人工智能是一个五层蛋糕

黄仁勋的论点看似简单，实则深刻：人工智能不是一种产品，而是一种基础设施。而且像所有基础设施一样，它有多个层级，每一层都依赖于其下的一层。

从预先录制到实时

文章开篇就提出了一个重新定义我们思考计算方式的区分。传统的软件是“预先录制”的：人类编写算法，计算机确定性地执行它们。人工智能彻底打破了这种模式。计算机首次处理非结构化信息，如图像、文本、声音，并实时生成智能。每个响应都是基于上下文新创建的，而不是从预先确定的脚本中检索的。

这不是一个渐进式的升级，而是计算机功能上的一种根本性转变。

五个层级

黄仁勋将人工智能呈现为一个由五个相互依赖的层级构成的堆栈：

能源 位于基础层。这里的关键洞察是对称性：“实时生成的智能需要实时生成的电力。” 与在固定基础设施上运行的传统软件不同，人工智能的计算需求与使用量直接相关。每个查询、每次推理、每次训练运行所消耗的电力都与其复杂性成正比。

芯片 将能量转化为计算。这些不是通用处理器，而是为大规模并行处理、高带宽内存和快速互连而设计的专用硅芯片。人工智能芯片的架构与CPU的架构从根本上不同，因为工作负载从根本上不同。

基础设施 是芯片变成人工智能工厂的地方。这一层包括土地、电力系统、冷却系统、网络和协调数千个处理器协同工作的编排系统。这是工业规模的工程，而不是服务器机房。

模型 是智能层。黄仁勋提出了一个值得注意的观点：语言模型只是其中一个类别。人工智能系统现在可以理解生物学、化学、物理学和其他领域。模型层比聊天机器人讨论所暗示的范围更广。

应用 是经济价值实现的地方。药物发现、机器人技术、自动驾驶汽车、人工智能驱动的专业工具。这是基础设施投资转化为成果的地方。

该框架的力量在于其相互依赖性。任何一层的薄弱都会限制其上的一切。能源瓶颈限制芯片生产；芯片短缺限制基础设施；基础设施不足限制模型训练；模型越少意味着应用越少。

开源催化剂

一个比较违反直觉的观点是：像 DeepSeek-R1 这样达到前沿性能水平的开源模型并不会破坏基础设施业务，反而会加速它。当有能力的模型变得可以自由使用时，它们会激活整个堆栈的需求，更多的应用需要更多的基础设施，需要更多的芯片，需要更多的能源。将模型层民主化会扩大其下每一层的市场。

即将到来的规模

黄仁勋将当前时刻视为人类历史上最大规模基础设施建设的开始，而不是中点。到目前为止已经投资了数千亿美元，未来还将投入数万亿美元。这需要电气、管道、建筑和技术领域的技术工人。

关于工作岗位流失，他提供了一个基于经验的反驳：放射学。人工智能现在可以协助进行常规分析，但对放射科医生的需求仍在上升。这种模式是生产力放大而不是替代，至少在需求具有弹性的领域是这样。

一些思考

五层框架的用处不在于它的新颖性，而在于它的清晰性。它迫使关于人工智能的对话从抽象的层面（“人工智能会取代我的工作吗？”）转变为具体的层面（“堆栈中的瓶颈在哪里？”）。

以下几点值得思考：

• 能量-智能对称性是人工智能讨论中最被低估的约束。实时智能需要实时电力，这是一个物理问题，而不是软件问题。
• 将开源模型视为需求激活器而不是价值破坏者颠覆了通常的竞争逻辑。当模型层商品化时，英伟达（NVIDIA）会受益，因为它会推动基础设施支出。
• 与大多数技术解释相比，“预先录制 vs. 实时”的区分是解释人工智能范式转变的一种更清晰的方式。
• 放射学的例子在工作岗位流失问题上承担了大量的重任。它是否能推广到需求具有弹性的专业服务之外仍然是一个悬而未决的问题。