AI的“第一性原理”是能源！没电，一切智能都是扯淡！

在「龙虾热」蔓延全国的此刻，大家把越来越多的工作交给 AI。从写代码到数据分析，很多人开始尝试让 AI 接管完整流程。

人工智能能力的跃升似乎正逼迫着人们直面「自我价值」的拷问：

「AI 会不会替代我的岗位？」「如果越来越多的工作被接管，人类又该做什么？」

往回看，也许可以窥见答案一角，技术史研究在回顾工业革命时提出过一个经典观察：技术不会消灭劳动，而是重新配置、隐藏或外包劳动。

人工智能是当今塑造世界最强大的力量之一。它不是一个应用，也不是单一模型，而是如同电力和互联网一般的关键基础设施。

人工智能的运行依托于切实的硬件、能源与经济规律。它消耗原材料，并将其大规模转化为智能产出。每一家企业都将应用它，每一个国家都将构建它。

若要理解人工智能为何以此种态势演进，我们需要回归「第一性原理」，审视计算领域所发生的根本性变革。

CES 2026 Keynote

从预制软件到实时智能

在计算机历史的大部分时间里，软件都是「预制」的。人类定义算法，计算机执行指令。数据必须经过严密的结构化处理，存储在表格中，并通过精确的查询语句进行检索。SQL 之所以变得不可或缺，正是因为它让那个时代的运作成为可能。

人工智能打破了这一模式。

正因为智能是实时产出的，其底层的整个「计算堆栈（Computing Stack）」都必须经历彻底的变革与重构。

AI as Infrastructure

从工业视角审视，人工智能可被解构为一套五层架构（Stack）。

1. 能源（Energy）

能源是整套架构的基石。实时生成的智能需要实时产生的电力作为支撑。生成的每一个 Token 都是电子移动、热量管理以及能源转化为计算能力的产物。在此之下不存在更底层的抽象层。能源是 AI 基础设施的「第一性原理」，也是决定系统智能产出上限的硬约束。

2. 芯片（Chips）

能源之上是芯片。这些处理器旨在将能源大规模、高效率地转化为计算力。AI 工作负载需要极高的并行性、高带宽内存（HBM）以及高速互连技术。芯片层的技术突破决定了 AI 扩张的速度，以及智能获取成本的经济性。

3. 基础设施（Infrastructure）

芯片之上是基础设施。这涵盖了土地、电力传输、冷却系统、建筑施工、网络连接，以及将数以万计的处理器编排为单一算力集群的系统。这些系统本质上是 「AI 工厂」。它们的设计初衷并非存储信息，而是为了「制造智能」。

4. 模型（Models）

基础设施之上是模型。AI 模型能够理解多种维度信息：语言、生物学、化学、物理学、金融、医学以及物理世界本身。语言模型仅是其中一个类别，目前最具变革性的突破正发生在蛋白质 AI、化学 AI、物理模拟、机器人技术以及自主系统领域。

5. 应用（Applications）

最顶层是应用，这是创造经济价值的核心环节。包括：药物研发平台、工业机器人、法律助手（Copilot）、自动驾驶汽车。自动驾驶汽车是具身智能在机器中的 AI 应用，而人形机器人则是「具身」于躯体之中的 AI 应用。底层架构相同，展现形态各异。

这就是所谓的「五层蛋糕」：能源 → 芯片 → 基础设施 → 模型 → 应用。

每一个成功的应用都在拉动其下方的每一层架构，其根源可追溯至维持其运行的发电厂。

这一建设进程才刚刚开启。我们目前的投入仅为数千亿美元，未来仍有数万亿美元规模的基础设施尚待建设。

在全球范围内，芯片工厂、计算机组装厂和 AI 工厂正以史无前例的规模动工。这正在演变为人类历史上规模最大的基础设施建设运动。

支撑这一建设进程所需的劳动力是巨大的。AI 工厂需要电工、水管工、管工、钢结构工人、网络技术人员、安装人员和操作人员。

这些岗位属于高技能、高薪酬且供不应求的职业。投身这场变革，并不一定需要计算机科学博士学位。

AI 正在提升整个知识经济的生产力。以放射医学为例：尽管 AI 现在可以辅助阅片，但对放射科医生的需求却在持续增长。这并非悖论。

生产力创造产能，产能驱动增长。

过去一年发生了什么变化？

在过去的一年中，人工智能跨越了一个重要的门槛。模型的能力已足以支撑大规模的实际应用。逻辑推理能力显著增强，幻觉比例下降，而知识对齐与事实性（Grounding）则得到了大幅提升。基于 AI 构建的应用首次开始产生真正的经济价值。

在药物研发、物流运输、客户服务、软件开发及制造业等领域，相关应用已经展现出强劲的产品市场契合度。这些应用正强力拉动其底层的每一个技术架构层级。

开源模型在此发挥着至关重要的作用。全球绝大多数模型都是免费的。研究人员、初创企业、大型企业乃至整个国家，都依赖开源模型来参与前沿人工智能的竞争。当开源模型触及技术边界时，它们改变的不只是软件，更是激活了对整个架构堆栈的需求。

DeepSeek-R1就是一个强有力的例证。通过将性能强劲的推理模型向公众开放，它加速了应用层的普及，进而反向刺激了底层对模型训练、基础设施、芯片以及能源的需求。

这意味着什么？

当你将人工智能视作关键基础设施时，其深层影响便清晰可见。

人工智能始于基于 Transformer 架构的大语言模型（LLM），但其内涵远不止于此。它是一场工业变革，正在重塑能源的生产与消费方式、工厂的建设模式、劳动的组织形式以及经济的增长路径。

AI 工厂之所以拔地而起，是因为智能现已实现实时生成。芯片之所以被重新设计，是因为能效比决定了智能扩张的速度。能源之所以成为核心，是因为它设定了智能产出总量的绝对上限。应用开发之所以提速，是因为其底层的模型已跨越技术门槛，真正具备了大规模实用价值。

架构中的每一个层级都在相互强化、协同演进。

这正是建设规模如此宏大的原因。这也是为何它能同时触及如此众多的行业，且绝不会局限于单一国家或单一领域。每一家企业都将应用人工智能，每一个国家都将致力于其建设。

我们仍处于早期阶段。大部分基础设施尚未落成，大部分劳动力尚未接受相关培训，而大部分机遇也尚未被发掘。

但前进的方向已然明确。

人工智能正在成为现代世界的基石性基础设施。 我们当下的抉择 ——建设的速度、参与的广度以及部署的责任感—— 将共同定义这个时代。

从某种意义上看，这一玩笑也揭示了一个现实：AI 并不是「永动机」，每一次 token 的生成，背后都对应着电力、算力、数据中心以及大量工程与运维工作。

换句话说，智能并不是从天而降的产物，它只是以另一种方式消耗着真实世界的资源与劳动。而参与这场变革的人，也远不只有 AI 工程师。

如果人工智能真的如黄仁勋所描述的那样，逐渐成为由能源、芯片、基础设施、模型和应用构成的基础设施体系，那么在未来，它会像电力和互联网一样成为社会运转的默认条件。

当那一天真正到来时，你准备参与到这块蛋糕的哪一层？