放射科医生的启示：AI不会取代工作，而是让我们更专注于人？

人工智能正在迅速改变世界，但很多人仍把它理解为一种软件工具或聊天机器人。事实上，在英伟达创始人兼CEO 黄仁勋看来，AI的本质远不止于此。

为什么AI需要巨量电力？

为什么AI数据中心被称为“智能工厂”？

为什么AI不仅不会减少就业，反而会创造大量新的高技能岗位？

AI是当今塑造世界最强大的力量之一。

它不是一个聪明的应用程序，也不是单一模型；它是一种基础设施，就像电力和互联网一样。

AI 运行在真实的硬件、真实的能源以及真实的经济体系之上。它把原材料转化为规模化的智能。每一家公司都会使用它，每一个国家都会建设它。

要理解 AI为什么会以这样的方式发展，我们需要从第一性原理出发，看看计算领域究竟发生了什么根本性的变化。

一、从预先编写的软件到实时生成的智能

在计算机发展的绝大部分历史中，软件都是预先编写好的。

人类先设计出算法，计算机再去执行。

数据必须被精心地结构化，存储进表格，然后通过精确的查询进行调用。SQL 之所以不可或缺，是因为它让这种世界变得可操作。

AI 打破了这一模式。

第一次我们拥有了一种能够理解非结构化信息的计算机。

每一次回答都是新生成的。

这不再是软件在检索已经存储好的指令，而是软件在按需推理并生成智能。

因为智能是在实时产生的，支撑它的整个计算技术栈都必须被重新发明。

二、AI即基础设施

如果从产业的角度观察 AI，它可以被理解为一个五层结构的技术栈。

第一层：能源（Energy）

最底层是能源。

实时生成智能需要实时提供的电力。

每生成一个词元（ token ），本质上都是电子在流动、热量在被管理、能量在被转化为计算。

在这之下没有任何抽象层。

能源是AI基础设施的第一性原理，也是决定系统能够产生多少智能的根本约束。

第二层：芯片（Chips）

能源之上是芯片。

这些处理器被设计用来以极高效率把能源转化为计算能力，并在大规模并行的环境下运行。

AI工作负载需要：

① 巨大的并行计算能力

② 高带宽内存

③ 高速互连网络

芯片层的进步，决定了AI能扩展得多快，以及智能能变得多便宜。

第三层：基础设施（Infrastructure）

再往上是基础设施。

这包括：

① 土地

② 电力输送

③ 冷却系统

④ 建设工程

⑤ 网络连接

⑥ 将成千上万个处理器编排为一台机器的系统

这些系统本质上是AI 工厂。

它们并不是为了存储信息而设计的，而是为了制造智能。

第四层：模型（Models）

在基础设施之上是模型。

AI模型能够理解多种类型的信息：

① 语言

② 生物

③ 化学

④ 物理

⑤ 金融

⑥ 医学

⑦ 以及现实世界本身

语言模型只是其中的一类。

一些最具变革性的进展正在发生在：

① 蛋白质AI

② 化学AI

③ 物理仿真

④ 机器人技术

⑤ 自动化系统

第五层：应用（Applications）

最上层是应用也是经济价值真正产生的地方。

例如：

① 药物发现平台

② 工业机器人

③ 法律助手

④ 自动驾驶汽车

一辆自动驾驶汽车，是具象化在机器中的AI应用。

一个人形机器人，是具象化在身体中的AI应用。

技术栈相同，结果不同。

这就是AI的五层蛋糕结构：

能源 → 芯片 → 基础设施 → 模型 → 应用

图源：英伟达官网

每一个成功的应用，都会向下牵引整个技术栈，一直延伸到为它提供电力的发电厂。

三、一场刚刚开始的基础设施建设

这场建设才刚刚开始。

目前我们已经投入了数千亿美元，但仍然有数万亿美元的基础设施需要建设。

在全球范围内，我们正看到：

芯片工厂

计算机组装工厂

AI工厂

以前所未有的规模被建造。

这可能会成为人类历史上最大规模的基础设施建设之一。

四、AI 时代的劳动需求

支撑这场建设所需的劳动力规模巨大。

AI工厂需要：

电工

水管工

管道安装工

钢结构工人

网络技术人员

安装人员

运维人员

这些都是高技能、高收入的工作岗位，而且目前严重短缺。

参与这场变革，并不需要计算机科学博士学位。

五、AI如何提升知识经济生产力

AI正在推动知识经济的生产力提升。

以放射科为例。AI已经能够帮助医生读取影像扫描，但放射科医生的需求仍然在增长。这并不是悖论。

放射科医生的真正使命是照顾病人。阅读影像只是其中的一个环节。

当AI接管更多重复性工作时，医生可以把更多时间用于：

① 判断

② 沟通

③ 医疗决策

医院的生产力因此提高，可以服务更多患者，也会雇佣更多人。

生产力创造能力，能力带来增长。

六、过去一年发生了什么变化？

在过去一年里，AI跨越了一个重要门槛：

模型已经足够好，可以在规模化应用中发挥价值。

① 推理能力显著提升

② 幻觉问题减少

③ 事实锚定能力大幅改善

第一次基于AI的应用开始产生真实的经济价值。

例如：

药物研发

物流

客户服务

软件开发

制造业

这些领域的AI应用已经表现出明显的产品—市场匹配（ PMF ）。

而这些应用会强烈地拉动底层的每一层基础设施。

七、开源模型的重要作用

开源模型在其中扮演了关键角色。

世界上绝大多数模型都是免费的。

研究人员、创业公司、大型企业甚至整个国家，都依赖开源模型参与先进 AI 发展。

当开源模型达到技术前沿时，它们不仅改变软件，也会激活整个技术栈的需求。

DeepSeek-R1就是一个典型例子。

通过让一个强大的推理模型广泛可用它：

① 加速了应用层的创新

② 同时增加了对训练、基础设施、芯片和能源的需求

这意味着什么？

当你把AI视为关键基础设施时，很多事情就变得清晰了。

AI 的起点可能是一个Transformer大语言模型。

但它远不止于此。

它是一场工业级变革，将重塑：

能源如何生产和使用

工厂如何建造

工作如何组织

经济如何增长

AI工厂正在被建设，因为智能现在需要实时生成。

芯片正在被重新设计，因为效率决定智能扩展的速度。

能源变得至关重要，因为它决定智能产出的上限。

应用正在加速，因为底层模型已经跨过了规模化可用的门槛。

每一层都在强化另一层。

八、我们仍然处在早期阶段

这也是为什么这场建设规模如此巨大，为什么它会同时影响如此多的行业。以及为什么它不会局限在某一个国家或某一个产业。

每一家公司都会使用AI。

每一个国家都会建设AI。

我们仍然处在早期阶段：

许多基础设施尚未存在

许多劳动力尚未完成培训

许多机会尚未被实现

但方向已经非常清晰

AI正在成为现代世界的基础性设施。

而我们今天所做的选择，建设速度有多快、参与范围有多广、部署方式有多负责任，将决定这个时代最终会成为什么样子。

今天的内容来自猎豹移动董事长兼CEO傅盛，他也是笔记侠PPE（政经哲）书院24级校友，经常在校友社群里与大家互动，谈他对AI趋势和应用的独到理解。

我们深嵌于一个政治、经济、科技、哲学都在经历持续变革和深刻重塑的复杂社会与商业系统之中。

真正的挑战是：我们的认知框架、组织形态和行动工具，还停留在“前AI时代”。

在前所未有的复杂系统性变革中，我们需要的是理解世界底层的“元能力”。

笔记侠PPE课程26级招生现已启动。驾驭技术、洞察世界、扎根中国、修炼心力，在应对时代重重挑战中寻找决策底牌。

穿越变革的旧世界，找到时代的新大陆，从升级你的PPE决策底层开始。