黃仁勛罕見長文全文：AI真正的底層邏輯，是一塊“五層蛋糕” | AI進化論

人工智能正在迅速改變世界，但很多人仍把它理解為一種軟件工具或聊天機器人。事實上，在英偉達創始人兼CEO 黃仁勛看來，AI的本質遠不止于此。

作者｜黃仁勛（Jensen Huang）

內容來源｜英偉達官方博客（2026年3月10日）

文章來源｜長江商學院（ID: Weixin_CKGSB）

正文字數 2969 字 ｜閱讀 10 分鐘

在最新發表的一篇題為AI is a 5-Layer Cake的長文中，他提出了一個形象的比喻——“AI五層蛋糕”（AI 5-Layer Cake）：從能源、電力，到芯片、算力基礎設施，再到模型與應用，AI已經形成一個全新的產業技術棧，并正在引發人類歷史上規模最大的基礎設施建設之一。

人工智能正在迅速改變世界，但很多人仍把它理解為一種軟件工具或聊天機器人。事實上，在英偉達創始人兼CEO 黃仁勛看來，AI的本質遠不止于此。

在最新發表的一篇題為AI is a 5-Layer Cake的長文中，他提出了一個形象的比喻——“AI五層蛋糕”（AI 5-Layer Cake）：從能源、電力，到芯片、算力基礎設施，再到模型與應用，AI已經形成一個全新的產業技術棧，并正在引發人類歷史上規模最大的基礎設施建設之一。

為什么AI需要巨量電力？

為什么AI數據中心被稱為“智能工廠”？

為什么AI不僅不會減少就業，反而會創造大量新的高技能崗位？

本文是黃仁勛最新博客的全文譯文，帶你理解AI時代真正的底層邏輯。

AI是當今塑造世界最強大的力量之一。

它不是一個聰明的應用程序，也不是單一模型；它是一種基礎設施，就像電力和互聯網一樣。

AI 運行在真實的硬件、真實的能源以及真實的經濟體系之上。它把原材料轉化為規模化的智能。每一家公司都會使用它，每一個國家都會建設它。

要理解 AI為什么會以這樣的方式發展，我們需要從第一性原理出發，看看計算領域究竟發生了什么根本性的變化。

AI的“五層蛋糕”模型。圖片來源：英偉達官方博客

從“預先編寫的軟件”到“實時生成的智能”

在計算機發展的絕大部分歷史中，軟件都是預先編寫好的。

人類先設計出算法，計算機再去執行。數據必須被精心地結構化，存儲進表格，然后通過精確的查詢進行調用。SQL 之所以不可或缺，是因為它讓這種世界變得可操作。

AI 打破了這一模式。

第一次，我們擁有了一種能夠理解非結構化信息的計算機。它可以看圖像、讀文本、聽聲音，并理解其中的含義。它能夠根據上下文和意圖進行推理。

最重要的是，它能夠實時生成智能。

每一次回答都是新生成的。

每一個結果都依賴于你提供的上下文。

這不再是軟件在檢索已經存儲好的指令，而是軟件在按需推理并生成智能。

因為智能是在實時產生的，支撐它的整個計算技術棧都必須被重新發明。

AI即基礎設施

如果從產業的角度觀察 AI，它可以被理解為一個五層結構的技術棧。

第一層：能源（Energy）

最底層是能源。

實時生成智能需要實時提供的電力。

每生成一個詞元（token），本質上都是電子在流動、熱量在被管理、能量在被轉化為計算。

在這之下沒有任何抽象層。

能源是 AI 基礎設施的第一性原理，也是決定系統能夠產生多少智能的根本約束。

第二層：芯片（Chips）

能源之上是芯片。

這些處理器被設計用來以極高效率把能源轉化為計算能力，并在大規模并行的環境下運行。

AI 工作負載需要：

● 巨大的并行計算能力

● 高帶寬內存

● 高速互連網絡

芯片層的進步，決定了 AI 能擴展得多快，以及智能能變得多便宜。

第三層：基礎設施（Infrastructure）

再往上是基礎設施。

這包括：

● 土地

● 電力輸送

● 冷卻系統

● 建設工程

● 網絡連接

● 將成千上萬個處理器編排為一臺機器的系統

這些系統本質上是AI 工廠。

它們并不是為了存儲信息而設計的，而是為了制造智能。

第四層：模型（Models）

在基礎設施之上是模型。

AI 模型能夠理解多種類型的信息：

● 語言

● 生物

● 化學

● 物理

● 金融

● 醫學

● 以及現實世界本身

語言模型只是其中的一類。

一些最具變革性的進展正在發生在：

● 蛋白質 AI

● 化學 AI

● 物理仿真

● 機器人技術

● 自動化系統

第五層：應用（Applications）

最上層是應用，也是經濟價值真正產生的地方。

例如：

● 藥物發現平臺

● 工業機器人

● 法律助手

● 自動駕駛汽車

一輛自動駕駛汽車，是具象化在機器中的 AI 應用。

一個人形機器人，是具象化在身體中的 AI 應用。

技術棧相同，結果不同。

這就是 AI 的五層蛋糕結構：

能源 → 芯片 → 基礎設施 → 模型 → 應用

每一個成功的應用，都會向下牽引整個技術棧，一直延伸到為它提供電力的發電廠。

一場剛剛開始的基礎設施建設

這場建設才剛剛開始。

目前我們已經投入了數千億美元，但仍然有數萬億美元的基礎設施需要建設。

在全球范圍內，我們正看到：

● 芯片工廠

● 計算機組裝工廠

● AI工廠

以前所未有的規模被建造。

這可能會成為人類歷史上最大規模的基礎設施建設之一。

AI 時代的勞動需求

支撐這場建設所需的勞動力規模巨大。

AI 工廠需要：

● 電工

● 水管工

● 管道安裝工

● 鋼結構工人

● 網絡技術人員

● 安裝人員

● 運維人員

這些都是高技能、高收入的工作崗位，而且目前嚴重短缺。

參與這場變革，并不需要計算機科學博士學位。

AI如何提升知識經濟生產力

與此同時，AI 正在推動知識經濟的生產力提升。

以放射科為例。AI 已經能夠幫助醫生讀取影像掃描，但放射科醫生的需求仍然在增長。這并不是悖論。

放射科醫生的真正使命是照顧病人。閱讀影像只是其中的一個環節。

當 AI 接管更多重復性工作時，醫生可以把更多時間用于：

● 判斷

● 溝通

● 醫療決策

醫院的生產力因此提高，可以服務更多患者，也會雇傭更多人。

生產力創造能力，能力帶來增長。

過去一年發生了什么變化？

在過去一年里，AI 跨越了一個重要門檻：

模型已經足夠好，可以在規模化應用中發揮價值。

● 推理能力顯著提升

● 幻覺問題減少

● 事實錨定能力大幅改善

第一次，基于AI 的應用開始產生真實的經濟價值。

例如：

● 藥物研發

● 物流

● 客戶服務

● 軟件開發

● 制造業

這些領域的 AI 應用已經表現出明顯的產品—市場匹配（PMF）。

而這些應用會強烈地拉動底層的每一層基礎設施。

開源模型的重要作用

開源模型在其中扮演了關鍵角色。

世界上絕大多數模型都是免費的。

研究人員、創業公司、大型企業甚至整個國家，都依賴開源模型參與先進 AI 發展。

當開源模型達到技術前沿時，它們不僅改變軟件，也會激活整個技術棧的需求。

DeepSeek-R1就是一個典型例子。

通過讓一個強大的推理模型廣泛可用，它：

● 加速了應用層的創新

● 同時增加了對訓練、基礎設施、芯片和能源的需求

這意味著什么？

當你把 AI 視為關鍵基礎設施時，很多事情就變得清晰了。

AI 的起點可能是一個 Transformer 大語言模型。

但它遠不止于此。

它是一場工業級變革，將重塑：

● 能源如何生產和使用

● 工廠如何建造

● 工作如何組織

● 經濟如何增長

AI 工廠正在被建設，因為智能現在需要實時生成。

芯片正在被重新設計，因為效率決定智能擴展的速度。

能源變得至關重要，因為它決定智能產出的上限。

應用正在加速，因為底層模型已經跨過了規模化可用的門檻。

每一層都在強化另一層。

我們仍然處在早起階段

這也是為什么這場建設規模如此巨大。為什么它會同時影響如此多的行業。以及為什么它不會局限在某一個國家或某一個產業。

每一家公司都會使用 AI。

每一個國家都會建設 AI。

我們仍然處在早期階段：

● 許多基礎設施尚未存在

● 許多勞動力尚未完成培訓

● 許多機會尚未被實現

但方向已經非常清晰。

AI 正在成為現代世界的基礎性基礎設施。

而我們今天所做的選擇——建設速度有多快、參與范圍有多廣、部署方式有多負責任——將決定這個時代最終會成為什么樣子。

微信 ID：chunnuanhuakai-cch