AI 究竟是什么？在 NVIDIA CEO 黄仁勋看来，它早已不只是聊天机器人或某个大模型，而是一种正在迅速成形的“新型基础设施”。

近日，黄仁勋在英伟达官网发布了一篇长文，提出一个颇具形象的比喻——AI 就像一块“五层蛋糕”。从最底层的 能源，到芯片、基础设施、模型，再到最上层的应用，人工智能正在形成一整套完整的产业技术栈，并像电力和互联网一样，逐渐成为现代社会的底层能力。

这也是黄仁勋自 2016 年以来公开发表的第七篇长文。在这篇文章中，他从计算机发展史与第一性原理出发，试图解释 AI 技术栈为何会演化成如今的形态，以及为什么全球正在掀起一场规模空前的 AI 基础设施建设。

在他看来，过去几十年的软件大多是预先编写好的程序：人类设计好算法，计算机按指令执行，数据被结构化存储在数据库中，通过精确查询调用。而 AI 的出现打破了这一模式——计算机开始能够理解图像、文本和声音，并根据上下文实时生成答案、推理结果甚至新的内容。

正因为智能不再是预先写好的代码，而是实时生成的能力，支撑它运行的整个计算体系也必须被重新设计。从能源供应、芯片架构到数据中心建设，AI 正在推动一轮规模空前的基础设施建设。

不过，黄仁勋也提醒，这场变革仍处于早期阶段：大量基础设施尚未建成，大量人才尚未完成培训，大量机会也尚未被真正释放。

来源：https://blogs.nvidia.cn/blog/ai-5-layer-cake/

编译 | 苏宓

出品 | CSDN（ID：CSDNnews）

以下为黄仁勋分享全文：

AI 是当今塑造世界最强大的力量之一。它并非仅仅是一款巧妙的应用程序，也不是某个单一的模型，而是一种就像电力和互联网一样的基础设施。

AI 依赖真实的硬件、真实的能源以及真实的经济体系运行。它可以把原材料大规模地转化为智能。未来，每家公司都会使用 AI，每个国家/地区都会建设 AI。

要理解 AI 为什么会以这样的方式发展，最好的方法是从第一性原理出发，看看计算领域究竟发生了哪些根本性的变化。

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多数历史中，软件都是预先写好的。人类先描述算法，然后由计算机执行。数据必须被精心组织与设计，存储在表格中，再通过精确的查询进行检索。

因此，SQL 成为不可或缺的工具，因为它让这种计算模式变得可行。

而 AI 打破了这一模式。

每一次回答都是全新的。每一次回应都取决于你提供的上下文。这不再是软件从数据库中取出预先存储的指令。而是软件在实时推理，并按需生成智能。

正因为智能是实时产生的，支撑它的整个计算技术栈也必须被重新设计。

AI 即基础设施

如果从工业视角看 AI，它可以被拆分为一个五层技术栈。

第一层：能源

最底层是能源。实时生成智能需要实时提供电力。每一个生成的 token，本质上都是电子在流动、热量被管理、能源被转化为计算能力的结果。

在这一层之下，没有任何抽象。能源是 AI 基础设施的第一性原理，也是决定系统能产生多少智能的硬性约束。

第二层：芯片

能源之上是芯片。芯片是专门设计的处理器，用于高效地把能源转化为计算能力，并且能够在极大规模下运行。AI 工作负载需要极高的并行度、高带宽内存以及高速互联。芯片层的进步，决定了 AI 扩展的速度，也决定了智能的成本能降低到什么程度。

第三层：基础设施

芯片之上是基础设施。这一层包括土地、电力输送、散热系统、建筑、网络，以及能够把数万颗处理器组织成一台机器的系统。这些系统本质上是AI 工厂。

它们的设计目标不是存储信息，而是制造智能。

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、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。目前最具变革性的进展，很多发生在以下领域，包括蛋白质 AI、化学 AI、物理仿真、机器人、自动驾驶系统。

第五层：应用

最顶层是应用，也是创造经济价值的地方。例如：药物研发平台、工业机器人、法律助手、自动驾驶汽车。一辆自动驾驶汽车，本质上是嵌入在机器中的 AI 应用。一台人形机器人，则是嵌入在身体中的 AI 应用。底层技术栈相同，但最终形态不同。

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，都会拉动下方的每一层需求，一直延伸到为整个系统提供电力的发电厂。

AI 的建设才刚刚开始。目前的投入规模只有几千亿美元，而未来仍需要建设数万亿美元的基础设施。

在全球范围内，我们正在看到，芯片工厂、计算机组装工厂和 AI 工厂以前所未有的规模建设。这正在成为人类历史上最大的基础设施建设之一。

支撑这场建设所需要的劳动力规模非常庞大。 AI 工厂需要电工、管道工、管线安装工、钢结构工人、网络技术人员、安装人员和运维人员等。

这些都是技能型、高收入的工作岗位，而且目前供不应求。 参与这场变革，并不需要计算机科学博士学位。

与此同时，AI 也在推动知识经济的生产力提升。以放射学为例。AI 现在已经可以帮助医生读取医学影像，但放射科医生的需求仍在持续增长。这并非矛盾现象。

放射科医生的使命是照顾患者，而解读扫描影像只是其中的一项任务。

当 AI 承担更多重复性工作时，医生可以把时间用于判断、沟通和患者护理。医院的效率因此提升，能够服务更多患者，也需要雇佣更多人员。

生产力提升会带来更多能力，而能力会带来增长。

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——模型性能显著提升，可以在大规模场景中真正发挥作用。推理能力提高了，幻觉显著减少，落地应用能力大幅提升。基于 AI 构建的应用首次开始创造真实的经济价值。

药物研发、物流、客户服务、软件开发和制造业领域的应用已经展现出强大的产品市场契合度。这些应用正在强烈拉动底层技术栈的需求。

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开放的。研究人员、初创公司、企业，甚至整个国家，都依赖开源模型参与先进 AI 的发展。

当开源模型达到前沿水平时，它们带来的变化不仅发生在软件领域，还会激活整个技术栈的需求。

DeepSeek-R1 就是一个很好例子。 当一个强大的推理模型被广泛开放时，它会加速应用层的采用，并带动了底层对训练、基础设施、芯片和能源的需求增长。

这意味着什么

如果把 AI 看作一种基础设施，其影响就会变得非常清晰。

AI 始于 Transformer 架构的 LLM，但其意义远不止于此。这是一场工业级的变革，正在重塑能源生产与消费方式、工厂的建造模式、工作的组织形式以及经济的增长路径。

如今，AI 工厂正在兴建，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。能源变得至关重要，因为它决定了智能产出的上限。而应用层正在加速发展，是因为底层模型已经跨越了真正可用的门槛。

每一层都会强化其他层的发展。

这就是为什么 AI 基础设施的建设规模如此庞大，这也是为什么它会同时影响如此多的行业。AI 不会局限于某个国家或某个行业。每家公司都会使用 AI。每个国家都会建设 AI。

我们仍然处于早期阶段。大量基础设施尚未建设、大量人才尚未培训、大量机会尚未被实现。

但方向已经非常清晰。

人工智能正在成为现代世界的基础性基础设施。而我们现在做出的选择、构建速度、参与广度以及如何负责任地部署 AI，都将决定这个时代最终会变成什么样子。