原文作者：黄仁勋
原文编译：Peggy，BlockBeats
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。
