史無前例的六萬億盛宴！

3月10日，英偉達CEO黃仁勛發了一篇長文《AI是一塊五層蛋糕》。

在文章中，黃仁勛提出了一個五層蛋糕理論——

AI產業，本質是“五層蛋糕”的賽道機會，分別是能源、芯片、基礎設施、模型、應用，這里面有數萬億美元的市場前景。

他預判，未來幾年，傳統的軟件和APP形態或將消失，一種全新的軟件范式AI Agent（智能體）極有可能成為主流。

今天這篇文章，君臨結合IDC、摩根士丹利等的行業報告數據，把這“五層蛋糕”拆解一下，看看每一層的核心機會在哪里。

一、底層：能源層

黃仁勛開篇就說：

AI的基礎不是算法，是能源。

傳統軟件是“預編程”，人類寫死SQL查詢、預設算法，輸出的結果是固定的。

而AI是“實時生成智能”，每一個token（文本/圖像/聲音的最小單元）的輸出，都是電子流動、熱量管理、能量轉化的結果。

沒有能源，再強的芯片、再先進的模型，都只是一堆廢鐵。

過去幾年，AI對能源的消耗，超出了絕大多數人的想象。

舉例來說：

一臺搭載8張高端AI芯片的服務器，滿載功率7000瓦，一天耗電168度，相當于20個普通家庭一年的用電量；

一個中型AI智算中心，上千臺服務器機柜，單柜功率60-120千瓦，一年耗電將超過6億度，這等于大約20萬人口的中等縣城的全年居民用電量；

全球數據中心2025年用電量約536太瓦時（TWh），占全球的總電力需求2%；

2026年將接近1050TWh，同比增長95%，用電量介于日本和俄羅斯之間。

能源層的機會，不在發電側的紅海競爭，而在AI專屬的能源配套。

1，AI專用電網與儲能。

AI用電是很特殊的“波峰波谷的極端波動”。

訓練時滿負荷運轉，推理時出現瞬時爆發，所以傳統的電網承載不了。

這就需要對傳統電網進行專門改造。

2026年起，各地智算中心配套的專用儲能電站、柔性電網、備用燃氣發電機需求開始出現暴發。

2，綠電+AI算力綁定。

目前國內政策有強制要求，新建的智算中心綠電占比超80%，PUE（能源使用效率）控制在1.25以內。

這推動光伏、風電配套的AI數據中心，成為新風口。

3，冷卻與能源管理。

由于AI芯片功耗極高，傳統空調不夠用。

所以液冷技術、AI驅動的能源管理系統需求預計2026年開始爆發，市場規模增速超60%，這是能源層的“隱形金礦”。

二、算力核心：芯片層

能源之上是芯片。

芯片的使命，是把能源高效轉化為算力——并行計算、高帶寬內存、快速互連。

這決定了AI的擴展速度與智能上限。

黃仁勛在文章里強調，AI芯片不是普通芯片，是“加速計算”的核心。

過去三年，大家都在卷大模型參數，但真正決定AI落地的，是能承載海量參數、高效運行的芯片。

從全球視角來看，AI芯片目前正處于超級周期中，這個看看英偉達的股價就知道了。

市場規模方面，2026年全球AI芯片預計突破2800億美元，同比增長40%。

其中推理芯片占比52%（1450億美元），成為絕對主力，這標志著AI芯片的需求正從訓練，轉向大規模化的應用。

2025-2035年，全球AI芯片復合年增長率預計可達36.6%，2035年的規模將達到4453.5億美元。

其中，中國市場是核心增長極，2030年中國AI芯片規模將突破7200億元，AIoT終端芯片占比超50%。

從結構看，AI芯片分為三大類：

1，訓練芯片。

2026年預計占比34%，約950億美元市場規模。

用于大模型訓練、科學計算，門檻極高，英偉達Blackwell系列、華為昇騰等主導。

2，推理芯片。

2026年預計占比52%，約1450億美元市場規模。

用于場景落地，比如聊天機器人、自動駕駛、工業質檢，需求爆發快，國產芯片憑借性價比迎來快速替代機會。

3，邊緣AI芯片。

2026年預計占比14%，約400億美元市場規模。

用于手機、機器人、傳感器等終端，2024年中國市場規模867億元，2030年預計將達3200億元。

從產業鏈來看，芯片層的機會集中在：

1，AI芯片設計。

聚焦推理芯片、邊緣芯片賽道，避開與英偉達的正面競爭。

國產推理芯片（如壁仞、沐曦）在金融、工業場景滲透率快速提升，2026年國產AI芯片市場份額將達50%。

2，先進封裝。

AI芯片對算力、帶寬要求極高，先進封裝（如Chiplet）是核心技術壁壘。

2026年，先進封裝市場規模增速超50%，是芯片層的“黃金配角”。

3，配套硬件。

高帶寬內存（HBM）、高速互連芯片、AI服務器主板。

這些環節技術壁壘高、競爭小，是芯片層的“剛需配套”，2026年需求增長60%+。

三、智能工廠：基礎設施層

芯片之上，是黃仁勛定義的“AI工廠”——這跟傳統數據中心是有區別的。

傳統數據中心的核心是“存儲信息”，而AI工廠的核心是“制造智能”。

它涵蓋土地、供電、冷卻、建筑工程、網絡通信，以及把成千上萬芯片編排成一臺機器的系統。

簡單說，AI工廠就是“把芯片、能源、軟件整合起來，批量生產AI能力”的地方。

IDC數據顯示，AI基礎設施市場已進入持續擴張周期：

2025-2032年，全球AI基礎設施市場復合年增長率21.3%，2032年規模將達2212億美元。

中國市場增速更快，2025年上半年中國AI基礎設施服務市場同比增長122.4%，規模達198.7億元。

從結構看，AI基礎設施的核心是“AI工廠建設+運營服務”：

1，AI工廠建設。

包括智算中心、超算中心、AI數據中心的土建、機電、網絡布線。

2026年，預計全球AI工廠建設市場規模將達820億美元，同比增長55%。

2，AI基礎設施運營。

包括算力租賃、能源管理、運維服務。

算力租賃是“輕資產、高現金流”賽道，預計2026年市場規模增速超70%，成為AI基礎設施的核心盈利模式。

3，綜合布線與網絡設備。

AI工廠對網絡帶寬、延遲要求極高，綜合布線、高速交換機、光模塊需求暴增。

2025年全球銅纜綜合布線收入規模87.85億元，預計2032年將接近180億元。

四、智能大腦：模型層

基礎設施之上，是模型層。

這是AI的“大腦”，負責理解非結構化信息——文本、圖像、聲音、生物學、化學、物理學，甚至物理世界本身。

過去三年，大家都在卷“通用大模型”，但黃仁勛在文章里指出：

語言模型只是模型層的一個類別，未來最具顛覆性的AI，將出現在蛋白質AI、化學AI、物理模擬、機器人技術等領域。

IDC數據顯示，模型層的市場規模正處于快速擴張階段：

2026年，全球AI模型市場規模將達1200億美元，同比增長55%。

其中，中國AI大模型市場2026年預計達680億元，2030年增長至3250億元，復合年增長率45%。

從細分賽道看，模型層的機會集中在三大類別：

1，行業大模型。

針對醫療、金融、制造、法律等垂直領域，定制化模型。

比如醫療AI模型用于影像診斷，制造AI模型用于工業質檢，2026年市場規模增速超80%；

2，科學計算模型。

蛋白質AI、化學AI、物理模擬，這是黃仁勛重點強調的“未來賽道”。

比如用AI預測蛋白質結構、模擬化學反應，2026年市場規模將達200億美元，同比增長100%。

3，開源模型與微調。

DeepSeek-R1等開源模型激活全產業鏈需求，模型微調（針對行業數據優化模型）成為剛需。

2026年，開源模型與微調市場規模將達300億元，同比增長70%。

五、價值出口：應用層

最上層，是應用層，這是AI經濟價值真正產生的地方。

自動駕駛、人形機器人、工業機器人、法律助手、藥物發現平臺，都是AI的價值出口。

黃仁勛在文章里重點強調：

具身智能（機器人、自動駕駛）是應用層的核心。當AI從數字空間走向物理世界，它的價值才會真正爆發。

IDC數據顯示，應用層目前正進入“規模化落地元年”：

2026年，全球AI應用市場規模將達9000億美元，同比增長18.7%，其中具身智能（機器人、自動駕駛）是核心增長極。

1，自動駕駛。

2025年全球核心市場規模950-1000億美元，2026年將達1500-1800億美元，2030年將達1.7-2.5萬億美元，復合年增長率25%-30%；

其中，中國市場2026年將達6500-7500億元，2030年突破1.2萬億元，成為全球最大單一市場。

2，人形機器人。

2025年全球出貨量約1.8萬臺，同比增長508%；2026年將突破5萬臺，同比增長超7倍，銷售額達15億美元。

其中，中國2026年具身智能機器人市場規模將突破110億美元，領跑全球。

3，工業機器人。

2026年全球市場規模將達800億美元，同比增長35%，其中AI驅動的工業機器人增速超50%。

從場景看，未來應用層的機會集中在：

1，具身智能。

自動駕駛、人形機器人、工業機器人。

這是AI落地最核心的場景，2026年是人形機器人商業化元年，也是自動駕駛L3規模化落地的關鍵年。

2，行業應用。

醫療AI（影像診斷、藥物研發）、金融AI（風控、量化交易）等。

2026年，行業AI應用滲透率將突破30%，其中醫療、金融領域滲透率超50%。

3，AIGC（生成式AI）。

文本、圖像、視頻、音頻生成。

2026年，全球AIGC市場規模將達1800億美元，同比增長45%，成為應用層最成熟、最普惠的賽道。

4，AI Agent（智能體）。

企業數字員工、自動化辦公、智能客服。

Gartner預測，2026年底約40%的企業應用將集成任務型AI Agent，替代重復性工作，人力成本下降30%、效率提升50%。

值得注意的是，應用層通常是五層蛋糕的放大器。

一個爆款應用，能拉動底層四層全鏈條需求。

這就是黃仁勛說的“應用繁榮→倒逼底層迭代→加速全產業投資”的正循環。

六、萬億基建盛宴剛剛起步

黃仁勛認為：當前全球AI投入僅僅數千億美元，而未來，需要的是數萬億美金的完善基礎設施。

這已經不是風口，而是人類歷史上最大規模的基礎設施建設，超越工業革命、互聯網的史無前例的宏大機會。

根據麥肯錫的測算，到2030年全球數據中心與AI基建累計投資將達6.7萬億美元。

現在的AI，只是1995年的互聯網，還處于基建投入期。

雅虎剛剛冒出來，谷歌、Facebook那些未來的科技巨頭還沒有誕生呢。

關于AI失業焦慮。

黃仁勛的認知是：AI不是取代人，只是重構了崗位。

首先，這是藍領的黃金時代。

AI工廠、數據中心急需電工、管道工、暖通、制冷、土建施工等高技能藍領。

美國未來十年需要新增30萬電工，20萬建筑工，持證電工年薪超12萬美元；

中國制造業技能人才缺口超2000萬，熟練電工、焊工月薪輕松過萬，不存在35歲危機。

其次，是生產力悖論。

AI做重復工作，人可以做更高價值的工作。

比如放射科AI普及后，醫生崗位反而增長，因為效率提升后，服務擴容，推動需求暴增。

第三，是新型勞動力。

不需要人人都是計算機博士，反而技能型、實操型、工程型人才，才是剛需。

這是AI時代最被低估的機會：讀技校、學手藝，比擠破頭考普通本科更有前途。

七、開源的杠桿效應。

黃仁勛特別點出開源生態的杠桿效應：

先進的開源模型，能激活從應用到能源的全產業鏈需求。

因為開源模型把創新門檻降到零，中小企業、個人開發者都能做應用。

應用爆發之后，算力需求暴漲，會推動芯片擴產、基建加碼、能源緊缺等一系列連鎖反應。

全鏈條被“開源”一把撬動，就這樣形成了自下而上的擴張飛輪。

總之，DeepSeek?R1等國產開源模型，證明中國有能力在模型層站穩腳跟，進而帶動芯片、基建、應用全棧崛起。

開源不是內卷，反而是中國AI行業換道超車的最大機會所在。