黄仁勋撰文提出AI五层架构万亿级基建大幕初启

1天前

3月10日，英伟达CEO黄仁勋发布了一篇关于人工智能的长篇博客，这是他自2016年以来发表的第七篇公开长文，阐述了对AI发展速度、访问权限及治理模式的见解。

黄仁勋指出，AI已不再是单一的应用或模型，而是涵盖能源、芯片、基础设施、模型、应用的完整技术栈，这一五层结构正推动人类历史上规模最大的工业建设，带来大量就业机会、工厂及AI应用。

AI“五层架构”

黄仁勋在博客中明确提出AI五层架构，成为行业共识框架：

能源——AI的根基是能源。实时生成的智能依赖实时电力，每个生成的tokens都是电子运动、热量管理及能量转化为计算的结果。能源是AI基础设施的首要原则，也是系统智能产出的根本约束。

芯片——能源之上是芯片。这些处理器旨在高效将能量转化为大规模计算能力。AI工作负载需要极高的并行性、高带宽内存和高速互联，芯片层的进步决定了AI的扩展速度与成本可承受度。

基础设施——芯片之上是基础设施，包括土地、电力供应、冷却、建设、网络，以及整合数万个处理器的系统。这些系统是“AI工厂”，其设计目的不是存储信息，而是制造智能。

模型——基础设施之上是模型。AI模型能理解语言、生物学、化学、物理、金融、医学及物理世界等多种信息，语言模型只是其中一类。蛋白质AI、化学AI、物理模拟、机器人技术和自主系统等领域正涌现最具变革性的研究成果。

应用——顶层是创造经济价值的应用领域，如药物研发平台、工业机器人、法律辅助系统和自动驾驶汽车。自动驾驶汽车是AI应用融入机器，人形机器人则是AI应用融入人体，技术栈相同但结果各异。

“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牵动其下的每一层，直至维持其运行的动力源。”黄仁勋强调，AI不是泡沫，而是长周期增长起点，代理式AI拐点已至，所有软件都将走向智能体化，物理AI、行业智能应用将迎来爆发。英伟达将持续以全栈技术推进系统级创新，推动推理成本大幅下降，让AI普惠化。

未来需数万亿美元建设

事实上，构建AI基础设施才刚刚开始，全球已投入数千亿美元，还有数万亿美元的基础设施待建。世界各地正以前所未有的规模建设芯片工厂、电脑组装厂和人工智能工厂，这正成为人类历史上规模最大的基础设施建设。

支持这项建设的人力需求庞大，AI工厂需要电工、水管工、管道安装工、钢铁工人、网络技术人员、安装人员和操作员。“这些都是技术含量高、薪酬优渥的工作，且供不应求。参与这场变革无需计算机科学博士学位。”黄仁勋说。

同时，AI正推动知识经济各领域生产力提升。以放射学为例，AI可辅助解读扫描图像，但放射科医生需求仍在增长。这并非矛盾：放射科医生的核心是照顾病人，解读影像只是工作之一。当AI承担更多日常工作，医生就能专注于判断、沟通和护理，医院效率提高，服务更多病人，也会雇用更多员工。

以下为黄仁勋博客全文：

AI是一块五层蛋糕

AI是当今塑造世界的最强大力量之一，它不仅是聪明的应用程序或单一模型，更是如电力和互联网般至关重要的基础设施。AI运行在真实硬件、能源和经济基础之上，吸收原材料转化为规模化智能，每家公司都将使用它，每个国家都将建设它。

要理解AI的发展逻辑，需从第一性原理出发，审视计算领域的根本性变化。

从预编软件到实时智能

在计算历史的大部分时间里，软件是预先编写的，人类写算法，计算机执行，数据需精心结构化存储并通过精确查询检索，SQL因此不可或缺。

AI打破了这一模式。我们首次拥有能理解非结构化信息的计算机，它能看懂图像、阅读文本、聆听声音并理解意义，能对上下文和意图推理，最重要的是能实时生成智能。每一个响应都是全新生成的，答案取决于提供的上下文，这不再是检索存储指令的软件，而是能按需推理和生成智能的软件。

正因智能是实时生产的，其底层整个计算架构栈都必须重新发明。

作为基础设施的AI

从工业角度看，AI呈现为五层架构：

第一层：能源

最底层是能源。实时生成的智能需要实时电力，每个Token都是电子移动、热量管理及能源转化为计算能力的结果，无任何抽象层。能源是AI基础设施的第一性原理，也是系统智能产出的绝对约束。

第二层：芯片

能源之上是芯片。这些处理器旨在大规模、高效地将能源转化为计算能力。AI工作负载需要庞大的并行计算能力、高带宽内存及快速互连，芯片层进步决定了AI的扩展速度和智能成本的下降程度。

第三层：基础设施

芯片之上是基础设施，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协同编排为一台机器的系统。这些系统是“AI工厂”，设计初衷不是存储信息，而是制造智能。

第四层：模型

基础设施之上是模型。AI模型能理解语言、生物学、化学、物理、金融、医学及物理世界等多种信息，语言模型只是其中一类。蛋白质AI、化学AI、物理模拟、机器人技术及自主系统等领域正涌现最具变革性的成果。

第五层：应用

最顶层是创造经济价值的应用，如药物发现平台、工业机器人、法律助手、自动驾驶汽车。自动驾驶汽车是具身于机器的AI应用，类人机器人则是具身于躯体的AI应用，底层架构相同但应用输出不同。

这就是“五层蛋糕”架构：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，直至维持运转的发电厂。

我们的建设才刚刚开始，目前仅投入数千亿美元，仍有数万亿美元的基础设施待建。世界各地正以前所未有的规模建设芯片工厂、计算机组装厂和AI工厂，这是人类历史上最大规模的基础设施建设。

支持这一建设的劳动力需求庞大，AI工厂需要电工、水管工、管道工、钢铁工人、网络技术人员、安装工和操作员。这些都是高技能、高薪酬岗位，且供不应求，参与变革无需计算机科学博士学位。

同时，AI正推动知识经济生产力提升。以放射科为例，AI可辅助读取扫描影像，但放射科医生需求仍在增长。这并非悖论：放射科医生的核心是照顾患者，读取影像只是任务之一。当AI承担更多常规工作，医生能专注于临床判断、医患沟通和护理，医院生产力提高，服务更多患者，也会雇佣更多人员。生产力创造服务容量，容量创造经济增长。

过去一年发生了什么改变

过去一年，AI跨越了重要门槛：模型足够优秀，能在规模化应用中发挥实质作用；推理能力提升，幻觉大幅减少，基础事实准确性显著改善；基于AI的应用首次产生真正的经济价值。

药物发现、物流、客户服务、软件开发和制造业等领域的应用已展现强劲的产品市场契合度，正强力拉动下方各层结构。

开源模型扮演了关键角色，世界上大多数模型是免费的，研究人员、初创公司、大型企业乃至整个国家都依赖开源模型参与高级AI研发。当开源模型达到前沿水平，不仅改变软件本身，更激活了整个架构栈的需求。DeepSeek-R1就是例证，通过让强大的推理模型广泛可用，加速了应用层技术采用，相应增加了对训练、基础设施、芯片和能源的需求。