英伟达首席执行官黄仁勋最近撰写了一篇关于人工智能的博客文章，强调当前AI基础设施的发展仍处于初级阶段。他指出，在过去几年中尽管已经投入了巨额资金，但未来还需要更多的投资来完善数据中心及相关底层设施。
黄仁勋在文中详细区分了传统软件与现代AI系统之间的差异，并重申了他的“五层架构”概念，该模型从能源到应用全面概述了AI生态系统。他提到这种结构自下而上由发电、硬件组件、基础设施建设、算法开发和最终的应用程序组成。
黄仁勋认为，虽然技术进步可能会对劳动力市场造成一定影响，但长远来看将创造大量新岗位，特别是在技术和基础设施领域。随着AI接管更多日常任务，生产力的提高会带动服务行业的扩张，进而促进就业增长。
博客中的核心观点如下：
AI是一块五层蛋糕
黄仁勋
2026年3月10日
人工智能如今已成为推动全球进步的关键力量之一，它不再仅仅是单一的应用程序或模型，而是与电力和互联网一样重要的基础设施。
AI的运作依赖于实际的硬件、能源以及经济基础。它可以将原材料转化为规模化的智能产品，并为每一家公司及每一个国家提供服务。
为了理解AI的发展轨迹，我们必须从计算领域的基本原理出发，探讨其中发生了哪些根本性的变化。
从预编软件到实时智能
在很长一段时间里，软件都是基于预编写的代码运行的。然而现在我们有了能够处理非结构化信息的技术——可以理解和响应图像、文本和声音，并根据上下文生成智能答案的能力已经成为可能。
AI打破了这一模式。
每一个回复都是即时产生的，这意味着传统的检索存储指令方式已经不再适用。这种新形式的软件能够实时推理并按需生成智能。
由于智能是实时制造出来的，其底层计算架构必须进行全面革新以支持这一特性。
当我们从工业角度审视AI时，可以看到它是由五层构成的：能源、芯片、基础设施建设、算法模型和应用。每一层次都为上一层提供了必要的支撑条件和发展空间。
作为基础设施的AI
最基础的一层是电力供应，其次是专门设计用于高效转换能源成为计算能力的处理器（即芯片）。然后是支持大规模并行运算所需的各种设施和技术环境——这构成了所谓的“AI工厂”。
第一层：能源
建模过程紧接着基础设施之上，涉及到不同形式的信息处理技术。这些模型可以解决语言、生物医学等领域的问题。
第二层：芯片
最终的应用程序层则是创造经济效益的地方，包括药物研发平台和自动驾驶汽车等。
第三层：基础设施
现在我们正处于一个大规模投资阶段的初期，已经投入了数千亿美元的资金，但仍需大量资金来完成基础设施建设。
第四层：模型
在全球范围内，越来越多的工厂、数据中心以及专门用于AI制造的企业正在被建立起来。这代表了一次前所未有的大型基建行动。
第五层：应用
为了支撑这一过程，需要大量的劳动力资源——包括电工、管道工和其他技术人员在内的人群将参与其中。
这些工作机会往往具有较高的工资水平，并且对于推动整个知识经济的生产力提升至关重要。例如，在医疗领域，虽然AI可以协助医生读取扫描图像，但同时也增加了对专业医护人员的需求。
AI的应用提高了服务行业的效率和容量，从而促进了经济增长和社会福利的改善。
在过去一年中，AI技术取得了显著进展，模型变得更加成熟且实用。在药物发现等多个行业领域已经看到了这种进步带来的实质性经济效益。
开源项目的贡献不容忽视。许多公司和个人依靠这些资源进行高级别的人工智能研究和开发工作。
深度学习平台DeepSeek-R1就是一个典型例子，它通过提供强大的推理工具促进了应用层的技术采用，并推动了底层对计算能力、基础设施等方面的需求增长。
当我们将AI视为基本的基础设施时，其影响范围变得更为明显。这不仅涉及到能源生产与消费模式的变化，还包括工厂建设方式以及经济发展的新途径。
由于智能生成是实时发生的，因此必须重新设计芯片以提高效率；同时，电力供应作为核心资源决定了生产的最大潜能；应用层面的爆发性增长则得益于底层模型的进步和广泛应用能力的提升。
当前正处于一个重要的开端阶段。许多基础设施尚未建成，大量劳动力也未接受相关培训，这意味着未来还有巨大的潜力等待发掘。
AI正在成为现代社会的核心组成部分，我们当前所做的每一个决定——无论是在速度、范围还是责任方面，都将对未来产生深远影响。
过去一年发生了什么改变
在过去的一年里，AI跨越了一个重要的门槛。模型变得足够优秀，能够在规模化应用中发挥实质作用。推理能力得到提升，幻觉大幅减少，基础事实的准确性（Grounding）显著改善。基于AI构建的应用程序首次开始产生真正的经济价值。
在药物发现、物流、客户服务、软件开发和制造业等领域的应用，已经展现出强劲的产品市场契合度（Product-Market Fit）。这些应用正强力拉动着它们下方的每一层结构。
开源模型在其中扮演了关键角色。世界上大多数模型都是免费的。研究人员、初创公司、大型企业乃至整个国家，都依赖开源模型来参与高级AI的研发。当开源模型达到前沿水平时，它们不仅改变了软件本身，更激活了整个架构栈的需求。
DeepSeek-R1 就是最好的例证。通过让强大的推理模型被广泛可用，它加速了应用层的技术采用，并相应增加了其底层对训练、基础设施、芯片和能源的需求。
这意味着什么
当你将AI视为必不可少的基础设施时，其深远影响便清晰可见。
AI始于Transformer大语言模型。但它远不止于此。它是一场工业转型，将重塑能源的生产和消费方式、工厂的建造方式、工作的组织方式以及经济的增长方式。
之所以要建设AI工厂，是因为智能现在是实时生成的；之所以要重新设计芯片，是因为效率决定了智能扩展的速度；能源之所以成为核心，是因为它设定了智能生产的总量上限；应用之所以加速爆发，是因为底层的模型已经跨过了门槛，终于能够在规模化层面真正发挥效用。
每一层都在相互强化。
这就是为什么这场基础设施建设如此庞大，为什么它同时触及了这么多行业，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。每个国家都将建设它。
我们仍处于早期阶段。许多基础设施尚未建成。大量劳动力尚未接受培训。许多机遇还未被充分挖掘。
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——我们建设的速度有多快、参与的范围有多广、部署的方式有多负责任——将最终塑造这个时代的未来。（作者/于雷）
更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。