黄仁勋时隔五年再发署名文章：重新定义AI产业逻辑！

这是黄仁勋自 2016 年以来发表的第七篇公开长文，写于 2026 年 3 月 10 日。

黄仁勋很少写这类文章。每一次动笔，基本上都意味着他认为某件事足够重要、需要亲自说清楚。

这篇文章的核心论点很简单：AI 不是一个应用，不是一个模型，它是基础设施——就像电力和互联网一样。他用"五层蛋糕"的结构把整个 AI 产业拆解清楚：能源、芯片、基础设施、模型、应用，每一层都在强化其他层，缺一不可。

这位全球 AI 产业的核心推动者，不仅拆解了人工智能运转的底层逻辑，更直面行业对 “AI 取代人类工作” 的普遍焦虑。他指出这场由 AI 驱动的新基建浪潮，正成为人类历史上规模最大的基础设施建设行动，在重构全球经济增长逻辑的同时，创造出海量高薪技术岗位，为各行各业的参与者打开全新机遇之门。

黄仁勋认为，AI不仅是软件的变革，更是一场重塑能源消耗、工厂建造和经济增长路径的工业变革。这个影响力究竟如何？我们当前处于哪一阶段？以下，Enjoy：

原文链接： https://blogs.nvidia.cn/blog/ai-5-layer-cake/

人工智能是塑造当今世界最强大的力量之一。它并非一款精巧的应用程序或单一模型，而是如同电力和互联网一般的核心基础设施。

人工智能的运行依托实体硬件、实际能源和现实经济规律。它将原材料规模化转化为智能能力，未来所有企业都会运用人工智能，所有国家都会布局人工智能建设。

要理解人工智能的发展逻辑，我们可以从基本原理出发，审视计算机领域发生的根本性变革。

从预制软件到实时智能

在计算机发展的绝大部分历史中，软件都是预制好的：人类编写算法，计算机执行算法。数据必须经过精细结构化处理，存入表格并通过精准查询调取，结构化查询语言也因此成为不可或缺的工具，支撑着这一体系的运转。

而人工智能打破了这一模式。

人类首次拥有了能理解非结构化信息的计算机：它能识别图像、读取文本、聆听声音并理解语义，能结合语境和意图进行推理，最重要的是，它能实时生成智能结果。

人工智能的每一次回应都是全新生成的，每一个答案都取决于用户提供的语境。这并非软件调取预制指令，而是软件根据需求进行推理、生成智能结果的过程。

正是由于智能的实时生成特性，其底层的整个计算体系都不得不被重新打造。

作为基础设施的人工智能

从产业视角看，人工智能体系可拆解为五层架构。

• 能源层

能源是整个体系的根基。实时生成的智能，需要实时供给的电力支撑。人工智能生成的每一个答案，背后都是电子的流动、热量的调控，以及能源向计算能力的转化。这一层不存在任何抽象化的中间环节，能源是人工智能基础设施的基本前提，也是决定系统智能产出上限的核心约束条件。

• 芯片层

能源层之上是芯片层。这类处理器专为将能源高效、规模化转化为计算能力而设计。人工智能的工作负载需要极强的并行处理能力、高带宽内存和高速互联技术。芯片层的技术突破，决定着人工智能的规模化发展速度，以及智能服务的成本可及性。

• 基础设施层

芯片层之上是基础设施层，黄仁勋将其定义为“AI工厂”。涵盖土地、电力输送、冷却系统、建筑工程、网络通信，以及能将数万台处理器整合为一个整体的协同调度系统。这些系统就是人工智能工厂，其设计目的并非存储信息，而是“制造” 智能。

• 模型层

基础设施层之上是模型层。人工智能模型能理解多类信息，涵盖语言、生物学、化学、物理学、金融、医学乃至物理世界本身。大语言模型只是其中一个类别，蛋白质人工智能、化学人工智能、物理模拟、机器人技术和自主系统等领域，正诞生着最具变革性的研究成果。

• 应用层

最顶层是创造经济价值的应用层，包括药物研发平台、工业机器人、法律辅助系统、自动驾驶汽车等。自动驾驶汽车是具象化在机械中的人工智能应用，人形机器人则是具象化在躯体中的人工智能应用—— 二者依托相同的五层架构，最终产生不同的应用成果。

这便是人工智能的五层架构体系：能源→芯片→基础设施→模型→应用

每一个成功的人工智能应用，都需要调动其下所有层级的支撑，直至为其供能的发电站。因此，黄仁勋认为，AI正在创造未来整个经济领域的就业岗位——从能源和建筑到先进制造、云运维和应用开发。

目前，人工智能的基础设施建设才刚刚起步，全球投入已达数千亿美元，但仍有数万亿美元的基础设施建设需求待满足。

如今，全球范围内的芯片工厂、计算机组装厂和人工智能工厂正以前所未有的规模落地建设，这正成为人类历史上规模最大的基础设施建设浪潮。

这场建设浪潮需要海量的劳动力支撑：人工智能工厂需要电工、水管工、管道安装工、钢铁工人、网络技术人员、设备安装人员和运维人员。这段内容回应了“公众普遍担心AI 会取代人类工作”的焦虑。

可以看到，这场变革需要的是广泛的劳动力支撑，从基础建设到日常运维，各行各业的劳动者都能参与其中。生产力提升创造了能力，能力扩大进而推动整体经济增长，这是一种正向的强化循环。

这意味着，AI 正在创造大量技术性强、待遇优厚且供不应求的新岗位。而且，这些都是技术型高薪岗位，且目前供给严重短缺。

与此同时，人工智能也在推动知识经济全领域的生产效率提升。以放射科为例，如今人工智能已能辅助读取医学影像，但放射科医生的需求仍在持续增长，这并非悖论。

放射科医生的核心使命是为患者提供医疗服务，读取影像只是其中一项工作。当人工智能承担更多常规影像解读工作后，医生能将精力更多投入到诊断判断、医患沟通和临床诊疗中。医院的诊疗效率随之提升，能服务更多患者，进而需要招聘更多医护人员。

效率的提升创造了服务容量，而容量的扩大又推动了行业发展。换句话说，AI的出现不是为了替代人，而是为了通过降本增效，做大蛋糕、做大市场增量。听起来反直觉，但生产力的每一次跃迁，最终都是通过释放人的潜力和扩大服务边界，来开启更大规模的经济增长。

过去一年发生了哪些变化？

在过去一年，人工智能跨越了一个关键门槛：模型的性能已足以支撑规模化的实际应用。其推理能力大幅提升，幻觉问题显著减少，落地实用性实现质的飞跃，基于人工智能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、软件开发和制造业等领域的人工智能应用，已展现出强劲的产品市场契合度，这些应用也对底层所有层级的能力提出了更高要求。

开源模型在这一过程中发挥着关键作用。全球绝大部分人工智能模型都是免费开放的，科研人员、初创企业、大型企业乃至各个国家，都依托开源模型参与先进人工智能的研发与应用。当开源模型达到行业前沿水平时，改变的不仅是软件领域，更会激活整个五层架构的全链路需求。

DeepSeek-R1就是一个强有力的例子。通过广泛提供强有力的推理模型，加速了应用层的采用，并增加了对训练、基础设施、芯片和其底层能源的需求。

具体而言，DeepSeek-R1 在该架构中发挥了以下作用：

• 作为“模型层”的突破口：DeepSeek-R1 作为开源推理大模型，其在数学、代码等推理任务上的性能比肩 OpenAI o1 等国际顶尖模型，是开源模型能力的重要突破。

• 向上加速“应用层”普及：通过广泛开放强大的推理能力，它大大降低了开发门槛，加速了各种 AI 应用在顶层的普及与采纳。

• 向下产生强劲的拉动效应：DeepSeek-R1 不仅仅改变了软件领域，它作为一个核心引擎，激活了对其下方每一层架构的需求。随着应用层的普及，它直接带动了对底层训练（Training）、基础设施、芯片和能源的需求增长。

• 带动行业热潮：DeepSeek-R1 的出现令世界感到惊讶，让研究人员、初创公司乃至整个国家都能依靠此类开放模型参与到先进 AI 的建设中。

总的来说，DeepSeek-R1 就像一个催化剂，位于模型层（第四层），通过其强大的开源推理能力拉动了从应用到能源的完整五层架构。

这一切意味着什么？

当我们将人工智能视为核心基础设施，其背后的深层意义便清晰可见。

人工智能始于基于Transformer 架构的大语言模型，但它的内涵远不止于此：这是一场产业变革，将重塑能源的生产与消费模式、工厂的建设方式、工作的组织形式，以及经济的增长逻辑。

人工智能工厂的建设，源于智能的实时生成需求；芯片的重新设计，源于效率对人工智能规模化发展的决定性作用；能源成为核心要素，源于它决定了智能产出的终极上限；应用层的加速落地，源于底层模型终于跨越了规模化实用的门槛。

人工智能的五层架构相互赋能、彼此强化。

这正是其基础设施建设规模如此庞大、能同时影响众多行业，且不会局限于单一国家或单一领域的原因。未来，所有企业都会运用人工智能，所有国家都会布局人工智能建设。

此前，黄仁勋在瑞士达沃斯世界经济论坛年会上强调：“人工智能就是基础设施。”他还主张每个国家都应像对待电力或道路一样对待人工智能，应该把人工智能作为基础设施的一部分。

并且，黄仁勋敦促各国建立自己的人工智能能力，借鉴当地语言和文化。他说：“发展你的人工智能，继续完善它，让你的国家智能成为生态系统的一部分。人工智能非常易于使用——它是历史上最易使用的软件。”他甚至预判，仅仅两到三年，人工智能就覆盖了近十亿人。

因此，黄仁勋认为，人工智能素养正变得不可或缺，“很明显，学习如何使用人工智能——如何引导、管理、保护、评估人工智能是至关重要的。”

可以看到，我们仍处于这场变革的早期阶段：大量基础设施尚未建成，大批相关人才尚未培养，诸多潜在机遇尚未发掘。人类才刚刚推开这扇大门，机会始终属于每一个被释放了潜能、重新发现自我价值的人和公司。

杰克•韦尔奇说：“你可以拒绝学习，但你的竞争对手不会！”

2026年，我们一起走进知名企业参访交流学习。