三月十日的美国时间，英伟达CEO黄仁勋于官网撰写文章，对AI产业的底层商业逻辑进行了系统阐释。他清晰表明，人工智能早就不是单纯模样的软件代码，而是已然演变成和电力以及互联网同样极具重要性的现代世界基建。

黄仁勋于文中直接表明，当下AI产业依旧处在极为早期的发展时期，虽然全球已然投入了数千亿美元，然而往后仍然需要数万亿美元的持续大量投资用以完善底层基础设施。他还称，不论那些易于使用的AI应用，还是像DeepSeek这种使全网为之疯狂的开源模型，归根结底都在促使各行各业去购置更多芯片、运用更多电力。

需要留意的是，这篇分量极重的长文的发布时刻极为微妙，黄仁勋明显是要为马上就要令人震撼开幕的英伟达年度GTC大会提早定下基调。

以下为黄仁勋这篇重磅博客的深度编译全文。

AI：现代世界的基础设施

当中，人工智能正成为，当今，使得世界重塑的，无比强大的力量里的，其中的— 个。它并非仅仅属于，某一个巧妙的应用，或者单一的模型，而是如同，电力以及互联网那般，有着不可或缺特性的，最为核心的基础设施。

AI依靠实体硬件运行，借助真实能源运作，遵循实际经济规律前行。它获取原材料，将其大规模转变为智能。未来，每家公司都会运用它，每个国家都会构建它。

想要明白AI为何呈现出这般发展态势，我们得从第一性原理着手，去审视计算领域究竟发生了哪些具有根本性的变革。

从预制软件到实时智能

在计算机历史的多数时候，软件是预制状态，人类编写算法，计算机负责展开执行行为，数据得经严实的结构化处理，存于表格之中，借助精准查询进行检索，SQL不可或缺，原因是它使这一体系能够实现运转。

而AI打破了这种传统模式。

人类得到了首次能够理解非结构化信息的计算机。它可看懂图像，能阅读文字，会听取声音并理解其中内容所涵之义，且能推断语境还有用户所要表达的意图。最为关键重要的乃是，它能够在实时状态之下生成智能。

的每次响应，皆为全新创造，每个答案，皆取决于你所提供的上下文，这已非软件于检索存好的指令了，而是软件于依据需求去进行推理且生成智能。

正是因为智能是在实时的状态下产生出来的，所以其底层的那一整个相关的计算技术栈都必然要被完全地重新构建起来。

作为基础设施的AI

如果从工业视角审视，AI可以分解为一个五个层级的技术栈：

1.能源(Energy)

最底层的是能源，实时生成的智能，需要实时电力供应来支撑，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，能源之上不存在任何更基础的抽象层，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)

芯片处于能源之上，这些处理器意在把能源大规模且高效地转化成算力，AI工作负载需求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)

基础设施在芯片之上，其中包含土地，还有电力输送，以及冷却系统，建筑施工也涵盖在内，网络设备同样属于这部分，另外还有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所谓的“AI工厂” ，它们的设计初衷并非是为了存储信息，而是为了制造智能。

4.模型(Models)

存在于基础设施之上的是模型，用以理解多种领域信息的AI模型，涵盖着语言、生物，化学、物理、金融、医学以及物理世界自身，语言模型仅隶属于其中的一类，当下一些极具变革性的工作正于蛋白质AI、化学AI、物理模拟、机器人技术以及自主系统等领域发生着。

5.应用(Applications)

最顶层存在着应用，此地同样是造就经济价值的所在之处。像药物研发平台、工业机器人、法律助手以及自动驾驶汽车等皆是如此。自动驾驶汽车乃系搭载于机器里的AI应用，人形机器人却是搭载于仿生躯体中的AI应用。底层技术栈全然一样，然而呈现出来的结果却彼此各异。

这便是AI的“五层蛋糕”，其顺序为，能源之后是芯片，芯片之后是基础设施，基础设施之后是模型，模型之后是应用。

每一个获取成功的应用，都会朝着下方拉动每一层存在的资源，这种拉动持续不断，一直延伸到能够维持其运行状态的发电厂那里。

这一场基础设施的建设，才刚刚开启了序幕。当下，我们仅仅投入了数千亿美元，往后，仍具备数万亿美元的基础设施，有待于去做建设的工作。

全球范围内，我们目睹芯片工厂建起，计算机组装厂建起，AI工厂建起，且正以前所未有的规模拔地而起，这正演变成人类历史上规模最为庞大的一场基础设施建设狂潮。

所需要用以支撑这一建设浪潮的劳动力规模是极为庞大的，AI工厂之中需要有电工，需要有水管工，需要有管道安装工，需要有钢铁工人，也需要有网络技术员这般的人员，还需要安装工以及操作员，这些全部都是属于具备高技能、有着高薪酬的职位，并且当前处于供不应求的状况，你根本无需拥有计算机科学的博士学位，照样能够参与到这场产生革新变化的进程中来。

于此同时，AI正全方位提高知识经济的生产力，拿放射科来说，现今AI能够辅助阅片，然而对放射科医生的需求却在不断增长，这可不是悖论。

核心职责在于照顾病人的放射科医生，阅片仅仅是过程里的一项任务，当AI承接了更多常规工作之后，医生能够专注于临床判断、沟通以及护理，医院的效率得以提高，便可以服务更多患者，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？

就在过去的这一年当中，AI成功跨越了一道至关重要的门槛，模型所具备的能力已然足够出色，完全能够支撑大规模的运用，推理能力得到了提升，幻觉的情况有所减少，基于事实的锚定能力明显增强，基于AI构建而成的应用头一回开始产生实实在在的经济价值。

于药物研发方面、物流领域、客户服务范畴、软件开发层面和制造业等范围之中，AI应用已然呈现出极为强大的产品与市场的契合程度，这些应用正在强有力地拉动其下方的每一个技术层面。

在此，开源模型发挥了关键作用，世界上大部分模型免费，研究人员依靠开源模型参与前沿AI进程，初创企业依靠开源模型参与前沿AI 进程，大型企业依靠开源模型参与前沿AI进程，整个国家依靠开源模型参与前沿AI进程 之时，开源模型达到前沿水平，其改变的不只是软件，更激活了对整个底层技术栈的需求！

有着强大推理模型广泛开源的DeepSeek-R1，是一个有力的例证 ，它加速了在应用层的落地采用 ，进而推高了对其底层训练，基础设施 ，芯片以及能源的需求。

这意味着什么

当你将AI视为核心基础设施时，其深远影响便清晰可见。

Transformer大语言模型开启了AI，然而其涵盖的意义远远超出了这一点。这是一次工业方面的变革，它正重新塑造着能源的生产和使用方式，工厂的建造形式，工作的组织架构，还有经济的增长途径。

AI工厂被建造，是由于智能如今能够实时生成；芯片被重新设计，是因为效率决定着智能规模化扩张的速度；能源成为核心，是鉴于它设定了智能产出总量的上限；应用加速发展，是因为底层模型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。

之所以基础设施建设规模这般宏大，是有原因的，之所以它会同时涉及如此众多的行业，同样有其缘由，并且之所以它决然不会限定于单一国家或者单一领域，也是存在缘故的。每一家公司都要运用AI，每一个国家都要去建设它。

我们依旧处在早期的阶段，大部分的基础设施还没有建成，大部分的劳动力还没有接受培训，大部分的机遇还没有被发掘。

但前行的方向已经明确。

AI正逐渐演变成现代世界的底层基础设施，当下我们所做出的选择，涵盖了建设的速率，涉及参与的广泛程度，还包含负责任进行部署的深度，这些最终会决定这个时代呈现出的样子。

（易句）

（本文由AI翻译，网易编辑负责校对）