AI 不是软件,是制造业

柏林GTC那一场，发布了一长串东西。Vera Rubin、DSX Pod、OpenShell、RTX Spark。名字记不住没关系。

整场真正值钱的，是黄仁勋那一句：AI 不是软件，是制造业。

这话听着绕。软件公司最贵的成本是人，毛利高得很。制造业不这样，制造业每开一天工，电表就转一天。

把 AI 往制造业上靠，等于承认了一件事：门槛从"会不会写"，变成了"供不供得起"。

01 五层蛋糕里，代码在中间

他把 AI 分成五层。最底下是能源，往上是基础设施——计算、网络、存储、电力、冷却，再往上是模型和应用，最上面才是汽车、医疗、金融这些行业。

代码在中间那一层。

最贵的在最底下。开餐馆就是这样，最难的不是菜谱，是铺面、煤气、排烟，是每天一开门就有的成本。菜谱可以抄。

AI 工厂的这份成本大到什么程度？1 吉瓦的工厂造价约 500 亿美元。2 吉瓦的工厂换个冷却方案，一天省下 5400 万升水，相当于 18 万户家庭一天的用水量。

这两个数字，没有一个跟算法有关。

02 五个零件里，只有两样是你的

黄仁勋还给了智能体的五个零件：模型、外骨骼、沙箱、知识、工具。

换个说法，就是新员工上岗要配齐的一套东西——脑子、记性、一个把他关在里面干活的笼子、公司的资料柜、手上的家伙。

这五样里，脑子花钱就有，笼子厂商已经打包好了。真正只有你有的，是后两样。

资料柜里装的，是那些没写进文档的东西。

前阵子碰到一台无人机，开机自检过不去，APP 一直报"电池未安装"。电池明明插着，抠下来换到别的机器上，别的机器一切正常。折腾了一阵，旁边一位老师傅过来看一眼，说：检查一下机身上跟电池相接的触点。

触点上一层油污。擦干净，开机，过了。

你说那个报错是错的吗？也不算。它只是把"检测不到电池"这件事，翻译成了它能翻译的那句话。至于为什么检测不到，它不知道，APP 上也不会写。

我押一个方向：接下来三五年，能上手干活的人会更贵，不会更便宜。

理由不复杂。模型先吃掉的，是坐在电脑前处理信息的活，那是它的主航道。要动手、要跑现场、还得当场下判断的活，排得靠后。而且现场每多一台机器，需要修它的人只会多，不会少。

有次去本地一所职业院校，那边的人说了句原话：咱们学校维修技术强的学生，还没毕业就被企业预定了。

这话我记下了。三年以后回来验。

03 客户要的是开机的时间

还有一句，是英伟达自己说的：光靠优秀的芯片，造不出出色的 AI 工厂。

卖芯片的主动说光有芯片不行，因为客户要的东西变了。

DSX Pod 做的，是把布线、组装、测试全搬进工厂里做完，现场部署从几个月压到几天。客户要的是从签合同到开机的时间。

1 吉瓦的工厂晚交付三个月，损失大约 100 亿美元。这个数字重新定义了什么叫竞争力：技术可以慢慢追，工期是真金白银。

工程、供应链、交付速度，这几样从来不是靠论文堆出来的。

最后的话

他整场都在讲怎么造，几乎没讲造出来谁付钱。供给那半边的故事讲满了，需求这半边还是空的。

不是挑刺。只是看这类演讲的时候，账单那一栏得自己留着。

至于我们这些不建工厂的人，问题其实只有一个：你手上有多少东西，是模型学不走的。

2026 年，祝你手上有活。