3月10日，英伟达CEO黄仁勋在官方博客发表署名文章，介绍了他今年在瑞士达沃斯（Davos）世界经济论坛（WEF）首度提出的“5层蛋糕”（five-layer cake）框架，并阐述每一层的发展与限制如何塑造整体AI经济，以及各层间的相互强化为何日益重要。

以下为全文：

AI是当今塑造世界最强大的力量之一

AI 不是一个巧妙的应用程序，也不是单一的模型；它是一种 基础设施，就像电力和互联网一样。AI 在真实的硬件、真实的能源和真实的经济体系上运行。它将原材料转化为可大规模运行的智慧。每家公司都会使用 AI，每个国家都会构建 AI。

【补充：近年来，AI 的发展速度惊人。生成式 AI、自动驾驶、AI 辅助医疗等技术不断走向实际商业化，推动全球科技产业重心从传统软件开发转向智能计算。英伟达作为 AI 计算平台的核心供应商，在推动全行业的基础架构建设中扮演着重要角色。】

从预先编写的软件到实时智能

在计算历史上，传统软件是由人类描述算法，然后计算机执行。数据需要严格结构化，并通过 SQL 或类似查询语言进行检索。AI 改变了这一模式。

首次出现的计算系统能够理解 非结构化信息：它可以识别图像、阅读文本、听懂声音、理解意义，并且根据情境和意图推理。最重要的是，它能 实时生成智能。

每次回应都是全新生成的；AI 并不是从预设指令中检索，而是根据输入实时推理并生成输出。这意味着原有的计算架构必须完全重构。

【补充：传统计算依赖确定性指令和大量手工编写的规则，而现今 AI 尤其是大规模语言模型（LLM），通过学习从大量数据中提取模式，已成为新一代智能计算的核心。】

AI 即基础设施：五层蛋糕架构

从产业角度看，AI 架构可以分成五个层次，如同一块蛋糕一样：

🍰 第一层：能源（Energy）

基础是能源。实时生成智能需要实时产生电力。每一个生成的 token 都依赖电子流动、热量管理和能量转换。能源是 AI 基础设施的第一性原理，也限制着整个系统能产生多少智能。

【补充内容：这意味着 AI 的规模高度依赖全球能源供应，尤其是电力成本和能源结构（例如可再生能源 vs 化石能源）。数据中心的电力消耗在全球能源使用中占比不断上升，这也是全球能源政策与 AI 产业策略密切相关的原因。】

🍰 第二层：芯片（Chips）

能源之上是芯片。这些处理器设计用于将能源高效地转化为计算能力。AI 工作负载要求高并行度、高带宽内存和快速互联。芯片进展决定了 AI 的扩展速度和成本。

【补充内容：当前全球范畴内AI芯片竞争主要集中在 GPU、AI 加速器和定制化ASIC等。其中 NVIDIA 在 GPU 市场具有巨大优势，但随着 AI 计算需求暴增，专用 AI 芯片和定制化硬件也成为各国争夺的焦点。】

🍰 第三层：基础设施（Infrastructure）

芯片之上是基础设施层——这包括土地、电力供应、散热、建筑、网络，以及将成千上万处理器协调为一个整体的系统。这些系统就是所谓的 AI 工厂（AI factories），它们不是为了存储信息，而是为了制造智能。

【补充内容：随着 AI 用电与散热需求剧增，数据中心建设成为全球产业投资重要方向，尤其在北美、欧洲和东亚等地区。建设成本高昂，但 AI 基础设施对经济增长与科技竞争力具有深远影响。】

🍰 第四层：模型（Models）

AI 模型理解各种类型的信息：语言、生物、化学、物理、金融、医学和现实世界本身。语言模型只是其中一个类别。蛋白质 AI、化学 AI、物理模拟、自主系统等领域也在快速发展。

【补充内容：模型层的突破也推动产业创新，生成式模型、预测模型和应用级 AI 模型在科学研究、医疗药物设计等领域显示出巨大的潜力。】

🍰 第五层：应用（Applications）

最上层是应用层，是经济价值产生的地方：药物发现平台、工业机器人、法律辅助系统、自驾车等。AI 应用可以嵌入机器——如自动驾驶汽车，或嵌入“身体”——如人形机器人。

🔻 这五层即是 AI 的“蛋糕”：

能源 → 芯片 → 基础设施 → 模型 → 应用。

任何成功的 AI 应用都需要支持它的下面每一层，甚至延伸到最底层的能源供应。

【补充内容：这五层架构模型本质上将 AI 理解为一种产业化的系统工程。不是单一算法或模型能够独立运行，而是整个计算生态链的协同推进决定了 AI 的发展速度和潜力。】

全球 AI 基础设施建设才刚起步

目前全球正在建设芯片工厂、计算机组装厂和 AI 工厂。这被描述为 人类历史上最大规模的基础设施建设。

需要大量劳动力：电工、管道工、钢铁工人、网络技术人员、安装和操作人员。这些都是高技能、高薪岗位。

同时，AI 还提升了知识经济中的生产力。例如在放射学中，AI 协助读取扫描结果，但对放射科医师的需求仍在增长，因为他们更多从事判断和沟通工作，而不是重复性扫描分析。

过去一年发生了什么变化？

AI 在过去一年跨越了关键门槛：模型变得足够实用，可大规模应用。推理能力增强，幻觉现象减少，并且可用性大幅改善。基于 AI 的应用开始创造真正的经济价值。

例如，在 药物研发、物流、客服、软件开发和制造领域的应用已表现出强劲的市场契合度。

开放源模型（open-source AI models）在这方面发挥关键作用，它们是全球大量研究者、企业乃至国家参与 AI 竞争的重要基础。

文章还提到 DeepSeek-R1 是一个示例：它通过提供强大的推理模型，促进了应用层的采用，并拉动对训练、基础设施、芯片和能源的需求。

这意味着什么？

当你将 AI 视作基础设施时，其意义变得清晰：

AI 不只是 Transformer 或语言模型，它是一场产业革命。

它正在改变能源的生产与消费方式、工厂的建造方式、工作组织形式和经济增长模式。

AI 工厂正在建造，因为实时生成智能成为可能；芯片重新设计是因为效率决定了 AI 扩展的速度；能源是核心，因为它设定了产生智能的上限；应用加速发展，是因为模型层迈过实用门槛。

每一层都会互相强化。

正因如此，AI 建设规模才如此庞大，它才能够同时触及众多行业，并不会局限于单一国家、地区或单一领域。每家公司都将使用 AI，每个国家都将发展 AI。

向未来看去

现在还有大量基础设施尚未建立、劳动力尚未培训、很多机会尚未实现。但方向清晰：AI 正成为现代世界最基础的基础设施。我们现在的选择、构建速度、参与广度和责任部署方式，将决定这个时代的未来。

编辑：芯智讯-浪客剑 来源：英伟达