。

生產力創造產能，產能驅動增長。

過去一年發生了什么變化？

在過去的一年中，人工智能跨越了一個重要的門檻。模型的能力已足以支撐大規模的實際應用。邏輯推理能力顯著增強，幻覺比例下降，而知識對齊與事實性（Grounding）則得到了大幅提升。基于AI構建的應用首次開始產生真正的經濟價值。

在藥物研發、物流運輸、客戶服務、軟件開發及制造業等領域，相關應用已經展現出強勁的產品市場契合度。這些應用正強力拉動其底層的每一個技術架構層級。

開源模型在此發揮著至關重要的作用。全球絕大多數模型都是免費的。研究人員、初創企業、大型企業乃至整個國家，都依賴開源模型來參與前沿人工智能的競爭。當開源模型觸及技術邊界時，它們改變的不只是軟件，更是激活了對整個架構堆棧的需求。

DeepSeek-R1就是一個強有力的例證。通過將性能強勁的推理模型向公眾開放，它加速了應用層的普及，進而反向刺激了底層對模型訓練、基礎設施、芯片以及能源的需求。

這意味著什么？

當你將人工智能視作關鍵基礎設施時，其深層影響便清晰可見。

人工智能始于基于Transformer架構的大語言模型（LLM），但其內涵遠不止于此。它是一場工業變革，正在重塑能源的生產與消費方式、工廠的建設模式、勞動的組織形式以及經濟的增長路徑。

AI工廠之所以拔地而起，是因為智能現已實現實時生成。芯片之所以被重新設計，是因為能效比決定了智能擴張的速度。

能源之所以成為核心，是因為它設定了智能產出總量的絕對上限。應用開發之所以提速，是因為其底層的模型已跨越技術門檻，真正具備了大規模實用價值。

架構中的每一個層級都在相互強化、協同演進。

這正是建設規模如此宏大的原因。這也是為何它能同時觸及如此眾多的行業，且絕不會局限于單一國家或單一領域。每一家企業都將應用人工智能，每一個國家都將致力于其建設。

我們仍處于早期階段。大部分基礎設施尚未落成，大部分勞動力尚未接受相關培訓，而大部分機遇也尚未被發掘。

但前進的方向已然明確。

人工智能正在成為現代世界的基石性基礎設施。我們當下的抉擇 —— 建設的速度、參與的廣度以及部署的責任感 —— 將共同定義這個時代。