英伟达CEO黄仁勋撰文：还需要投资数万亿美元建设AI基础设施

3月11日消息，英伟达CEO黄仁勋发表了一篇以《AI是一个五层蛋糕》为题的，关于人工智能的长篇博客文章，文章系统阐释了AI产业的底层逻辑，黄仁勋在文中定义了AI的“五层架构”。他表示，当前AI产业仍处于极早期发展阶段，尽管行业已投入数千亿美元，但AI的真正潜力尚未被完全发掘，未来仍需数万亿美元的持续投资来完善底层基础设施。 黄仁勋指出，AI已成为当今塑造世界的最强大力量之一，它并非单一的聪明应用程序或模型，而是如同电力和互联网一样至关重要的基础设施，运行在真实的硬件、能源和经济基础之上，能够吸收原材料并转化为规模化的智能，未来每家公司都将使用AI，每个国家都将建设AI基础设施。 2026 年 3 月 10 日 作者 黄仁勋 AI 是塑造当今世界的强大力量之一。它并非仅仅是一款巧妙的应用程序，也不是单一的模型，而是如同电力和互联网一样必不可少的基础设施。 AI 依托真实的硬件、能源和经济体系运行。它可以将原材料大规模地转化为智能。每家公司都将应用 AI， 每个国家/地区都将发展 AI。 要理解 AI 为何以这种方式发展，我们需要从基本原理进行推理，并了解计算领域发生了哪些根本性变化。 在计算技术发展的历史中，软件通常都是预先制作好的。人类描述一种算法，计算机执行此操作。数据必须经过精心设计，存储在表格中，并通过精确查询进行检索。SQL 变得不可或缺，因为过去的世界因此得以运转。 我们首次拥有了一台能够理解非结构化信息的计算机。它能够识别图像、阅读文本、聆听声音并理解其含义。它可以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。 每个回应都是全新创建的。每个答案都取决于你提供的上下文。这并非软件检索存储的指令，而是软件根据需求进行推理并生成智能。 由于智能是实时生成的，因此其背后的整个计算架构都必须重新设计。 从工业角度审视 AI，其架构可分解为五层。 最底层是能源。实时生成的智能需要实时产生的电力支持。每一个生成的 token，都是电子流动、热量管理以及能量转化为计算的结果。在这一层面之下，没有抽象层。能源是 AI 基础设施的首要原则，也是制约系统能产生多少智能的瓶颈因素。 能源层之上是芯片。这些处理器旨在大规模地将能源高效转化为计算能力。AI 工作负载需要巨大的并行处理能力、高带宽内存和快速互连。芯片层的进展决定了 AI 的扩展速度以及智能的可适用性。 芯片之上是基础设施层。这包括土地、供电、冷却系统、建筑工程、网络通信，以及将成千上万处理器编排到一台机器的系统。这些系统就是 AI 工厂。它们的设计目的并非存储信息，而是制造智能。 基础设施层之上是模型层。AI 模型能够理解多种类型的信息：语言、生物学、化学、物理学、金融学、医学以及物理世界本身。语言模型只是其中一个类别。一些最具变革性的工作正发生在蛋白质 AI、化学 AI、物理模拟、机器人(16.580, -0.02, -0.12%)技术和自主系统等领域。 最上层是应用层，经济价值在此产生，比如药物研发平台、工业机器人、法律助手、自动驾驶汽车等。自动驾驶汽车是 AI 机器应用的具体表现。人形机器人则是 AI 具身应用的具体表现。同样的架构，能带来不同的成果。 能源 → 芯片 → 基础设施 → 模型 → 应用 每一个成功的应用都会拉动其下的每一层，直至维持其运行的动力设备。 我们才刚刚开始这一建设进程，目前已投入数千亿美元，但仍需建设价值数万亿美元的基础设施。 放眼全球，我们看到芯片工厂、计算机组装厂和 AI 工厂正在以前所未有的规模建设。这正在成为人类历史上规模最大的基础设施建设。 支撑这一建设进程所需的人力非常庞大。AI 工厂需要电工、管道工、管件工、钢铁工人、网络技术人员、安装人员和操作员等。 这些都是技术性强、待遇优厚的工作岗位，且目前供不应求。参与这场变革无需拥有计算机科学博士学位。 与此同时，AI 正在提高整个知识经济领域的生产力。以放射学为例，AI 已经能够辅助解读扫描影像，但对放射科医生的需求仍在持续增长。这并非矛盾现象。 放射科医生的职责就是照顾患者，而解读扫描影像只是其工作中的一个环节。当 AI 承担更多的常规工作时，放射科医生可以专注于判断、沟通和护理。医院的工作效率将越来越高，将能够为更多的患者提供服务，也会雇佣更多员工。 在过去的一年里，AI 跨越了一个重要的门槛。模型性能显著提升，可以大规模投入使用。推理能力增强，幻觉现象减少，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、软件开发和制造领域的应用已经展现出强大的产品市场契合度。这些应用会对其下方的每一层架构都产生强劲的拉动效应。 开源模型在这方面发挥着关键作用。全球大多数模型都是免费开放的。研究人员、初创公司、企业甚至国家都依靠开放模型