黃仁勛GTC前夜定調：數萬億美元AI大基建才剛開始
美國時間3月10日，英偉達CEO黃仁勛在官網撰文，系統地闡釋了AI產業的底層商業邏輯。他明確指出，人工智能早已不再是單純的軟件代碼，而是已經演變成與電力和互聯網同等重要的現代世界基建。
黃仁勛在文中直言，當前AI產業仍處于極早期發展階段，盡管全球已投入數千億美元，但未來仍需數萬億美元的持續巨額投資來完善底層基礎設施。他表示，無論是那些好用的AI應用，還是像DeepSeek這樣讓全網瘋狂的開源模型，說到底都在倒逼各行各業去買更多的芯片、使用更多的電力。
值得注意的是，這篇重磅長文的發布時機極其微妙，黃仁勛顯然在為即將震撼開幕的英偉達年度GTC大會提前定調。
以下為黃仁勛這篇重磅博客的深度編譯全文。
AI：現代世界的基礎設施
人工智能正成為當今重塑世界最強大的力量之一。它不僅是某個巧妙的應用或單一模型，更是像電力和互聯網一樣不可或缺的核心基礎設施。
AI依托于實體硬件、真實能源和實際的經濟規律運行。它汲取原材料并將其大規模轉化為智能。未來每一家公司都將使用它，每一個國家都將建設它。
要理解AI為何會呈現出這種發展態勢，我們需要從第一性原理出發，審視計算領域到底發生了哪些根本性變革。
從預制軟件到實時智能
在計算機歷史的大部分時間里，軟件都是預制的。人類編寫算法，計算機負責執行。數據必須經過嚴密的結構化處理，存儲在表格中并通過精確的查詢進行檢索。SQL之所以不可或缺，正是因為它讓這一體系得以運轉。
而AI打破了這種傳統模式。
這是人類第一次擁有了能夠理解非結構化信息的計算機。它能看懂圖像、閱讀文字、聽取聲音并理解其中的含義，它能推斷語境和用戶意圖。最重要的是，它能實時生成智能。
它的每一次響應都是全新創造的，每一個答案都取決于你提供的上下文。這不再是軟件在檢索存儲好的指令，而是軟件在根據需求進行推理并生成智能。
正由于智能是實時產出的，其底層的整個計算技術棧都必須被徹底重構。
作為基礎設施的AI
如果從工業視角審視，AI可以分解為一個五個層級的技術棧：
1.能源(Energy)
處于最底層的是能源。實時生成的智能需要實時的電力供應來支撐。每一個生成的Token，都是電子移動、熱量管理以及能源轉化為計算力的結果。在能源之上再無任何更基礎的抽象層。它是AI基礎設施的第一性原理，也是限制系統智能產出總量的硬約束。
2.芯片(Chips)
能源之上是芯片。這些處理器旨在將能源大規模、高效地轉化為算力。AI工作負載需要極高的并行處理能力、高帶寬內存以及快速的互連網絡。芯片層的進步速度，決定了AI擴張的速度以及智能的經濟性。
3.基礎設施(Infrastructure)
芯片之上是基礎設施。這包括土地、電力輸送、冷卻系統、建筑施工、網絡設備，以及將數萬個處理器協同調度為一臺機器的系統。這些系統本質上就是“AI工廠”。它們的設計初衷不是為了存儲信息，而是為了制造智能。
4.模型(Models)
基礎設施之上是模型。AI模型能夠理解多種領域的信息：語言、生物、化學、物理、金融、醫學乃至物理世界本身。語言模型只是其中一類，目前一些最具變革性的工作正發生在蛋白質AI、化學AI、物理模擬、機器人技術和自主系統等領域。
5.應用(Applications)
最頂層是應用，這里也是創造經濟價值的地方。例如藥物研發平臺、工業機器人、法律助手以及自動駕駛汽車等。自動駕駛汽車是搭載于機器中的AI應用，人形機器人則是搭載于仿生軀體中的AI應用。底層技術棧完全相同，呈現結果卻各不相同。
這就是AI的“五層蛋糕”：能源 → 芯片 → 基礎設施 → 模型 → 應用。
每一個成功的應用都會向下拉動每一層資源，一直延伸到維持其運行的發電廠。
這場基礎設施建設才剛剛開始。我們目前僅投入了數千億美元，未來仍有數萬億美元的基礎設施有待建設。
在全球范圍內，我們看到芯片工廠、計算機組裝廠和AI工廠正以前所未有的規模拔地而起。這正在成為人類歷史上規模最龐大的一場基礎設施建設狂潮。
支撐這一建設浪潮所需的勞動力是巨大的。AI工廠需要電工、水管工、管道安裝工、鋼鐵工人、網絡技術員、安裝工和操作員。這些都是高技能、高薪酬的職位，且目前供不應求。你根本不需要擁有計算機科學的博士學位，也能參與到這場變革中來。
與此同時，AI正在全面提升知識經濟的生產力。以放射科為例，AI現在可以輔助閱片，但對放射科醫生的需求卻在持續增長。這并非悖論。
放射科醫生的核心職責是照顧病人，閱片只是過程中的一項任務。當AI承擔了更多常規工作后，醫生可以專注于臨床判斷、溝通和護理。醫院的效率提高了，就能服務更多患者，進而雇傭更多員工。
生產力創造產能，而產能創造增長。
過去一年發生了什么變化？
在過去的一年里，AI跨越了一個重要的門檻。模型的能力已足夠優秀，足以支持大規模使用。推理能力提升了，幻覺減少了，基于事實的錨定能力顯著增強。基于AI構建的應用第一次開始產生真正的經濟價值。
在藥物研發、物流、客戶服務、軟件開發和制造業等領域，AI應用已經展現出極強的產品市場契合度。這些應用正強力拉動其下方的每一個技術層。
開源模型在此發揮了關鍵作用。世界上大部分模型都是免費的。研究人員、初創企業、大型企業乃至整個國家，都在依靠開源模型參與到前沿AI的進程中。當開源模型達到前沿水平時，它們改變的不只是軟件，更激活了對整個底層技術棧的需求。
DeepSeek-R1就是一個有力的例證。通過將強大的推理模型廣泛開源，它加速了應用層的落地采用，并進而推高了對其底層訓練、基礎設施、芯片和能源的需求。
這意味著什么
當你將AI視為核心基礎設施時，其深遠影響便清晰可見。
AI始于Transformer大語言模型，但其內涵遠不止于此。這是一場工業變革，它正在重塑能源的生產與消費方式、工廠的建設方式、工作的組織方式以及經濟的增長方式。
AI工廠之所以被建造，是因為智能現在可以實時生成；芯片之所以被重新設計，是因為效率決定了智能規模化擴張的速度；能源之所以成為核心，是因為它設定了智能產出總量的上限；應用之所以加速發展，是因為底層模型已經跨越了大規模實用的門檻。
這宏大的五層蛋糕，每一層都在相互強化。
這就是為什么基礎設施建設規模如此宏大，為什么它會同時觸及如此多的行業，以及為什么它絕不會局限于單一國家或單一領域。每一家公司都將使用AI，每一個國家都將建設它。
我們仍處于早期階段。大部分基礎設施尚未建成，大部分勞動力尚未接受培訓，大部分機遇尚未被發掘。
但前行的方向已經明確。
AI正在成為現代世界的底層基礎設施，而我們現在的選擇，包括我們建設的速度、參與的廣度以及負責任地部署的深度，將最終決定這個時代的模樣。
