编者按：当地时间3月10日，英伟达公司共同创始人、CEO黄仁勋在博客发布长文，阐述其对人工智能产业走向的标志性观点。他指出，AI正成为如同电力与互联网一般的“关键基础设施”，并从第一性原理出发，将其解构为从能源到应用的五个技术层级。黄仁勋认为，模型已跨越规模化应用的临界点，由此催生的人类史上最大规模基建，将同时重塑能源消耗、芯片设计与工作组织方式，并带来巨大的就业机遇。观察者网翻译全文，供各位读者参考。

【文/黄仁勋】

人工智能是塑造当今世界的最强大力量之一。它不仅是某个精巧的应用或单一模型，而是像电力和互联网一样，成为不可或缺的基础设施。

人工智能运行于实实在在的硬件之上，消耗实实在在的能源，遵循实实在在的经济规律。它如同一个将原材料转化为智能的巨型工厂，源源不断地生产。每一家企业都将使用它，每一个国家都将建设它。

要理解人工智能为何如此演进，最好的方法是回归第一性原理，审视计算领域发生的根本性变革。

从预录软件到实时智能

在计算历史上的大部分时间里，软件都是预录的。人类描述一个算法，计算机负责执行它。数据必须被精心结构化，存入表格，再通过精确的查询来检索。（20世纪70年代推出的编程语言）SQL之所以不可或缺，正是因为它在那个时代让这一切变得可行。

人工智能打破了这一模式。

有史以来第一次，我们拥有了一台能理解非结构化信息的计算机。它能看懂图像，读懂文字，听懂声音，并理解其中的含义。它能推理上下文和意图。最重要的是，它能实时生成智能。

每一次回应都是全新的创造。每一个答案都依赖于你提供的语境。这不是在检索预先存储的指令，这是软件在按需求进行推理并生成智能。

正因为智能是实时产生的，其底层的整个计算栈都必须被重新构建。

人工智能即基础设施

从产业角度看，人工智能可以分解为五个层级的架构。

黄仁勋在文中列出人工智能产业的五层架构，由上至下分别是：应用、模型、基础设施、芯片，以及能源。

能源

最底层的是能源。实时生成的智能需要实时消耗的电力来支撑。每一个词元（token）的产出背后，都是电子的运动、热量的管理，以及能量向计算的转化。这之下再无抽象层。能源是AI基础设施的第一性原理，也是系统能产出多少智能的绝对约束条件。

芯片

能源层之上是芯片。这些处理器旨在大规模、高效率地将能源转化为计算能力。人工智能的工作负载需要庞大规模的并行计算、高带宽内存和高速互连。芯片层的进步决定了人工智能将以多快的速度扩张，以及智能的成本将变得多低。

基础设施

芯片层之上是基础设施。这包括土地、电力输送、散热系统、建筑施工、网络，以及将数万个处理器编排成一台机器的系统。这些系统就是人工智能工厂（AI factories）。它们的设计目的不是为了存储信息，而是为了制造智能。

模型

基础设施层之上是模型。AI模型能理解多种信息：从语言、生物学、化学、物理学、金融到医学，乃至物理世界本身。语言模型只是其中一类。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领域。

应用

最顶层是应用层，经济价值在此被创造出来。例如药物发现平台、工业机器人、法律辅助工具、自动驾驶汽车等。一辆自动驾驶汽车，就是具身于机器中的一个AI应用。一个类人机器人，就是具身于实体中的一个AI应用。相同的技术栈，不同的成果。

这就是那五层“蛋糕”：能源→芯片→基础设施→模型→应用。

每一个成功的应用都会拉动其下的所有层级，一路向下追溯到维持它运转的发电厂。

我们才刚刚开始这一建设进程。我们已经投入了数千亿美元。未来，还有数万亿美元的基础设施需要建设。

美国科罗拉多州斯普林斯（Springs）建设中的芯片工厂

在世界各地，我们看到芯片工厂、计算机组装厂和人工智能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最大规模的基础设施建设。

支撑这一建设的劳动力需求是巨大的。人工智能工厂需要电工、水管工、管道装配工、钢铁工人、网络技术员、安装员和操作员。

这些都是需要技能、待遇优厚的工作，而且目前供不应求。你不需要获得一个计算机科学博士学位也能参与这场变革。

与此同时，人工智能正在推动整个知识经济的生产力提升。以放射科为例。AI现在可以帮助阅读扫描影像，但对放射科医生的需求仍在增长。这并非悖论。

放射科医生的职责是照顾病人。阅读影像只是其中的一项任务。当AI承担了更多日常性工作时，放射科医生就能专注于诊疗判断、医患沟通和护理。医院的效率因此提高，能够服务更多患者，并会雇佣更多人员。

生产力带来能力提升，能力提升创造经济增长。

过去一年发生了什么变化？

过去一年里，人工智能跨过了一个重要门槛。模型已经变得足够优秀，可以在规模化层面发挥实际作用了。推理能力提升了，幻觉现象减少了，与现实的结合能力显著增强。有史以来第一次，建立在人工智能之上的应用开始产生真实的经济价值。

在药物发现、物流、客户服务、软件开发和制造业等领域，已经出现了与市场高度契合的应用。这些应用对其下的每个层级都形成了强劲的拉动。

开源模型在其中扮演着关键角色。世界上绝大多数模型都是免费的。研究人员、初创公司、企业乃至整个国家，都依赖开源模型来参与前沿AI的建设。当开源模型达到前沿水平时，它们改变的就不仅仅是软件，而是激活了整个技术栈的需求。

DeepSeek-R1就是一个有力的例证。通过将一个强大的推理模型广泛地开放，它加速了应用层的普及，并反过来增加了对其下训练、基础设施、芯片和能源的需求。

开发者对开源模型的使用情况（纵轴：每月下载总量，单位：百万次）

这意味着什么

当你将人工智能视为关键基础设施时，其深远意义便清晰起来。

AI始于一个Transformer大语言模型。但它远不止于此。这也是一场工业变革，将重塑能源的生产与消耗方式、工厂的建设模式、工作的组织方式以及经济的增长模式。

人工智能工厂正在拔地而起，因为智能如今是实时生成的。芯片正在被重新设计，因为效率决定了智能扩张的速度。能源变得至关重要，因为它从根本上设定了智能的产出上限。应用正在加速涌现，因为其下的模型已经跨过了能在规模化层面真正发挥作用的门槛。

每一个层级都在相互强化、彼此赋能。

这就是为什么这场建设的规模如此宏大。这就是为什么它能同时触及如此多的行业。这也是为什么它不会局限于单一国家或单一领域。每一家企业都将使用AI，每一个国家都将建设AI。

我们仍处于早期阶段。大量基础设施尚未建成，大批劳动力尚未接受培训，众多机遇尚有待发掘。

但方向已然明确。

人工智能正在成为现代世界的基础设施。而我们今天所做的选择——建设的速度有多快、参与的广度有多大、部署的方式有多负责任——将共同塑造这个时代的最终面貌。

本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。