3月10日，英伟达创始人兼CEO黄仁勋发布了一篇重磅长文，系统性地阐述了人工智能产业的底层商业逻辑。他在文中明确指出，AI早已超越单纯软件代码的范畴，演变为与电力、互联网同等重要的现代世界核心基础设施。
黄仁勋在文中直言不讳地指出：当前AI产业仍处于极早期阶段，全球虽然已投入数千亿美元，但未来还需要数万亿美元的持续投入，用于建设底层基础设施。他还强调，无论是那些好用的AI应用，还是像DeepSeek这样火爆全网的开源模型，归根结底都在倒逼各行各业去采购更多芯片、消耗更多电力。
值得注意的是，这篇长文的发布时间节点非常微妙——黄仁勋显然是在为即将开幕的英伟达年度GTC大会提前定调。
AI：现代世界的基础设施
人工智能正成为当今世界最具变革力的重塑力量之一。它不是某个精巧的应用，也不是单一模型，而是像电力和互联网一样不可或缺的核心基础设施。
AI建立在实体硬件、真实能源和实际经济规律之上。它汲取原材料，并将其大规模转化为智能。未来，每一家公司都会使用AI，每一个国家都会建设AI基础设施。
要理解AI为何会呈现出这种发展态势，我们需要回到第一性原理，审视计算领域到底发生了哪些根本性变革。
从预制软件到实时智能
在计算机历史的大部分时间里，软件都是预先编写好的。人类编写算法，计算机负责执行。数据必须经过严密的结构化处理，存储在表格中，并通过精确的查询来检索。SQL之所以不可或缺，正是因为它是这套体系的核心。
而AI打破了这种传统模式。
这是人类第一次拥有能够理解非结构化信息的计算机。它能看懂图像、阅读文字、听取声音并理解其中的含义，能推断语境和用户的意图。更重要的是，它能实时生成智能。
它的每一次响应都是全新创造的，每一个答案都取决于你提供的上下文。这不再是软件在检索存储好的指令，而是软件在根据需求进行推理并生成智能。
正因为智能是实时产出的，底层的整个计算技术栈都必须被彻底重构。
作为基础设施的AI
如果从工业视角来审视，AI可以分解为一个五层技术栈：
1. 能源（Energy）：最底层是能源。实时生成的智能需要实时的电力供应来支撑。每一个生成的Token，都是电子移动、热量管理以及能源转化为计算力的结果。在能源之上，再也没有更基础的抽象层。它是AI基础设施的第一性原理，也是限制系统智能产出总量的硬约束。
2. 芯片（Chips）：能源之上是芯片。这些处理器负责将能源大规模、高效地转化为算力。AI工作负载需要极高的并行处理能力、高带宽内存以及快速的互连网络。芯片层的进步速度，决定了AI扩张的速度以及智能的经济性。
3. 基础设施（Infrastructure）：芯片之上是基础设施。包括土地、电力输送、冷却系统、建筑施工、网络设备，以及将数万个处理器协同调度为一台机器的系统。这些系统本质上就是“AI工厂”——它们不是为了存储信息，而是为了制造智能。
4. 模型（Models）：基础设施之上是模型。AI模型能够理解多种领域的信息：语言、生物、化学、物理、金融、医学乃至物理世界本身。语言模型只是其中一类，目前一些最具变革性的工作正发生在蛋白质AI、化学AI、物理模拟、机器人技术和自主系统等领域。
5. 应用（Applications）：最顶层是应用，这里也是创造经济价值的地方。例如药物研发平台、工业机器人、法律助手以及自动驾驶汽车等。自动驾驶汽车是搭载于机器中的AI应用，人形机器人则是搭载于仿生躯体中的AI应用。底层技术栈完全相同，但呈现结果却各不相同。
这就是AI的“五层蛋糕”：能源 → 芯片 → 基础设施 → 模型 → 应用。
每一个成功的应用，都会向下拉动每一层资源，一直延伸到维持其运行的发电厂。
这场基础设施建设才刚刚开始。目前只投入了几千亿美元，未来还有数万亿美元的基础设施有待建设。
在全球范围内，我们看到芯片工厂、计算机组装厂和AI工厂正以前所未有的规模拔地而起。这正在成为人类历史上规模最庞大的基础设施建设狂潮。
支撑这一建设浪潮所需的劳动力是巨大的。AI工厂需要电工、水管工、管道安装工、钢铁工人、网络技术员、安装工和操作员。这些都是高技能、高薪酬的职位，目前供不应求。你根本不需要拥有计算机科学的博士学位，也能参与到这场变革中来。
与此同时，AI正在全面提升知识经济的生产力。以放射科为例，AI现在可以辅助阅片，但对放射科医生的需求却在持续增长。这并非悖论。
放射科医生的核心职责是照顾病人，阅片只是过程中的一项任务。当AI承担了更多常规工作后，医生可以专注于临床判断、沟通和护理。医院的效率提高了，就能服务更多患者，进而雇佣更多员工。
生产力创造产能，而产能创造增长。
过去一年发生了什么变化？
在过去的一年里，AI跨越了一个重要的门槛。模型的能力已经足够优秀，足以支持大规模使用。推理能力提升了，幻觉减少了，基于事实的锚定能力显著增强。基于AI构建的应用第一次开始产生真正的经济价值。
在药物研发、物流、客户服务、软件开发和制造业等领域，AI应用已经展现出极强的产品市场契合度。这些应用正强力拉动其下方的每一个技术层。
开源模型在此发挥了关键作用。世界上大部分模型都是免费的。研究人员、初创企业、大型企业乃至整个国家，都在依靠开源模型参与到前沿AI的进程中。当开源模型达到前沿水平时，它们改变的不只是软件，更激活了对整个底层技术栈的需求。
DeepSeek-R1就是一个有力的例证。通过将强大的推理模型广泛开源，它加速了应用层的落地采用，并进而推高了对其底层训练、基础设施、芯片和能源的需求。
这意味着什么
当你把AI视为核心基础设施时，其深远影响便清晰可见。
AI始于Transformer大语言模型，但其内涵远不止于此。这是一场工业变革，它正在重塑能源的生产与消费方式、工厂的建设方式、工作的组织方式以及经济的增长方式。
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，是因为效率决定了智能规模化扩张的速度；能源之所以成为核心，是因为它设定了智能产出总量的上限；应用之所以加速发展，是因为底层模型已经跨越了大规模实用的门槛。
这宏大的五层蛋糕，每一层都在相互强化。
这就是为什么基础设施建设规模如此宏大，为什么它会同时触及如此多的行业，以及为什么它绝不会局限于单一国家或单一领域。每一家公司都将使用AI，每一个国家都将建设它。
我们仍处于早期阶段。大部分基础设施尚未建成，大部分劳动力尚未接受培训，大部分机遇尚未被发掘。
但前行的方向已经明确。
AI正在成为现代世界的底层基础设施，而现在我们做出的选择——建设的速度、参与的广度以及负责任地部署的深度——将最终决定这个时代的模样。
