Related articles
“AI 的终极战争，不在顶层的应用，也不在第四层的模型，而在最底层的能源。”
当全球的聚光灯都聚焦于大模型的“ 智力竞赛” 时，英伟达创始人黄仁勋却用一篇题为 《AI 是一块五层蛋糕》 的署名文章，揭示了大模型游戏的真实规则。
文章中，这位执掌全球 AI 算力命脉的掌门人，罕见地没有推销一颗芯片，反而向全球资本市场与产业界，抛出了一套冷酷、宏大、且极具统治欲的“ 底层逻辑”——AI 不是模型，不是算法，甚至不是软件，而是继电力、互联网之后的下一代基础设施。
因此，可以把它看作一份为未来十年数万亿美元 AI 算力投资“ 定调” 的商业宣言，其核心意图在于重新划定 AI 的竞争边界：
从模型与应用的“ 表层战争”，转向覆盖能源、芯片、基建、模型、应用的“ 全栈工业战争”。
1. 范式革命：从“ 预制软件” 到“ 实时生成智能”
黄仁勋的核心洞察是：计算的本质已发生根本逆转。过去几十年，软件是“ 预制” 的—— 人类写代码，计算机执行检索。如今 AI 是“ 实时生成智能”，能理解、推理、并根据情境动态回应。这意味着整个计算栈必须被重构。由此，他提出了“ 五层蛋糕” 产业模型：能源→ 芯片→ 基础设施 （AI 工厂）→ 模型→ 应用。
2. 撕开“ 模型中心论” 的幻觉
这套模型的冷酷之处在于，它系统性解构了“ 大模型决定一切” 的行业叙事：
能源是天花板：没有电，就没有智能。能源是第一性原理，是物理极限，是智能生产规模的天花板。
模型只是“ 第四层” 驱动力：无论多么强大的模型，都只是蛋糕的第四层。其使命是驱动应用产生价值，而价值会不可逆地向下拉动对芯片、基建、能源的需求。文中甚至直接点名开源模型 DeepSeek-R1，其普及只会加剧对底层算力的“ 吸血式” 需求。
基建狂潮刚开幕：老黄直言，目前全球投入的数千亿美元只是“ 首付款”，数万亿美元基建仍在前方。这将是人类史上最大规模基建，涉及芯片厂、AI 工厂、电网、冷却系统，并将创造大量高薪岗位。
3. 一场关于“ 确定性” 的顶层设计
剥开“ 五层蛋糕” 的技术糖衣，黄仁勋传递的信息很明确：无论模型层如何厮杀，无论应用层谁主沉浮，只要 AI 工业体系在运转，位于芯片与基础设施层的供应商，就是最大、最确定的赢家。
AI，从此不再是一场代码游戏。它是一场以实时智能为产品、以全球电网为基座、以万亿美元为筹码的世纪基建。而英伟达，正在定义这场战争的游戏规则。
以下为黄仁勋署名文章全文：
人工智能是当今塑造世界最强大的力量之一。它不仅是一个巧妙的应用程序或单一的模型；它是如同电力和互联网一样必不可少的基础设施。
AI 运行在真实的硬件、真实的能源和真实的经济学之上。它吸收原材料并将其大规模转化为智能。每家公司都将使用它。每个国家都将建设它。
为了理解 AI 为何会以这种方式演进，从第一性原理出发进行推理，并看看计算领域发生了哪些根本性的改变，将会很有帮助。
从预编软件到实时智能
在计算历史的大部分时间里，软件是预先录制好的。人类描述算法。计算机执行算法。数据必须被精心结构化，存储到表格中，并通过精确的查询进行检索。SQL 变得不可或缺，因为它让那个世界得以运转。
AI 打破了这种模式。
我们第一次拥有了一台可以理解非结构化信息的计算机。它可以看懂图像、阅读文本、聆听声音并理解其含义。它可以对上下文和意图进行推理。最重要的是，它能够实时生成智能。
每一个响应都是全新创建的。每一个答案都取决于你提供的上下文。这不再是检索存储指令的软件。这是按需推理和生成智能的软件。
因为智能是实时生产出来的，其底层的整个计算架构栈都必须被重新发明。
作为基础设施的 AI
当你从工业的角度审视 AI 时，它可以被解析为一个五层的技术栈。
能源
最基础的是能源。实时生成的智能需要实时产生的电力。每一个生成的 token，都是电子移动、热量管理以及能源转化为计算的结果。在这一层之下，没有任何抽象层。能源是 AI 基础设施的第一性原理，也是限制系统能产生多少智能的约束条件。
芯片
能源之上是芯片。这些处理器旨在将能源大规模且高效地转化为计算力。AI 工作负载需要庞大的并行计算能力、高带宽内存以及快速的互连技术。芯片层的进步决定了 AI 扩展的速度，以及智能变得可负担的程度。
基础设施
芯片之上是基础设施。这包括土地、电力输送、冷却系统、建筑施工、网络，以及将成千上万个处理器编排成一台机器的系统。这些系统就是 AI 工厂。它们的设计初衷不是为了存储信息。它们是为了制造智能而设计的。
模型
基础设施之上是模型。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。语言模型仅仅是其中的一个类别。目前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、机器人技术以及自主系统领域。
应用
最顶层是应用，这也是创造经济价值的地方。比如药物发现平台、工业机器人、法律助手、自动驾驶汽车。一辆自动驾驶汽车就是具身于机器中的 AI 应用。一个类人机器人则是具身于躯体中的 AI 应用。同样的底层技术栈。不同的结果。
这就是五层蛋糕：
能源 → 芯片 → 基础设施 → 模型 → 应用。
每一个成功的应用都会向上拉动其下方的每一层，一直延伸到维持其运转的发电厂。
我们的建设才刚刚开始。我们目前仅仅投入了数千亿美元。仍有价值数万亿美元的基础设施等待建设。
在世界各地，我们看到芯片工厂、计算机组装厂和 AI 工厂正在以史无前例的规模建设。这正在成为人类历史上最大规模的基础设施建设。
支持这一建设所需的劳动力是庞大的。AI 工厂需要电工、水管工、管道工、钢铁工人、网络技术员、安装工和操作员。这些都是高技能、高薪水的工作，而且供不应求。你不需要拥有计算机科学的博士学位也能参与到这场变革中。
与此同时，AI 正在推动知识经济的生产力。以放射学为例。AI 现在协助读取扫描结果，但对放射科医生的需求仍在持续增长。这并非悖论。
放射科医生的目的是照顾患者。读取扫描结果只是其中的一项任务。当 AI 承担了更多常规工作时，放射科医生就可以专注于判断、沟通和护理。医院变得更具生产力。他们服务更多的患者。他们雇佣更多的人。
生产力创造了能力。能力创造了增长。
过去一年发生了什么改变？
在过去的一年中，AI 跨越了一个重要的门槛。模型变得足够优秀，可以实现规模化应用。推理能力得到提升。幻觉减少。事实基础 （Grounding） 显著改善。基于 AI 构建的应用首次开始产生真正的经济价值。
在药物发现、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。这些应用强有力地拉动着其下方的每一层。
开源模型在这里扮演着至关重要的角色。世界上大多数模型都是免费的。研究人员、初创公司、企业乃至整个国家都依赖开源模型来参与先进的 AI 技术。当开源模型达到前沿水平时，它们不仅改变了软件，还激活了整个技术栈的需求。
DeepSeek-R1 就是这方面的一个强有力的例子。通过让一个强大的推理模型被广泛使用，它加速了应用层的采用，并增加了对其下方的训练、基础设施、芯片和能源的需求。
这意味着什么
当你将 AI 视为必不可少的基础设施时，其深远影响便清晰可见。
AI 始于 Transformer LLM。但它远不止于此。这是一场工业变革，正在重塑能源的生产与消耗方式、工厂的建造模式、工作的组织形式以及经济的增长路径。
AI 工厂正在被建设，因为智能现在是实时生成的。芯片正在被重新设计，因为效率决定了智能扩展的速度。能源变得至关重要，因为它设定了系统究竟能产生多少智能的上限。应用正在加速，因为它们底层的模型已经跨越了一个门槛，终于能够在规模化上发挥作用。
每一层都在强化其他层。
这就是为什么这场基础设施建设如此庞大。这就是为什么它同时触及了这么多行业。这也是为什么它不会局限于单一国家或单一领域。每家公司都将使用 AI。每个国家都将建设它。
我们仍处于早期阶段。大部分基础设施尚未建成。大部分劳动力尚未接受培训。大部分机遇尚未被发掘。
但方向已然明确。
AI 正在成为现代世界的基础设施。而我们此刻的选择—— 建设的速度、参与的广度，以及如何负责任地部署它—— 将塑造这个时代未来的模样。（本文首发钛媒体 App, 作者｜硅谷 Technews，编辑｜秦聪慧）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
