AI 基建到底在建什么？黃仁勛在達沃斯給了一個答案

全文 3,000字 | 閱讀約 8 分鐘

(黃仁勛：藍領崗位的需求缺口越來越大)

“AI，到底是概念泡沫，還是真金白銀的基建？”

2026 年 1 月 21 日，達沃斯主舞臺對談上，英偉達創始人黃仁勛給出的答案是:

這是人類歷史上最大的一次基礎設施建設。

這個“建設”，是真的要動土、通電、招人。

黃仁勛說，AI 分五層：最底層是能源，往上是芯片、云服務、模型，最頂層才是應用。而每一層，都需要真實的廠房、設備、電力和人。

正因如此，他對所有國家說：AI 是基礎設施。每個國家都該建。

所以，這篇文章，我們不談宏觀趨勢，只把一個問題問清楚: AI 基建，到底在建什么?

第一節｜第一件事是電，不是芯片

2025年，全世界的科技公司都在搶算力。但算力要運轉，必須有電。而且是持續的、穩定的、大量的電。

結果，最先漲價的，是電力合同。

這不是偶然。黃仁勛在達沃斯說：

“AI 是實時處理、實時生成智能的，它需要能源來做到這一點。”

這意味著，哪怕你手上有最好的模型，有最新的芯片，但如果沒有穩定、足夠的電力，AI 就動不了。不是慢，而是完全運行不了。

因為 AI 需要的電，和普通用電不一樣。數據中心訓練模型、實時推理，需要的是高密度、低延遲、全年不中斷的電力。

這意味著，建 AI 不只是“通上電”就行，而是要建一整套能源供應系統：選址要看電網能不能承受，發電要保證穩定輸出，儲能要應對峰值，配網要扛得住持續高負載。

黃仁勛沒有用能源危機這樣的詞。他說的是：我們需要更多的能源、土地和數據中心。在他看來，人類歷史上最大的基礎設施建設已經開始。

從美國到阿聯酋，從東南亞到北歐，想建 AI 的地方，第一件事都是先談電力夠不夠。

AI 到底在建什么?

第一步不是寫代碼，是先接上電。

第二節｜芯片廠、AI 工廠,都已經開工了

黃仁勛說:

“我們正在世界各地建設芯片工廠、計算機工廠和 AI 工廠。”

他列出了幾組數字：臺積電將在全球建 20 座新芯片廠，廣達、緯創、富士康將建 30 座 AI 計算機工廠。不是代工手機、不是做消費電子，而是專門為 AI 訓練和部署提供生產裝備。

芯片負責算，但 AI 還需要存。訓練一個大模型，要處理海量數據，這些數據得有地方放。 美光（Micron）宣布投資2000億美元做存儲器，三星和 SK 海力士也同步加碼。

也就是，建 AI 不光是有電就行，還得造出整套硬件：芯片負責算，存儲器負責裝數據，計算機工廠把這些組裝成 AI 服務器，然后大規模交付。

這不是幾家公司的事，而是一場全球性的建設浪潮。

為什么說是浪潮？

因為這和早年的鋼鐵、電力、鐵路一樣，都是先建工廠，再有產業。AI 工廠的概念過去聽起來有點虛，現在你能看到動土、招工、封頂、通電、交付的完整流程。

那么規模有多大？ 黃仁勛給出的數字是：我們現在投入了幾千億美元，但這只是開始，還有數萬億美元的基礎設施要建。

AI 的熱，不是因為“炒概念”，而是越來越多國家、企業都在真金白銀地建廠、買設備、招人。

從電力到工廠，AI 這場基建，已經從圖紙落到了地上。

第三節｜模型只是第四層，不是 AI 的全部

過去幾年，大家談 AI，說的幾乎都是模型。

哪個模型更強，參數多少，誰跑分第一。

但在黃仁勛看來，模型只是 AI 五層結構中的一層。準確說，是第四層。在它下面，有能源、芯片、云服務在支撐；在它上面，還有應用層才是真正產生價值的地方。

怎么理解？他用了一個比喻：過去的 AI 模型像是一臺發動機放在展臺上，很漂亮，但你不能直接開走。你得先造好車架、油箱、電路系統，再裝進去，最后調校，跑在真實路上，才叫產品。

現在最大的問題，不是模型不夠好，而是很多人只看到“發動機”。

黃仁勛看的不一樣。他關注的是，這臺發動機能不能進車間、上公路、進行業現場。

因為模型本身不等于應用，只有落地了才有價值。

真正讓產業受益、讓經濟增長的，是應用層。也就是模型之上，那些能落地到醫療、金融、制造等具體領域的產品和服務。

所以現在，行業的焦點正在轉移：不再是誰的模型參數更多，而是誰能把 AI 真正用起來。

第四節｜AI 原生公司爆發，基建才剛開始

黃仁勛在達沃斯給出了一組數據：2025年是風險投資歷史上投資額最高的一年之一，大量資金流向了 AI 原生公司。

這些公司不造模型，也不設計芯片。它們直接拿現成的模型來做事，做藥物研發、做金融分析、重建制造流程。

他用了一個詞：AI 原生公司（AI-native companies）。意思是，這類公司一開始就圍繞 AI 來設計自己的產品流程和商業模式。

比如制藥巨頭禮來公司（Lilly），過去主要把研發預算投在濕實驗室，買設備、做化學試驗。但現在，他們投資了一座大型 AI 實驗室和超級計算機，把一部分新藥開發流程交給 AI。

類似的轉變，在很多行業都在發生。

機器人制造、醫療診斷、自動交易、客服系統、合規審查……這些過去需要大量人力的領域，現在 AI 原生公司的做法是：拿現成的模型，用自己行業的數據訓練它，讓它學會處理具體任務，再把這套能力做成可以直接用的產品。

比如客服系統，以前要雇幾百人，現在用 AI 客服，24小時在線，成本降到十分之一。這不是概念驗證，而是已經在大規模商用的產品。

而當這類 AI 原生公司越來越多，會發生什么？

黃仁勛的回答是：上層 AI 應用爆發了，下層基礎設施就得必須跟上。

這些公司要用 AI，不是演示一次，而是要它穩定、便宜、能大規模用。這就倒逼著底層基礎設施必須擴張：

• 電力得更充足，

• 芯片要供得上，

• 工廠要能量產，

• 云服務要能承壓。

黃仁勛說：我們才剛開始建 AI 的底座。不是行業不熱，是用AI 的公司才剛剛冒出來。基礎設施的作用，就是讓這些公司能真正用起來。

第五節｜誰在參與：勞動力和國家的角色

說完建什么，再看誰來建。

答案可能出乎很多人意料：首先是水管工、電工、鋼鐵工人。

在美國，參與芯片廠、計算機工廠、AI工廠建設的這些工種，已經供不應求。黃仁勛現場舉了個數字：薪資在短時間內幾乎翻了一倍，有人年薪已經突破六位數。最重要的是，這類工作并不需要計算機博士學位。它需要的是，能動手、能現場施工、能操作設備的人。

對很多國家來說，這是讓藍領重新成為中產的機會。

那么，當 AI 真正投入使用后，會怎樣影響那些已經在崗的人？

很多人的第一反應是：會被取代。但現實恰恰相反。

比如放射科醫生。過去 AI 被預測最先取代的職業之一就是他們。但 10 年過去，AI 已經深入滲透放射科室，而醫生的數量卻增加了。

為什么？

因為讀圖像這種重復、機械的任務被 AI 接手后，醫生反而能把時間用在和病人對話、做綜合判斷上。醫院接診量增加，收入提升，醫生職位也變多了。

再比如護士。很多 AI 工具正在幫他們完成文檔記錄、就診轉寫等繁雜事務。結果是：護士花更多時間照顧病人，而不是填表。病人流轉變快，醫院雇的人也更多了。

黃仁勛總結：AI 取代的是任務，不是目的。

只要你的工作不是純機械重復，而是需要判斷、需要和人互動、需要創造，AI 就是幫手，不是對手。

除了個人，國家呢？

黃仁勛強調的是：參與權。過去很多發展中國家覺得 AI 太遙遠，但他給出的是一套本地起步方案：

• 開源模型已經非常強大；

• 很多國家可以用本地語言+本地知識進行微調；

• 不一定非要從頭做起，但一定要參與建設。

AI 應該像電力、道路一樣，是每個國家的基礎設施。這話，是說給所有發展中國家聽的。

如果說過去幾波技術革命，先在硅谷、歐美發生，再傳到其他國家；那么 AI 這一輪，是從頭就開放了部分參與權。

你不必先造模型，但可以先用模型；不必懂芯片，但可以先建 AI 應用。

結語｜短缺，不是泡沫

想租一個 GPU，很難。

現貨價格還在漲，不只是最新的，就連兩代以前的卡也漲了。

黃仁勛說：

“泡沫不會漲價，短缺才會。”

制藥公司開始把錢投向 AI 實驗室。各國在搶電力和土地。投資機構在找 AI 基建項目。

AI 到底在建什么？

能源、芯片廠、數據中心、模型層、應用層。

這是黃仁勛在達沃斯給出的答案。

識自AI

本文由AI深度研究員出品，內容編譯自黃仁勛在2026年達沃斯世界經濟論壇的公開訪談。文章為翻譯整理與分析，已對原文進行結構化編輯和觀點提煉。未經授權，不得轉載。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

https://www.youtube.com/watch?v=hoDYYCyxMuE

https://www.weforum.org/stories/2026/01/live-from-davos-2026-what-to-know-on-day-3/

https://blogs.nvidia.com/blog/davos-wef-blackrock-ceo-larry-fink-jensen-huang/

來源：官方媒體/網絡新聞，

排版：Atlas

編輯：深思

主編：圖靈