黃仁勛：AI基建浪潮才剛開始，還需要投資數萬億美元

英偉達 CEO 黃仁勛于周二發表了一篇罕見的關于人工智能的長篇博客文章，指出當前的 AI 基礎設施建設仍處于極早期階段。他強調，盡管目前行業已經投入了數千億美元，但未來仍需要數萬億美元的持續投資來完善數據中心和相關底層設施。

這是黃仁勛自 2016 年以來發表的第七篇公開長文，闡述了對 AI 發展速度、訪問權限以及治理模式的看法。

在文中，黃仁勛對 AI 與傳統技術進行了界定，指出 AI 已經打破了傳統軟件的運作模式。他認為，傳統軟件僅僅是提取人類預先編寫的存儲指令，而目前的 AI 系統則能夠基于上下文進行實時推理并按需生成智能。

為了厘清產業結構，他再次提及了其在年初達沃斯論壇上提出的“五層架構”模型，明確指出 AI 生態自下而上依次由能源、芯片、基礎設施、模型和應用構成，任何成功的上層應用都必須完全依賴底層設施乃至發電廠的持續支撐。

針對技術發展對勞動力市場的沖擊，黃仁勛認為 AI 非但不會削減崗位，反而會創造大量新的就業機會，尤其是在基礎設施和熟練技術工種領域。

黃仁勛的邏輯在于，當 AI 接管了企業的日常程序化任務后，生產力的提升將轉化為服務能力的擴容，進而帶動企業的實質性增長與擴張。他總結指出，當下大量的底層設施尚未破土，配套勞動力尚未完成培訓，AI 產業真正的紅利期和大規模建設才剛剛開始。

以下為黃仁勛博客全文：

AI 是一塊五層蛋糕

黃仁勛

2026 年 3 月 10 日

AI 是當今塑造世界的最強大力量之一。它不僅是一個聰明的應用程序或單一的模型；它更是如同電力和互聯網一樣至關重要的基礎設施。

AI 運行在真實的硬件、真實的能源和真實的經濟基礎之上。它吸收原材料，并將其轉化為規模化的智能。每家公司都將使用它。每個國家都將建設它。

要理解為什么 AI 會以這種方式發展，我們需要從第一性原理出發，去看看計算領域到底發生了哪些根本性的變化。

從預編軟件到實時智能

在計算歷史的大部分時間里，軟件都是預先編寫好的。人類編寫算法，計算機執行算法。數據必須被精心結構化，存儲在表格中，并通過精確的查詢進行檢索。SQL 之所以不可或缺，是因為它讓那個世界的運轉成為可能。

AI 打破了這一模式。

我們第一次擁有了能夠理解非結構化信息的計算機。它能看懂圖像、閱讀文本、聆聽聲音并理解意義。它能對上下文和意圖進行推理。最重要的是，它能夠實時生成智能。

每一個響應都是全新生成的。每一個答案都取決于你提供的上下文。這不再是檢索存儲指令的軟件，而是能夠按需推理和生成智能的軟件。

正因為智能是實時生產出來的，其底層的整個計算架構棧都必須被重新發明。

作為基礎設施的 AI

當你從工業角度審視 AI 時，它呈現為一個五層架構。

第一層：能源

位于最底層的是能源。實時生成的智能需要實時產生的電力。生成的每一個 Token（詞元）都是電子移動、熱量管理以及能源轉化為計算能力的結果。在此之下沒有任何抽象層。能源是 AI 基礎設施的第一性原理，也是系統能產生多少智能的絕對約束條件。

第二層：芯片

在能源之上是芯片。這些處理器旨在以大規模、高效的方式將能源轉化為計算能力。AI 工作負載需要極其龐大的并行計算能力、高帶寬內存以及快速的互連。芯片層的進步決定了 AI 的擴展速度，以及智能成本的下降程度。

第三層：基礎設施

芯片之上是基礎設施。這包括土地、電力輸送、冷卻系統、建筑施工、網絡，以及將成千上萬個處理器協同編排為一臺機器的系統。這些系統就是“AI 工廠”。它們的設計初衷不是為了存儲信息，而是為了制造智能。

第四層：模型

基礎設施之上是模型。AI 模型可以理解多種類型的信息：語言、生物學、化學、物理學、金融、醫學以及物理世界本身。語言模型僅僅是其中的一個類別。一些最具變革性的工作正發生在蛋白質 AI、化學 AI、物理模擬、機器人技術以及自主系統等領域。

第五層：應用

位于最頂層的是應用，這里也是創造經濟價值的地方。藥物發現平臺、工業機器人、法律助手、自動駕駛汽車。一輛自動駕駛汽車就是具身于機器中的 AI 應用，而一個類人機器人則是具身于軀體中的 AI 應用。同樣的底層架構，不同的應用輸出。

這就是“五層蛋糕”架構：能源 → 芯片 → 基礎設施 → 模型 → 應用。

每一個成功的應用都會向上拉動其下方的每一層，一直延伸到維持其運轉的發電廠。

我們的建設才剛剛開始。目前我們僅僅投入了數千億美元，仍有價值數萬億美元的基礎設施等待建設。

在世界各地，我們看到芯片工廠、計算機組裝廠和 AI 工廠正在以史無前例的規模拔地而起。這正在成為人類歷史上最大規模的基礎設施建設。

支持這一建設所需的勞動力是極其龐大的。AI 工廠需要電工、水管工、管道工、鋼鐵工人、網絡技術人員、安裝工和操作員。

這些都是高技能、高薪酬的崗位，而且目前供不應求。你不需要擁有計算機科學的博士學位就能參與到這場變革中來。

同時，AI 正在推動整個知識經濟的生產力提升。以放射科為例，AI 現在可以輔助讀取掃描影像，但對放射科醫生的需求仍在持續增長。這并非悖論。

放射科醫生的核心職責是照顧患者，讀取掃描影像只是這過程中的一項任務。當 AI 承擔了更多常規工作時，放射科醫生就可以把精力集中在臨床判斷、醫患溝通和患者護理上。醫院的生產力隨之提高，他們能服務更多的患者，也就會雇傭更多的人員。

生產力創造了服務容量，而容量創造了經濟增長。

過去一年發生了什么改變

在過去的一年里，AI 跨越了一個重要的門檻。模型變得足夠優秀，能夠在規模化應用中發揮實質作用。推理能力得到提升，幻覺大幅減少，基礎事實的準確性（Grounding）顯著改善。基于 AI 構建的應用程序首次開始產生真正的經濟價值。

在藥物發現、物流、客戶服務、軟件開發和制造業等領域的應用，已經展現出強勁的產品市場契合度（Product-Market Fit）。這些應用正強力拉動著它們下方的每一層結構。

開源模型在其中扮演了關鍵角色。世界上大多數模型都是免費的。研究人員、初創公司、大型企業乃至整個國家，都依賴開源模型來參與高級 AI 的研發。當開源模型達到前沿水平時，它們不僅改變了軟件本身，更激活了整個架構棧的需求。

DeepSeek-R1 就是最好的例證。通過讓強大的推理模型被廣泛可用，它加速了應用層的技術采用，并相應增加了其底層對訓練、基礎設施、芯片和能源的需求。

這意味著什么

當你將 AI 視為必不可少的基礎設施時，其深遠影響便清晰可見。

AI 始于 Transformer 大語言模型。但它遠不止于此。它是一場工業轉型，將重塑能源的生產和消費方式、工廠的建造方式、工作的組織方式以及經濟的增長方式。

之所以要建設 AI 工廠，是因為智能現在是實時生成的；之所以要重新設計芯片，是因為效率決定了智能擴展的速度；能源之所以成為核心，是因為它設定了智能生產的總量上限；應用之所以加速爆發，是因為底層的模型已經跨過了門檻，終于能夠在規模化層面真正發揮效用。

每一層都在相互強化。

這就是為什么這場基礎設施建設如此龐大，為什么它同時觸及了這么多行業，也是為什么它不會局限于單一國家或單一領域。每家公司都將使用 AI。每個國家都將建設它。

我們仍處于早期階段。許多基礎設施尚未建成。大量勞動力尚未接受培訓。許多機遇還未被充分挖掘。

但方向已經非常清晰。

AI 正在成為現代世界的基礎性基礎設施。而我們現在所做的選擇 —— 我們建設的速度有多快、參與的范圍有多廣、部署的方式有多負責任 —— 將最終塑造這個時代的未來。