黃仁勛公開發文：傳統軟件開發模式終結，參與AI不必非得擁有計算機博士學位

AI 究竟是什么？在 NVIDIA CEO 黃仁勛看來，它早已不只是聊天機器人或某個大模型，而是一種正在迅速成形的“新型基礎設施”。

近日，黃仁勛在英偉達官網發布了一篇長文，提出一個頗具形象的比喻——AI 就像一塊“五層蛋糕”。從最底層的能源，到芯片、基礎設施、模型，再到最上層的應用，人工智能正在形成一整套完整的產業技術棧，并像電力和互聯網一樣，逐漸成為現代社會的底層能力。

這也是黃仁勛自 2016 年以來公開發表的第七篇長文。在這篇文章中，他從計算機發展史與第一性原理出發，試圖解釋 AI 技術棧為何會演化成如今的形態，以及為什么全球正在掀起一場規模空前的 AI 基礎設施建設。

在他看來，過去幾十年的軟件大多是預先編寫好的程序：人類設計好算法，計算機按指令執行，數據被結構化存儲在數據庫中，通過精確查詢調用。而 AI 的出現打破了這一模式——計算機開始能夠理解圖像、文本和聲音，并根據上下文實時生成答案、推理結果甚至新的內容。

正因為智能不再是預先寫好的代碼，而是實時生成的能力，支撐它運行的整個計算體系也必須被重新設計。從能源供應、芯片架構到數據中心建設，AI 正在推動一輪規模空前的基礎設施建設。

不過，黃仁勛也提醒，這場變革仍處于早期階段：大量基礎設施尚未建成，大量人才尚未完成培訓，大量機會也尚未被真正釋放。

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

編譯 | 蘇宓

出品 | CSDN（ID：CSDNnews）

以下為黃仁勛分享全文：

AI 是當今塑造世界最強大的力量之一。它并非僅僅是一款巧妙的應用程序，也不是某個單一的模型，而是一種就像電力和互聯網一樣的基礎設施。

AI 依賴真實的硬件、真實的能源以及真實的經濟體系運行。它可以把原材料大規模地轉化為智能。未來，每家公司都會使用 AI，每個國家/地區都會建設 AI。

要理解 AI 為什么會以這樣的方式發展，最好的方法是從第一性原理出發，看看計算領域究竟發生了哪些根本性的變化。

從預先編寫的軟件，到實時生成的智能

在計算機發展的絕大多數歷史中，軟件都是預先寫好的。人類先描述算法，然后由計算機執行。數據必須被精心組織與設計，存儲在表格中，再通過精確的查詢進行檢索。

因此，SQL 成為不可或缺的工具，因為它讓這種計算模式變得可行。

而 AI 打破了這一模式。

我們首次擁有了一臺能夠理解非結構化信息的計算機。它可以識別圖像、閱讀文本、理解聲音，并理解其中的含義。它能夠根據上下文和意圖進行推理。更重要的是，它能夠實時生成智能。

每一次回答都是全新的。每一次回應都取決于你提供的上下文。這不再是軟件從數據庫中取出預先存儲的指令。而是軟件在實時推理，并按需生成智能。

正因為智能是實時產生的，支撐它的整個計算技術棧也必須被重新設計。

AI 即基礎設施

如果從工業視角看 AI，它可以被拆分為一個五層技術棧。

第一層：能源

最底層是能源。實時生成智能需要實時提供電力。每一個生成的 token，本質上都是電子在流動、熱量被管理、能源被轉化為計算能力的結果。

在這一層之下，沒有任何抽象。能源是 AI 基礎設施的第一性原理，也是決定系統能產生多少智能的硬性約束。

第二層：芯片

能源之上是芯片。芯片是專門設計的處理器，用于高效地把能源轉化為計算能力，并且能夠在極大規模下運行。AI 工作負載需要極高的并行度、高帶寬內存以及高速互聯。芯片層的進步，決定了 AI 擴展的速度，也決定了智能的成本能降低到什么程度。

第三層：基礎設施

芯片之上是基礎設施。這一層包括土地、電力輸送、散熱系統、建筑、網絡，以及能夠把數萬顆處理器組織成一臺機器的系統。這些系統本質上是AI 工廠。

它們的設計目標不是存儲信息，而是制造智能。

第四層：模型

基礎設施之上是模型。

AI 模型能夠理解多種類型的信息：語言、生物、化學、物理、金融、醫學，以及現實世界本身。語言模型只是其中的一類。目前最具變革性的進展，很多發生在以下領域，包括蛋白質 AI、化學 AI、物理仿真、機器人、自動駕駛系統。

第五層：應用

最頂層是應用，也是創造經濟價值的地方。例如：藥物研發平臺、工業機器人、法律助手、自動駕駛汽車。一輛自動駕駛汽車，本質上是嵌入在機器中的 AI 應用。一臺人形機器人，則是嵌入在身體中的 AI 應用。底層技術棧相同，但最終形態不同。

這就是 AI 的五層蛋糕結構：能源 → 芯片 → 基礎設施 → 模型 → 應用。

每一個成功的應用，都會拉動下方的每一層需求，一直延伸到為整個系統提供電力的發電廠。

AI 的建設才剛剛開始。目前的投入規模只有幾千億美元，而未來仍需要建設數萬億美元的基礎設施。

在全球范圍內，我們正在看到，芯片工廠、計算機組裝工廠和 AI 工廠以前所未有的規模建設。這正在成為人類歷史上最大的基礎設施建設之一。

支撐這場建設所需要的勞動力規模非常龐大。AI 工廠需要電工、管道工、管線安裝工、鋼結構工人、網絡技術人員、安裝人員和運維人員等。

這些都是技能型、高收入的工作崗位，而且目前供不應求。參與這場變革，并不需要計算機科學博士學位。

與此同時，AI 也在推動知識經濟的生產力提升。以放射學為例。AI 現在已經可以幫助醫生讀取醫學影像，但放射科醫生的需求仍在持續增長。這并非矛盾現象。

放射科醫生的使命是照顧患者，而解讀掃描影像只是其中的一項任務。

當 AI 承擔更多重復性工作時，醫生可以把時間用于判斷、溝通和患者護理。醫院的效率因此提升，能夠服務更多患者，也需要雇傭更多人員。

生產力提升會帶來更多能力，而能力會帶來增長。

過去一年發生了什么變化

在過去一年里，AI 跨越了一個重要門檻——模型性能顯著提升，可以在大規模場景中真正發揮作用。推理能力提高了，幻覺顯著減少，落地應用能力大幅提升。基于 AI 構建的應用首次開始創造真實的經濟價值。

藥物研發、物流、客戶服務、軟件開發和制造業領域的應用已經展現出強大的產品市場契合度。這些應用正在強烈拉動底層技術棧的需求。

開源模型在這一過程中發揮著關鍵作用。全球絕大多數模型都是免費開放的。研究人員、初創公司、企業，甚至整個國家，都依賴開源模型參與先進 AI 的發展。

當開源模型達到前沿水平時，它們帶來的變化不僅發生在軟件領域，還會激活整個技術棧的需求。

DeepSeek-R1 就是一個很好例子。當一個強大的推理模型被廣泛開放時，它會加速應用層的采用，并帶動了底層對訓練、基礎設施、芯片和能源的需求增長。

這意味著什么

如果把 AI 看作一種基礎設施，其影響就會變得非常清晰。

AI 始于 Transformer 架構的 LLM，但其意義遠不止于此。這是一場工業級的變革，正在重塑能源生產與消費方式、工廠的建造模式、工作的組織形式以及經濟的增長路徑。

如今，AI 工廠正在興建，是因為智能現在是實時生成的。芯片之所以被重新設計，是因為效率決定了智能擴展的速度。能源變得至關重要，因為它決定了智能產出的上限。而應用層正在加速發展，是因為底層模型已經跨越了真正可用的門檻。

每一層都會強化其他層的發展。

這就是為什么 AI 基礎設施的建設規模如此龐大，這也是為什么它會同時影響如此多的行業。AI 不會局限于某個國家或某個行業。每家公司都會使用 AI。每個國家都會建設 AI。

我們仍然處于早期階段。大量基礎設施尚未建設、大量人才尚未培訓、大量機會尚未被實現。

但方向已經非常清晰。

人工智能正在成為現代世界的基礎性基礎設施。而我們現在做出的選擇、構建速度、參與廣度以及如何負責任地部署 AI，都將決定這個時代最終會變成什么樣子。

未來沒有前后端，只有 AI Agent 工程師。

這場十倍速的變革已至，你的下一步在哪？

4 月 17-18 日，由 CSDN 與奇點智能研究院聯合主辦「2026 奇點智能技術大會」將在上海隆重召開，大會聚焦 Agent 系統、世界模型、AI 原生研發等 12 大前沿專題，為你繪制通往未來的認知地圖。

成為時代的見證者，更要成為時代的先行者。

奇點智能技術大會上海站，我們不見不散！