当地时间周二，英伟达CEO黄仁勋发表了一篇罕见的关于人工智能的长篇博客文章，这是他自2016年以来发表的第七篇公开长文。

黄仁勋系统定义了AI“五层架构”，将其比喻为“五层蛋糕”，自下而上依次由能源、芯片、基础设施、模型和应用构成。

据界面新闻，在AI“五层架构”中，最底层的能源层，被黄仁勋定义为AI基础设施的第一性原理，也是系统能产生多少智能的绝对约束条件，他强调，实时生成的智能需要实时产生的电力，生成的每一个Token（词元）都是电子移动、热量管理以及能源转化为计算能力的结果，不存在任何抽象层，而当前能源供给已成为AI规模化发展的紧迫瓶颈。

能源层之上是芯片层，作为算力的物理基础，这也是英伟达的核心领地，黄仁勋指出，AI工作负载需要极其庞大的并行计算能力、高带宽内存以及快速的互连，芯片层的进步直接决定了AI的扩展速度，以及智能成本的下降程度，当前芯片技术的迭代速度，仍难以完全匹配AI算力需求的爆发式增长。

芯片层之上是基础设施层，黄仁勋将其定义为“AI工厂”，这一层涵盖土地、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编排为一台机器的系统，其设计初衷不是为了存储信息，而是为了制造智能。他强调，当前全球正大规模兴建三类设施：芯片制造厂、超级计算机工厂以及AI工厂，这正在成为人类历史上最大规模的基础设施建设。

基础设施层之上是模型层，黄仁勋指出，AI模型可以理解多种类型的信息，包括语言、生物学、化学、物理学、金融、医学以及物理世界本身，ChatGPT这类大语言模型仅仅是其中的一个类别，而行业对模型的应用仍局限于表面，其深层潜力尚未被挖掘。他特别强调了开源模型的关键角色，并以DeepSeek-R1为例，指出当强大的推理模型被广泛可用时，它不仅改变了软件本身，更激活了整个架构栈的需求，加速了应用层的技术采用，并增加了对底层训练、基础设施、芯片和能源的需求。

黄仁勋表示，AI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，当前应用层的创新的空间仍十分广阔。

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。

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。

第一财经报道，黄仁勋强调了史上最大规模的AI基础设施建设才刚刚开始。

“目前已投入数千亿美元，但仍需建设价值数万美元的基础设施。”黄仁勋说，每一个成功的应用都会拉动其下的每一层，直至维持其运行的动力设备。放眼全球，芯片工厂、计算机组装厂和AI工厂正在以前所未有的规模建设。

他表示，支撑这一建设进程所需的人力非常庞大，AI工厂需要电工、管道工、管件工、钢铁工人、网络技术人员、安装人员和操作员等。与此同时，AI正在提高整个知识经济领域的生产力。生产力将提升创造产能，产能扩大则将推动增长。

回顾过去一年，黄仁勋总结称，AI 跨越了一个重要的门槛。模型性能显著提升，可以大规模投入使用。推理能力增强，幻觉现象减少，落地应用能力大幅提升。

当地时间2月25日，黄仁勋在接受外媒采访时表示，市场误判了AI对软件公司的威胁。

他重申了自己的观点，即AI助手不会取代这些软件工具，而是会反过来使用它们，虽然这听起来“有悖常理”，大批软件公司将使用AI助手来开发软件并提高效率。

黄仁勋表示：“我们今天所使用的所有这些工具，无论是Cadence、Synopsys、ServiceNow还是SAP，它们的存在都有一个根本且正当的理由。AI助手将成为智能软件，能够代表我们使用这些工具，帮助我们大幅提升生产力……归根结底，我们需要工具来完成具体工作，并以我们能够理解的方式把信息反馈给我们。”

当地时间2月25日，英伟达发布截至2026年1月25日的2026财年第四季度财报。该季度英伟达营收681亿美元，同比增长73%，创历史新高；GAAP净利润429.6亿美元，同比增长94%；毛利率75%，同比增长2个百分点。

2026财年，英伟达营收2159亿美元，同比增长65%，GAAP净利润1200.7亿美元，同比增长65%。

作者：黄仁勋 | 2026年3月10日

原文：https://blogs.nvidia.com/blog/ai-5-layer-cake/

AI 是当今世界最强大的力量之一。 它不是一个聪明的 app，也不是单一的模型——它是像电力、互联网一样的基础设施。

AI 运行在真实的硬件上，消耗真实的能源，遵从真实的经济规律。它吸收原材料，大规模地转化为智能。每家公司都将使用它，每个国家都将建设它。

从预录制软件到实时智能

计算历史的大部分时间里，软件是”预录制”的：人类描述算法，计算机执行它。数据必须被精心结构化，存入表格，通过精确查询检索。SQL 之所以不可或缺，正是因为它让这个世界变得可运作。

AI 打破了这一模式。

我们第一次拥有了能够理解非结构化信息的计算机。 它能看图像、读文本、听声音、理解含义，能推断上下文和意图。最重要的是，它实时生成智能。

每一个响应都是新创建的，每一个答案都取决于你提供的上下文。这不是软件在检索已存储的指令，而是软件在按需推理并生成智能。

因为智能是实时产生的，它之下的整个计算栈都必须被重新发明。

AI 作为基础设施：五层蛋糕

从工业视角看 AI，它可以分解为五层结构：

第一层：能源（Energy）这是最底层。实时生成的智能需要实时产生的电力。每一个 token 的产生，都是电子流动、热量管理、能源转化为计算的结果。能源是 AI 基础设施的第一原则，也是系统能产生多少智能的硬约束。

第二层：芯片（Chips）芯片层位于能源之上。这些处理器被设计为大规模高效地将能源转化为计算。AI 工作负载需要巨大的并行性、高带宽内存和快速互连。芯片层的进步决定了 AI 的扩展速度，以及智能变得多么经济实惠。

第三层：基础设施（Infrastructure）这包括土地、电力配送、冷却、建筑、网络，以及将数万个处理器编排成一台机器的系统。这些系统是 AI 工厂——它们不是为存储信息而设计的，而是为制造智能而设计的。

第四层：模型（Models）AI 模型能理解多种信息：语言、生物、化学、物理、金融、医学，乃至物理世界本身。语言模型只是其中一类。一些最具变革性的工作正在蛋白质 AI、化学 AI、物理仿真、机器人和自动驾驶系统中发生。

第五层：应用（Applications）顶层是应用——这是创造经济价值的地方。药物发现平台、工业机器人、法律助手、自动驾驶汽车……自动驾驶汽车是具身于机器的 AI 应用，人形机器人是具身于躯体的 AI 应用。同一套技术栈，不同的结果。

能源 → 芯片 → 基础设施 → 模型 → 应用

每一个成功的应用都拉动它之下的每一层，一直拉到维持它运转的发电厂。

我们才刚刚开始这一建设。 目前已投入数千亿美元，但仍有数万亿美元的基础设施需要建造。这正在成为人类历史上最大规模的基础设施建设。

去年发生了什么变化？

在过去一年，AI 跨越了一个重要门槛：模型变得足够好，可以大规模实用。推理能力提升，幻觉减少，接地性大幅改善。AI 应用第一次开始产生真实的经济价值。

开源模型在其中扮演关键角色。世界上大多数模型是免费的。DeepSeek-R1 是一个有力的例子——通过广泛开放一个强大的推理模型，它加速了应用层的采用，同时增加了其下训练、基础设施、芯片和能源的需求。

这意味着什么

当你把 AI 视为基础设施时，它的含义变得清晰：

AI 从 transformer LLM 开始，但远不止于此。它是一场工业变革，重塑能源的生产和消耗方式、工厂的建设方式、工作的组织方式，以及经济的增长方式。

每一层都在强化其他层。

这就是为什么建设规模如此之大，为什么它同时触及这么多行业，为什么它不会局限于单一国家或单一领域。

我们仍处于早期。 许多基础设施尚不存在，许多劳动力尚未被训练，许多机会尚未被实现。

但方向是清晰的——AI 正在成为现代世界的基础设施。 而我们现在做出的选择——建设多快、参与多广、部署多负责任——将决定这个时代最终成为什么样子。