黄仁勋释放重磅利好信号。
当地时间3月10日，英伟达CEO黄仁勋罕见以个人名义发表长篇博文“AI is a five layer cake”，系统阐述了人工智能（AI）产业的发展逻辑。
黄仁勋认为，AI产业正在经历一次类似工业革命级别的技术基础设施建设。当前AI产业仍处于很早期的发展阶段，尽管行业已投入数千亿美元，但AI的真正潜力尚未被完全发掘，未来仍需数万亿美元的持续投资来完善底层基础设施。
他在文中预判，未来几年，传统的软件和APP形态或将消失，一种全新的软件范式AI Agent（智能体）极有可能成为主流。
在此之前，麦肯锡也估计，到2030年，全球数据中心累计投资额可能达到6.7万亿美元，以满足蓬勃发展的AI需求。这一飙升的资本支出预测是推动当今美国经济增长的关键因素之一。
能源是AI基础设施的第一性原理
黄仁勋指出，AI已成为当今塑造世界的最强大力量之一，它并非单一的聪明应用程序或模型，而是如同电力和互联网一样至关重要的基础设施，运行在真实的硬件、能源和经济基础之上，能够吸收原材料并转化为规模化的智能，未来每家公司都将使用AI，每个国家都将建设AI基础设施。
在文章中，黄仁勋提出了一个AI产业的结构框架：五层技术栈——能源、芯片、基础设施、模型、应用。他强调，这五层之间是强耦合关系。
其中，最基础的一层是能源。实时生成的智能需要实时产生的电力。每一个生成的token（标记），都是电子移动、热量管理以及能源转化为计算力的结果。在这一层之下，没有任何抽象层。能源是AI基础设施的第一性原理，也是决定系统能产生多少智能的硬性约束条件。
黄仁勋在文章中指出，在能源之上是芯片。这些处理器旨在将能源大规模且高效地转化为计算力。AI工作负载需要庞大的并行计算能力、高带宽内存以及快速的互连技术。芯片层的进步，决定了AI扩展的速度，以及智能变得可负担的程度。
在芯片之上则是基础设施，包括土地、电力输送、冷却系统、建筑施工、网络，以及将成千上万个处理器协同运作组成一台机器的系统。这些系统就是“AI工厂”。它们的设计初衷不是存储信息，而是为了制造智能。
而在基础设施之上是模型。AI模型能够理解多种类型的信息：语言、生物学、化学、物理学、金融、医学以及物理世界本身。语言模型仅仅是其中的一个类别。目前一些最具颠覆性的工作正发生在蛋白质AI、化学AI、物理模拟、机器人技术以及自主系统等领域。
黄仁勋表示，最顶层的应用层，是AI创造经济价值的核心领域，涵盖药物发现平台、工业机器人、法律助手、自动驾驶汽车等，同样的底层架构，可以支撑不同的应用输出，当前应用层的创新空间仍十分广阔。他预判，未来几年，传统的软件和APP形态或将消失，一种全新的软件范式AI Agent（智能体）极有可能成为主流。每一个成功的应用都会向上拉动其下方的每一层，从模型、基础设施、芯片，一直延伸到最底层的发电厂，形成强大的产业拉动效应。
黄仁勋还指出，人工智能工厂正在兴建，因为智能现在可以实时生成。芯片正在重新设计，因为效率决定了智能扩展的速度。能源变得至关重要，因为它限制了智能的总量。应用程序加速发展，因为它们背后的模型已经突破了阈值，终于可以大规模应用。
“每一层都加强了其他层。”他写道。
AI基础设施建设仍处于早期
黄仁勋写道：“我们目前只投入了几千亿美元，而未来还需要建设数万亿美元规模的基础设施。”
全球范围内，芯片工厂、服务器组装厂和AI数据中心正在加速建设。黄仁勋称这一趋势可能成为“人类历史上最大规模的基础设施建设之一”。
针对AI发展带来的就业担忧，黄仁勋认为，AI非但不会削减岗位，反而会创造大量新的就业机会，尤其是在基础设施和熟练技术工种领域，支持AI基础设施建设所需的劳动力极其庞大，AI工厂需要电工、水管工、钢铁工人、网络技术人员、安装工和操作员等，这些都是高技能、高薪酬的岗位，且目前供不应求。AI正在填补全球范围内卡车司机、护士、会计等岗位的巨大劳动力缺口，而非制造失业。
他强调：“参与这场变革并不一定需要计算机博士学位。”
黄仁勋还特别提到开源模型在AI生态中的作用。全球大量AI模型是开放的，企业、研究机构以及国家都依赖这些模型参与AI发展。当开源模型达到先进水平时，会带动整个产业链需求。他举例称：“DeepSeek-R1就是一个典型案例。”
该模型公开后，推动了应用开发，同时也增加了对训练算力、基础设施、芯片和能源的需求。换句话说，一个模型的突破，会向下拉动整个产业链。
在文章最后，黄仁勋强调，AI不仅改变软件行业，还会影响能源、制造、劳动力结构和经济增长方式。
黄仁勋说：“AI是一场工业级转型，它会改变能源生产方式、工厂建设方式、工作组织方式以及经济增长模式。”
他认为，目前AI仍处于早期阶段。大量基础设施尚未建成，大量人才仍未培训完成。“AI正在成为现代世界的基础设施。”
排版：王璐璐
校对：彭其华
广州股票配资平台提示：文章来自网络，不代表本站观点。
