AI 浪潮之下,普通人还有什么机会?

开场图：AI 基础设施的五层结构

一、别只看应用，先看它下面那几层

过去一年，很多人对 AI 的感受都来自应用层：问答、画图、写文案、写代码。

这些当然重要。毕竟普通人最先摸到的，就是这些产品。

但如果继续往下看，会发现真正决定 AI 能走多远的，不只是模型有多聪明，而是背后有没有足够强的基础设施。

英伟达给出的判断很直接：AI 更像一块“五层蛋糕”。从下到上，是能源、芯片、AI 工厂、模型和应用。

应用是我们看到的结果。真正支撑这个结果的，是底下那一整套物理世界里的东西。

AI 不是单点应用，而是一次计算范式变化

二、为什么这更像一轮“基建浪潮”

传统软件时代，机器更多是在执行人写好的规则。

你把流程、表格、数据库设计好，系统负责查找、计算和输出。

但 AI 不太一样。它要实时理解上下文，还要生成新的答案。文本、图像、声音、视频，都会变成它要处理的原材料。

这意味着，计算方式变了。随之改变的，还有算力、电力、存储、网络和冷却的需求。

所以这一轮 AI，不是一句“模型更强了”就能概括。它更像一个巨大的生产系统：电力进来，经过芯片和数据中心，最后被转化成智能服务。

从能源、芯片到应用，AI 的五层基础设施

三、第一批机会，可能不在“做模型”里

很多人会问：AI 这么强，普通人还有机会吗？

如果只盯着大模型本身，答案确实容易让人焦虑。模型需要资金、人才和算力，普通人很难直接参与最核心的竞争。

但如果把 AI 看成基础设施，机会就会变宽。

能源、电网、机房建设、液冷系统、网络布线、芯片供应链、行业应用落地，这些都不是只靠算法工程师就能完成的。

AI 越普及，越会反过来拉动底层建设。更多人使用模型，就意味着更多推理、更多训练、更多芯片、更多电力，也需要更多能把这些东西建起来、接起来、维护好的人。

芯片把电力转换成算力，支撑大规模并行计算

AI 工厂：数据中心正在从存信息，转向生产智能

四、AI 会改变工作，但不等于人消失

英伟达举了一个很典型的例子：放射科医生。

过去，医生大量时间花在常规影像扫描、数据处理和初步判断上。

当 AI 接管一部分常规计算后，人的角色并不是简单被替代，而是更可能回到高价值环节：复杂判断、医患沟通、深度护理，以及最终责任。

这其实是 AI 更值得关注的地方。

它不只是提高效率，还会重新分配“什么工作更值钱”。重复性的计算会被压缩，而需要经验、判断、沟通和现场执行能力的部分，反而会变得更重要。

应用层创造价值，但它离不开底层能力

应用需求会反过来拉动底层基础设施建设

五、普通人真正该关注什么

如果你不是大模型公司的人，也不是芯片公司的人，这轮机会依然不是完全与你无关。

我会更建议关注三类方向。

第一，现实世界里的 AI 基建岗位。
比如电力、机房、冷却、网络、设备维护、工程建设。AI 越大规模运行，这些环节越绕不开。

第二，行业里的 AI 应用落地。
医疗、物流、制造、法律、教育、财务，每个行业都需要有人把 AI 接进真实流程，而不是停在演示页面里。

第三，人与 AI 协作后的新岗位。
会判断、会沟通、懂业务、也能熟练使用 AI 工具的人，会更有优势。

换句话说，AI 不是只奖励“会写模型的人”。

它也会奖励那些能把 AI 接进真实世界、真实流程、真实产业的人。

AI 越强，现实世界里的执行、维护和协作越重要

结尾：AI 越强，现实世界越重要

这轮 AI 浪潮，表面上是模型和应用的竞争，底层其实是基础设施的竞争。

谁能更快拿到能源，谁能更好组织芯片、机房、冷却和网络，谁能把模型落到真实行业里，谁就更有可能占据下一阶段的位置。

所以，普通人的机会并没有消失，只是换了地方。

它不一定在“造一个更大的模型”里，也可能在修路架桥、搭电网、建机房、改流程、懂行业、会协作这些更具体的事情里。