黃仁勳最新文章：AI 的「五層蛋糕」
撰文：黃仁勳
編譯：Peggy，BlockBeats
人工智慧是當今塑造世界最強大的力量之一。 它並不是一個聰明的應用程序，也不是某個單一模型，而是一種基礎設施，就像電力和互聯網一樣重要。
AI 運作在真實的硬體、真實的能源和真實的經濟體系之上。 它將原材料轉化為規模化生產的“智能”。 每一家公司都會使用它，每個國家都會建造它。
要理解為什麼 AI 會以這樣的方式展開，從第一原理出發，看看計算領域到底發生了哪些根本性的變化，會很有幫助。
從「預製的軟體」到「即時產生的智慧」
在電腦發展的絕大多數歷史裡，軟體都是「預製」的。 人類先描述一個演算法，然後電腦依照指令執行。 資料必須精心結構化，存入表格，並透過精確的查詢被取出。 SQL 之所以不可或缺，是因為它讓這一整套體系能夠運作。
而 AI 打破了這個模式。
第一次，我們擁有了一台能夠理解非結構化資訊的電腦。 它可以看圖像、閱讀文字、聽聲音，並理解其中的含義；它能夠推理上下文與意圖。 更重要的是，它可以即時生成智慧。
每一次回應都是新的生成。 每一個答案都依賴你提供的上下文。 這不再是軟體從資料庫中檢索既有指令，而是軟體在即時推理，並按需產生智慧。
正因為智慧是在即時生成的，支撐它的整個計算技術堆疊也必須被重新發明。
AI 作為基礎設施
如果從產業視角看 AI，它實際上可以拆解為一個五層結構。
能源（Energy）
最底層是能源。
即時生成的智能，需要即時生成的電力。 每一個 token 的產生，都意味著電子在移動、熱量在被管理、能源被轉換為運算能力。
在這一層之下，沒有任何抽象。 能源是 AI 基礎設施的第一原則，也是決定係統能生產多少智慧的根本限制。
晶片（Chips）
能源之上是晶片。 這些處理器的設計目標，是以極高效率、在大規模條件下，把能源轉化為運算能力。
AI 工作負載需要龐大的平行運算能力、高頻寬記憶體以及高速互聯。 晶片層的進步，決定了 AI 擴展的速度，也決定了「智慧」最終會變得多便宜。
基礎設施（Infrastructure）
晶片之上是基礎設施。 這包括土地、電力傳輸、散熱系統、建築工程、網路系統，以及將數萬顆處理器組織成一台機器的調度系統。
這些系統本質上是 AI 工廠。 它們不是為了儲存資訊而設計的，而是為了製造智慧。
模型（Models）
基礎設施之上是模型。 AI 模型可以理解各種類型的信息：語言、生物、化學、物理、金融、醫學，以及現實世界本身。
語言模型只是其中的一類。 最具變革性的工作之一，正在發生在以下領域：蛋白質 AI、化學 AI、物理模擬、機器人、自主系統
應用（Applications）
最頂層是應用層，這裡是經濟價值真正產生的地方。 例如，藥物發現平台、工業機器人、法律 Copilot、自動駕駛汽車。
一輛自動駕駛汽車，本質上是一種「被機器承載的 AI 應用」；一個類人機器人，則是一種「被身體承載的 AI 應用」。 底層技術棧是同一個，只是最終呈現的形態不同。
因此，這就是 AI 的五層結構：能源 → 晶片 → 基礎設施 → 模型 → 應用。 每一個成功的應用，都會向下牽動所有層級，直到最底層為它供電的發電廠。
一場仍在早期的基礎建設
我們才剛開始這場建設。 目前的投入規模不過幾千億美元，而未來仍需要興建數兆美元等級的基礎建設。
在全球範圍內，我們正在看到：晶片工廠、電腦組裝廠、AI 工廠。
以前所未有的規模被建造出來。 這正在成為人類史上最大規模的基礎建設之一。
AI 時代的勞動需求
支撐這項建設所需的勞動力規模非常龐大。
AI 工廠需要：電工、水管工、管道安裝工、鋼結構工人、網路技術人員、設備安裝人員、運維人員
這些都是技術性強、薪資優厚的崗位，而且目前極度短缺。 參與這場轉型，不一定需要電腦科學博士學位。
同時，AI 正在推動知識經濟的生產力提升。 以放射科為例。 AI 已經開始輔助醫學影像判讀，但放射科醫師的需求卻仍在成長。
這並不矛盾。
放射科醫師的真正職責是照顧病人，而讀片只是其中的一項工作。 當 AI 接手越來越多的重複任務後，醫生可以把時間更投入在判斷、溝通和治療中。
醫院的效率提高，可以服務更多患者，也因此需要更多人手。 生產力創造能力，能力創造成長。
過去一年發生了什麼變化？
在過去一年裡，AI 跨越了一個關鍵門檻。
模型已經足夠好，可以在大規模場景中真正發揮作用。
- 推理能力顯著提升
- 幻覺顯著減少
- 與現實世界的「錨定」（grounding）大幅增強
在以下領域已經出現明顯的產品市場匹配：藥物研發、物流、客服、軟體開發、製造業
這些應用正在強力拉動底層整個技術棧。
開源模型的作用
開源模型在其中扮演關鍵角色。 世界上絕大多數 AI 模型都是免費的。 研究者、新創公司、企業甚至整個國家，都依賴開源模型參與先進 AI 的競爭。
當開源模型達到技術前沿時，它們不僅改變軟體，還會啟動整個技術堆疊的需求。
DeepSeek‑R1 就是典型例子。 透過讓一個強大的推理模型廣泛可用，它推動了應用層的快速成長，同時也增加了對訓練算力、基礎設施、晶片和能源的需求。
這代表什麼？
當你把 AI 看作基礎設施，一切就變得清晰起來。 AI 也許始於 Transformer 和大型語言模型，但它遠不止於此。
它是一場工業級的變革，將重新塑造：
- 能源的生產與消費方式
- 工廠的建設方式
- 經濟成長的模式
AI 工廠之所以被建造，是因為智慧現在可以即時生成。 晶片之所以被重新設計，是因為效率決定智慧擴展的速度。 能源之所以成為核心，是因為它決定係統最多能生產多少智慧。 應用之所以爆發，是因為模型終於跨越了「規模可用」的門檻。
每一層都在強化其他層。
這就是為什麼這場建設規模如此龐大，為什麼它會同時影響如此多的行業，也為什麼它不會局限於某一個國家或某一個領域。
每一家公司都會使用 AI。
每個國家都會建造 AI。
我們仍然處於早期階段。
大量基礎設施尚未建成，大量勞動力尚未被訓練，大量機會尚未被實現。
但方向已經非常清晰。
人工智慧正在成為現代世界的基礎性基礎設施。
而我們今天所做的選擇，建設的速度、參與的廣度、以及部署的責任，將決定這個時代最終會變成什麼樣子。
