黃仁勛發表署名文章：AI的“五層蛋糕”

3月10日，英偉達CEO黃仁勛在官方博客發表署名文章，介紹了他今年在瑞士達沃斯（Davos）世界經濟論壇（WEF）首度提出的“5層蛋糕”（five-layer cake）框架，并闡述每一層的發展與限制如何塑造整體AI經濟，以及各層間的相互強化為何日益重要。

以下為全文：

AI是當今塑造世界最強大的力量之一

AI 不是一個巧妙的應用程序，也不是單一的模型；它是一種 基礎設施，就像電力和互聯網一樣。AI 在真實的硬件、真實的能源和真實的經濟體系上運行。它將原材料轉化為可大規模運行的智慧。每家公司都會使用 AI，每個國家都會構建 AI。

【補充：近年來，AI 的發展速度驚人。生成式 AI、自動駕駛、AI 輔助醫療等技術不斷走向實際商業化，推動全球科技產業重心從傳統軟件開發轉向智能計算。英偉達作為 AI 計算平臺的核心供應商，在推動全行業的基礎架構建設中扮演著重要角色。】

從預先編寫的軟件到實時智能

在計算歷史上，傳統軟件是由人類描述算法，然后計算機執行。數據需要嚴格結構化，并通過 SQL 或類似查詢語言進行檢索。AI 改變了這一模式。

首次出現的計算系統能夠理解 非結構化信息：它可以識別圖像、閱讀文本、聽懂聲音、理解意義，并且根據情境和意圖推理。最重要的是，它能 實時生成智能。

每次回應都是全新生成的；AI 并不是從預設指令中檢索，而是根據輸入實時推理并生成輸出。這意味著原有的計算架構必須完全重構。

【補充：傳統計算依賴確定性指令和大量手工編寫的規則，而現今 AI 尤其是大規模語言模型（LLM），通過學習從大量數據中提取模式，已成為新一代智能計算的核心。】

AI 即基礎設施：五層蛋糕架構

從產業角度看，AI 架構可以分成五個層次，如同一塊蛋糕一樣：

第一層：能源（Energy）

基礎是能源。實時生成智能需要實時產生電力。每一個生成的 token 都依賴電子流動、熱量管理和能量轉換。能源是 AI 基礎設施的第一性原理，也限制著整個系統能產生多少智能。

【補充內容：這意味著 AI 的規模高度依賴全球能源供應，尤其是電力成本和能源結構（例如可再生能源 vs 化石能源）。數據中心的電力消耗在全球能源使用中占比不斷上升，這也是全球能源政策與 AI 產業策略密切相關的原因。】

第二層：芯片（Chips）

能源之上是芯片。這些處理器設計用于將能源高效地轉化為計算能力。AI 工作負載要求高并行度、高帶寬內存和快速互聯。芯片進展決定了 AI 的擴展速度和成本。

【補充內容：當前全球范疇內AI芯片競爭主要集中在 GPU、AI 加速器和定制化ASIC等。其中 NVIDIA 在 GPU 市場具有巨大優勢，但隨著 AI 計算需求暴增，專用 AI 芯片和定制化硬件也成為各國爭奪的焦點。】

第三層：基礎設施（Infrastructure）

芯片之上是基礎設施層——這包括土地、電力供應、散熱、建筑、網絡，以及將成千上萬處理器協調為一個整體的系統。這些系統就是所謂的 AI 工廠（AI factories），它們不是為了存儲信息，而是為了制造智能。

【補充內容：隨著 AI 用電與散熱需求劇增，數據中心建設成為全球產業投資重要方向，尤其在北美、歐洲和東亞等地區。建設成本高昂，但 AI 基礎設施對經濟增長與科技競爭力具有深遠影響。】

第四層：模型（Models）

AI 模型理解各種類型的信息：語言、生物、化學、物理、金融、醫學和現實世界本身。語言模型只是其中一個類別。蛋白質 AI、化學 AI、物理模擬、自主系統等領域也在快速發展。

【補充內容：模型層的突破也推動產業創新，生成式模型、預測模型和應用級 AI 模型在科學研究、醫療藥物設計等領域顯示出巨大的潛力。】

第五層：應用（Applications）

最上層是應用層，是經濟價值產生的地方：藥物發現平臺、工業機器人、法律輔助系統、自駕車等。AI 應用可以嵌入機器——如自動駕駛汽車，或嵌入“身體”——如人形機器人。

這五層即是 AI 的“蛋糕”：

能源 → 芯片 → 基礎設施 → 模型 → 應用。

任何成功的 AI 應用都需要支持它的下面每一層，甚至延伸到最底層的能源供應。

【補充內容：這五層架構模型本質上將 AI 理解為一種產業化的系統工程。不是單一算法或模型能夠獨立運行，而是整個計算生態鏈的協同推進決定了 AI 的發展速度和潛力。】

全球 AI 基礎設施建設才剛起步

目前全球正在建設芯片工廠、計算機組裝廠和 AI 工廠。這被描述為 人類歷史上最大規模的基礎設施建設。

需要大量勞動力：電工、管道工、鋼鐵工人、網絡技術人員、安裝和操作人員。這些都是高技能、高薪崗位。

同時，AI 還提升了知識經濟中的生產力。例如在放射學中，AI 協助讀取掃描結果，但對放射科醫師的需求仍在增長，因為他們更多從事判斷和溝通工作，而不是重復性掃描分析。

過去一年發生了什么變化？

AI 在過去一年跨越了關鍵門檻：模型變得足夠實用，可大規模應用。推理能力增強，幻覺現象減少，并且可用性大幅改善。基于 AI 的應用開始創造真正的經濟價值。

例如，在 藥物研發、物流、客服、軟件開發和制造領域的應用已表現出強勁的市場契合度。

開放源模型（open-source AI models）在這方面發揮關鍵作用，它們是全球大量研究者、企業乃至國家參與 AI 競爭的重要基礎。

文章還提到 DeepSeek-R1 是一個示例：它通過提供強大的推理模型，促進了應用層的采用，并拉動對訓練、基礎設施、芯片和能源的需求。

這意味著什么？

當你將 AI 視作基礎設施時，其意義變得清晰：

AI 不只是 Transformer 或語言模型，它是一場產業革命。

它正在改變能源的生產與消費方式、工廠的建造方式、工作組織形式和經濟增長模式。

AI 工廠正在建造，因為實時生成智能成為可能；芯片重新設計是因為效率決定了 AI 擴展的速度；能源是核心，因為它設定了產生智能的上限；應用加速發展，是因為模型層邁過實用門檻。

每一層都會互相強化。

正因如此，AI 建設規模才如此龐大，它才能夠同時觸及眾多行業，并不會局限于單一國家、地區或單一領域。每家公司都將使用 AI，每個國家都將發展 AI。

向未來看去

現在還有大量基礎設施尚未建立、勞動力尚未培訓、很多機會尚未實現。但方向清晰：AI 正成為現代世界最基礎的基礎設施。我們現在的選擇、構建速度、參與廣度和責任部署方式，將決定這個時代的未來。

編輯：芯智訊-浪客劍 來源：英偉達