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。

[原文链接]