黄仁勋罕见长文全文：AI真正的底层逻辑，是一块“五层蛋糕”

本文来自微信公众号：长江商学院，来源：英伟达官方博客（2026年3月10日），作者：黄仁勋，编译：长江商学院，原文标题：《黄仁勋罕见长文全文：AI真正的底层逻辑，是一块“五层蛋糕” | AI进化论》，题图来自：视觉中国

人工智能正在迅速改变世界，但很多人仍把它理解为一种软件工具或聊天机器人。事实上，在英伟达创始人兼CEO 黄仁勋看来，AI的本质远不止于此。

在最新发表的一篇题为AI is a 5-Layer Cake的长文中，他提出了一个形象的比喻——“AI五层蛋糕”（AI 5-Layer Cake）：从能源、电力，到芯片、算力基础设施，再到模型与应用，AI已经形成一个全新的产业技术栈，并正在引发人类历史上规模最大的基础设施建设之一。

为什么AI需要巨量电力？

为什么AI数据中心被称为“智能工厂”？

为什么AI不仅不会减少就业，反而会创造大量新的高技能岗位？

本文是黄仁勋最新博客的全文译文，带你理解AI时代真正的底层逻辑。

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、真实的能源以及真实的经济体系之上。它把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为什么会以这样的方式发展，我们需要从第一性原理出发，看看计算领域究竟发生了什么根本性的变化。

AI的“五层蛋糕”模型。图片来源：英伟达官方博客

从“预先编写的软件”到“实时生成的智能”

在计算机发展的绝大部分历史中，软件都是预先编写好的。

人类先设计出算法，计算机再去执行。数据必须被精心地结构化，存储进表格，然后通过精确的查询进行调用。SQL 之所以不可或缺，是因为它让这种世界变得可操作。

AI 打破了这一模式。

第一次，我们拥有了一种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，并理解其中的含义。它能够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。

每一次回答都是新生成的。

每一个结果都依赖于你提供的上下文。

这不再是软件在检索已经存储好的指令，而是软件在按需推理并生成智能。

因为智能是在实时产生的，支撑它的整个计算技术栈都必须被重新发明。

AI即基础设施

如果从产业的角度观察 AI，它可以被理解为一个五层结构的技术栈。

第一层：能源（Energy）

最底层是能源。

实时生成智能需要实时提供的电力。

每生成一个词元（token），本质上都是电子在流动、热量在被管理、能量在被转化为计算。

在这之下没有任何抽象层。

能源是 AI 基础设施的第一性原理，也是决定系统能够产生多少智能的根本约束。

第二层：芯片（Chips）

能源之上是芯片。

这些处理器被设计用来以极高效率把能源转化为计算能力，并在大规模并行的环境下运行。

AI 工作负载需要：

● 巨大的并行计算能力

● 高带宽内存

● 高速互连网络

芯片层的进步，决定了 AI 能扩展得多快，以及智能能变得多便宜。

第三层：基础设施（Infrastructure）

再往上是基础设施。

这包括：

● 土地

● 电力输送

● 冷却系统

● 建设工程

● 网络连接

● 将成千上万个处理器编排为一台机器的系统

这些系统本质上是AI 工厂。

它们并不是为了存储信息而设计的，而是为了制造智能。

第四层：模型（Models）

在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

● 以及现实世界本身

语言模型只是其中的一类。

一些最具变革性的进展正在发生在：

● 蛋白质 AI

● 化学 AI

● 物理仿真

● 机器人技术

● 自动化系统

第五层：应用（Applications）

最上层是应用，也是经济价值真正产生的地方。

例如：

● 药物发现平台

● 工业机器人

● 法律助手

● 自动驾驶汽车

一辆自动驾驶汽车，是具象化在机器中的 AI 应用。

一个人形机器人，是具象化在身体中的 AI 应用。

技术栈相同，结果不同。

这就是 AI 的五层蛋糕结构：

能源 → 芯片 → 基础设施 → 模型 → 应用

每一个成功的应用，都会向下牵引整个技术栈，一直延伸到为它提供电力的发电厂。

一场刚刚开始的基础设施建设

这场建设才刚刚开始。

目前我们已经投入了数千亿美元，但仍然有数万亿美元的基础设施需要建设。

在全球范围内，我们正看到：

● 芯片工厂

● 计算机组装工厂

● AI工厂

以前所未有的规模被建造。

这可能会成为人类历史上最大规模的基础设施建设之一。

AI 时代的劳动需求

支撑这场建设所需的劳动力规模巨大。

AI 工厂需要：

● 电工

● 水管工

● 管道安装工

● 钢结构工人

● 网络技术人员

● 安装人员

● 运维人员

这些都是高技能、高收入的工作岗位，而且目前严重短缺。

参与这场变革，并不需要计算机科学博士学位。

AI 如何提升知识经济生产力

与此同时，AI 正在推动知识经济的生产力提升。

以放射科为例。AI 已经能够帮助医生读取影像扫描，但放射科医生的需求仍然在增长。这并不是悖论。

放射科医生的真正使命是照顾病人。阅读影像只是其中的一个环节。

当 AI 接管更多重复性工作时，医生可以把更多时间用于：

● 判断

● 沟通

● 医疗决策

医院的生产力因此提高，可以服务更多患者，也会雇佣更多人。

生产力创造能力，能力带来增长。

过去一年发生了什么变化？

在过去一年里，AI 跨越了一个重要门槛：

模型已经足够好，可以在规模化应用中发挥价值。

● 推理能力显著提升

● 幻觉问题减少

● 事实锚定能力大幅改善

第一次，基于AI 的应用开始产生真实的经济价值。

例如：

● 药物研发

● 物流

● 客户服务

● 软件开发

● 制造业

这些领域的 AI 应用已经表现出明显的产品—市场匹配（PMF）。

而这些应用会强烈地拉动底层的每一层基础设施。

开源模型的重要作用

开源模型在其中扮演了关键角色。

世界上绝大多数模型都是免费的。

研究人员、创业公司、大型企业甚至整个国家，都依赖开源模型参与先进 AI 发展。

当开源模型达到技术前沿时，它们不仅改变软件，也会激活整个技术栈的需求。

DeepSeek-R1就是一个典型例子。

通过让一个强大的推理模型广泛可用，它：

● 加速了应用层的创新

● 同时增加了对训练、基础设施、芯片和能源的需求

这意味着什么？

当你把 AI 视为关键基础设施时，很多事情就变得清晰了。

AI 的起点可能是一个 Transformer 大语言模型。

但它远不止于此。

它是一场工业级变革，将重塑：

● 能源如何生产和使用

● 工厂如何建造

● 工作如何组织

● 经济如何增长

AI 工厂正在被建设，因为智能现在需要实时生成。

芯片正在被重新设计，因为效率决定智能扩展的速度。

能源变得至关重要，因为它决定智能产出的上限。

应用正在加速，因为底层模型已经跨过了规模化可用的门槛。

每一层都在强化另一层。

我们仍然处在早期阶段

这也是为什么这场建设规模如此巨大。为什么它会同时影响如此多的行业。以及为什么它不会局限在某一个国家或某一个产业。

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：

● 许多基础设施尚未存在

● 许多劳动力尚未完成培训

● 许多机会尚未被实现

但方向已经非常清晰。

AI 正在成为现代世界的基础性设施。

而我们今天所做的选择——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成为什么样子。

本文来自微信公众号：长江商学院，作者：黄仁勋，编译：长江商学院