编者按:人工智能正从一项前沿技术,逐渐演变为支撑现代经济运行的基础设施。英伟达在其官方账号发布的首篇长文中,尝试从第一性原理出发,对 AI 的产业结构进行系统梳理:从能源与芯片,到数据中心基础设施,再到模型与应用,构成了一条完整的五层技术栈。

文章指出,AI 不只是软件或模型的竞争,而是一场涉及能源、算力、制造与应用的全球性工业建设,其规模可能成为人类历史上最大的基础设施扩张之一。通过这一「五层蛋糕」的视角,英伟达试图说明:AI 的真正意义,不只是更聪明的软件,而是一场规模堪比电力和互联网的基础设施革命。

以下为原文:

人工智能是当今塑造世界最强大的力量之一。它并不是一个聪明的应用程序,也不是某个单一模型,而是一种基础设施,就像电力和互联网一样重要。

AI 运行在真实的硬件、真实的能源和真实的经济体系之上。它将原材料转化为规模化生产的「智能」。每一家公司都会使用它,每一个国家都会建设它。

要理解为什么 AI 会以这样的方式展开,从第一性原理出发,看看计算领域到底发生了哪些根本性的变化,会很有帮助。

从「预制的软件」到「实时生成的智能」

在计算机发展的绝大多数历史里,软件都是「预制」的。人类先描述一个算法,然后计算机按照指令执行。数据必须被精心结构化,存入表格,并通过精确的查询被取出。SQL 之所以不可或缺,是因为它让这一整套体系能够运作。

而 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;它能够推理上下文与意图。更重要的是,它可以实时生成智能。

每一次回应都是新的生成。每一个答案都依赖于你提供的上下文。这不再是软件从数据库中检索既有指令,而是软件在实时推理,并按需生成智能。

正因为智能是在实时生成的,支撑它的整个计算技术栈也必须被重新发明。

AI 作为基础设施

如果从产业视角看 AI,它实际上可以拆解为一个五层结构。

能源(Energy)

最底层是能源。

实时生成的智能,需要实时生成的电力。每一个 token 的产生,都意味着电子在移动、热量在被管理、能源被转化为计算能力。

在这一层之下,没有任何抽象。能源是 AI 基础设施的第一原则,也是决定系统能生产多少智能的根本约束。

芯片(Chips)

能源之上是芯片。这些处理器的设计目标,是以极高效率、在大规模条件下,把能源转化为计算能力。

AI 工作负载需要巨大的并行计算能力、高带宽内存以及高速互联。芯片层的进步,决定了 AI 扩展的速度,也决定了「智能」最终会变得多便宜。

基础设施(Infrastructure)

芯片之上是基础设施。这包括土地、电力输送、散热系统、建筑工程、网络系统,以及将数万颗处理器组织成一台机器的调度系统。

这些系统本质上是 AI 工厂。它们不是为了存储信息而设计的,而是为了制造智能。

模型(Models)

基础设施之上是模型。AI 模型可以理解各种类型的信息: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。最具变革性的工作之一,正在发生在以下领域:蛋白质 AI、化学 AI、物理仿真、机器人、自主系统

应用(Applications)

最顶层是应用层,这里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 Copilot、自动驾驶汽车。

一辆自动驾驶汽车,本质上是一种「被机器承载的 AI 应用」;一个类人机器人,则是一种「被身体承载的 AI 应用」。底层技术栈是同一个,只是最终呈现的形态不同。

因此,这就是 AI 的五层结构:能源 → 芯片 → 基础设施 → 模型 → 应用。每一个成功的应用,都会向下牵动所有层级,直到最底层为它供电的发电厂。

一场仍在早期的基础设施建设

我们才刚刚开始这场建设。目前的投入规模不过几千亿美元,而未来仍需要建设数万亿美元级别的基础设施。

在全球范围内,我们正在看到:芯片工厂、计算机组装厂、AI 工厂。

以前所未有的规模被建造出来。这正在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

支撑这一建设所需要的劳动力规模非常庞大。

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、设备安装人员、运维人员

这些都是技术性强、薪资优厚的岗位,而且目前极度短缺。参与这场转型,并不一定需要计算机科学博士学位。

与此同时,AI 正在推动知识经济的生产率提升。以放射科为例。AI 已经开始辅助医学影像判读,但放射科医生的需求却仍在增长。

这并不矛盾。

放射科医生的真正职责是照顾病人,而读片只是其中的一项工作。当 AI 接管越来越多的重复任务后,医生可以把时间更多投入到判断、沟通和治疗中。

医院的效率提高,可以服务更多患者,也因此需要更多人手。生产率创造能力,能力创造增长。

过去一年发生了什么变化?

在过去一年里,AI 跨过了一个关键门槛。

模型已经足够好,可以在大规模场景中真正发挥作用。

·推理能力显著提升

·幻觉显著减少

·与现实世界的「锚定」(grounding)大幅增强

第一次,基于 AI 的应用开始创造真实的经济价值。

在以下领域已经出现明显的产品市场匹配:药物研发、物流、客服、软件开发、制造业

这些应用正在强力拉动底层整个技术栈。

开源模型的作用

开源模型在其中扮演着关键角色。世界上绝大多数 AI 模型都是免费的。研究者、创业公司、企业乃至整个国家,都依赖开源模型参与先进 AI 的竞争。

当开源模型达到技术前沿时,它们不仅改变软件,还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,它推动了应用层的快速增长,同时也增加了对训练算力、基础设施、芯片和能源的需求。

这意味着什么?

当你把 AI 看作基础设施,一切就变得清晰起来。AI 也许始于 Transformer 和大型语言模型,但它远不止如此。

它是一场工业级的变革,将重新塑造:

·能源的生产与消费方式

·工厂的建设方式

·工作的组织方式

·经济增长的模式

AI 工厂之所以被建造,是因为智能现在可以实时生成。芯片之所以被重新设计,是因为效率决定智能扩展的速度。能源之所以成为核心,是因为它决定系统最多能生产多少智能。应用之所以爆发,是因为模型终于跨过了「规模可用」的门槛。

每一层都在强化其他层。

这就是为什么这场建设规模如此庞大,为什么它会同时影响如此多的行业,也为什么它不会局限于某一个国家或某一个领域。

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。

大量基础设施尚未建成,大量劳动力尚未被训练,大量机会尚未被实现。

但方向已经非常清晰。

人工智能正在成为现代世界的基础性基础设施。

而我们今天做出的选择,建设的速度、参与的广度、以及部署的责任,将决定这个时代最终会变成什么样。