本文来自微信公众号：长江商学院，来源：英伟达官方博客（2026年3月10日），作者：黄仁勋，编译：长江商学院，原文标题：《黄仁勋罕见长文全文：AI真正的底层逻辑，是一块“五层蛋糕” | AI进化论》，题图来自：视觉中国
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。
在最新发表的一篇题为AI is a 5-Layer Cake的长文中，他提出了一个形象的比喻——“AI五层蛋糕”（AI 5-Layer Cake）：从能源、电力，到芯片、算力基础设施，再到模型与应用，AI已经形成一个全新的产业技术栈，并正在引发人类历史上规模最大的基础设施建设之一。
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？
本文是黄仁勋最新博客的全文译文，带你理解AI时代真正的底层逻辑。
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。
AI的“五层蛋糕”模型。图片来源：英伟达官方博客
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。它可以看图像、读文本、听声音，并理解其中的含义。它能够根据上下文和意图进行推理。
最重要的是，它能够实时生成智能。
每一次回答都是新生成的。
每一个结果都依赖于你提供的上下文。
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。
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：
● 巨大的并行计算能力
● 高带宽内存
● 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：
● 土地
● 电力输送
● 冷却系统
● 建设工程
● 网络连接
● 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：
● 语言
● 生物
● 化学
● 物理
● 金融
● 医学
● 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：
● 蛋白质 AI
● 化学 AI
● 物理仿真
● 机器人技术
● 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：
● 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，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
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。
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。
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。
AI 如何提升知识经济生产力
与此同时，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：
● 判断
● 沟通
● 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。
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。
● 推理能力显著提升
● 幻觉问题减少
● 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。
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：
● 加速了应用层的创新
● 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。
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。
本文来自微信公众号：长江商学院，作者：黄仁勋，编译：长江商学院