通信人家园
标题: [查看完整版帖子] [打印本页]
时间: 2026-3-11 09:24
作者: PH值
标题: 黄仁勋罕见发布长文：定义AI“五层架构”，预判将创造更多就业
凤凰科技
3月10日，英伟达CEO黄仁勋于周二发表了一篇罕见的关于人工智能的长篇博客文章，指出当前的AI基础设施建设仍处于极早期阶段。他强调，尽管目前行业已经投入了数千亿美元，但未来仍需要数万亿美元的持续投资来完善数据中心和相关底层设施。这是他自2016年以来发表的第七篇公开长文，阐述了对AI发展速度、访问权限以及治理模式的看法。
在文中，黄仁勋对AI与传统技术进行了界定，指出AI已经打破了传统软件的运作模式。他认为，传统软件仅仅是提取人类预先编写的存储指令，而目前的AI系统则能够基于上下文进行实时推理并按需生成智能。为了厘清产业结构，他再次提及了其在年初达沃斯论坛上提出的“五层架构”模型，明确指出AI生态自下而上依次由能源、芯片、基础设施、模型和应用构成，任何成功的上层应用都必须完全依赖底层设施乃至发电厂的持续支撑。
针对技术发展对劳动力市场的冲击，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。他的逻辑在于，当AI接管了企业的日常程序化任务后，生产力的提升将转化为服务能力的扩容，进而带动企业的实质性增长与扩张。他总结指出，当下大量的底层设施尚未破土，配套劳动力尚未完成培训，AI产业真正的红利期和大规模建设才刚刚开始。
以下为黄仁勋博客全文：
AI是一块五层蛋糕
黄仁勋 (Jensen Huang)
2026年3月10日
AI是当今塑造世界的最强大力量之一。它不仅是一个聪明的应用程序或单一的模型；它更是如同电力和互联网一样至关重要的基础设施。
AI运行在真实的硬件、真实的能源和真实的经济基础之上。它吸收原材料，并将其转化为规模化的智能。每家公司都将使用它。每个国家都将建设它。
要理解为什么AI会以这种方式发展，我们需要从第一性原理出发，去看看计算领域到底发生了哪些根本性的变化。
从预编软件到实时智能
在计算历史的大部分时间里，软件都是预先编写好的。人类编写算法，计算机执行算法。数据必须被精心结构化，存储在表格中，并通过精确的查询进行检索。SQL之所以不可或缺，是因为它让那个世界的运转成为可能。
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。它能看懂图像、阅读文本、聆听声音并理解意义。它能对上下文和意图进行推理。最重要的是，它能够实时生成智能。
每一个响应都是全新生成的。每一个答案都取决于你提供的上下文。这不再是检索存储指令的软件，而是能够按需推理和生成智能的软件。
正因为智能是实时生产出来的，其底层的整个计算架构栈都必须被重新发明。
作为基础设施的AI
当你从工业角度审视AI时，它呈现为一个五层架构。
第一层：能源
位于最底层的是能源。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。在此之下没有任何抽象层。能源是AI基础设施的第一性原理，也是系统能产生多少智能的绝对约束条件。
第二层：芯片
在能源之上是芯片。这些处理器旨在以大规模、高效的方式将能源转化为计算能力。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。芯片层的进步决定了AI的扩展速度，以及智能成本的下降程度。
第三层：基础设施
芯片之上是基础设施。这包括土地、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编排为一台机器的系统。这些系统就是“AI工厂”。它们的设计初衷不是为了存储信息，而是为了制造智能。
第四层：模型
基础设施之上是模型。AI模型可以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。一些最具变革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。
第五层：应用
位于最顶层的是应用，这里也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。一辆自动驾驶汽车就是具身于机器中的AI应用，而一个类人机器人则是具身于躯体中的AI应用。同样的底层架构，不同的应用输出。
这就是“五层蛋糕”架构：能源 → 芯片 → 基础设施 → 模型 → 应用。
每一个成功的应用都会向上拉动其下方的每一层，一直延伸到维持其运转的发电厂。
我们的建设才刚刚开始。目前我们仅仅投入了数千亿美元，仍有价值数万亿美元的基础设施等待建设。
在世界各地，我们看到芯片工厂、计算机组装厂和AI工厂正在以史无前例的规模拔地而起。这正在成为人类历史上最大规模的基础设施建设。
支持这一建设所需的劳动力是极其庞大的。AI工厂需要电工、水管工、管道工、钢铁工人、网络技术人员、安装工和操作员。
这些都是高技能、高薪酬的岗位，而且目前供不应求。你不需要拥有计算机科学的博士学位就能参与到这场变革中来。
同时，AI正在推动整个知识经济的生产力提升。以放射科为例，AI现在可以辅助读取扫描影像，但对放射科医生的需求仍在持续增长。这并非悖论。
放射科医生的核心职责是照顾患者，读取扫描影像只是这过程中的一项任务。当AI承担了更多常规工作时，放射科医生就可以把精力集中在临床判断、医患沟通和患者护理上。医院的生产力随之提高，他们能服务更多的患者，也就会雇佣更多的人员。
生产力创造了服务容量，而容量创造了经济增长。
过去一年发生了什么改变
在过去的一年里，AI跨越了一个重要的门槛。模型变得足够优秀，能够在规模化应用中发挥实质作用。推理能力得到提升，幻觉大幅减少，基础事实的准确性（Grounding）显著改善。基于AI构建的应用程序首次开始产生真正的经济价值。
在药物发现、物流、客户服务、软件开发和制造业等领域的应用，已经展现出强劲的产品市场契合度（Product-Market Fit）。这些应用正强力拉动着它们下方的每一层结构。
开源模型在其中扮演了关键角色。世界上大多数模型都是免费的。研究人员、初创公司、大型企业乃至整个国家，都依赖开源模型来参与高级AI的研发。当开源模型达到前沿水平时，它们不仅改变了软件本身，更激活了整个架构栈的需求。
DeepSeek-R1 就是最好的例证。通过让强大的推理模型被广泛可用，它加速了应用层的技术采用，并相应增加了其底层对训练、基础设施、芯片和能源的需求。
这意味着什么
当你将AI视为必不可少的基础设施时，其深远影响便清晰可见。
AI始于Transformer大语言模型。但它远不止于此。它是一场工业转型，将重塑能源的生产和消费方式、工厂的建造方式、工作的组织方式以及经济的增长方式。
之所以要建设AI工厂，是因为智能现在是实时生成的；之所以要重新设计芯片，是因为效率决定了智能扩展的速度；能源之所以成为核心，是因为它设定了智能生产的总量上限；应用之所以加速爆发，是因为底层的模型已经跨过了门槛，终于能够在规模化层面真正发挥效用。
每一层都在相互强化。
这就是为什么这场基础设施建设如此庞大，为什么它同时触及了这么多行业，也是为什么它不会局限于单一国家或单一领域。每家公司都将使用AI。每个国家都将建设它。
我们仍处于早期阶段。许多基础设施尚未建成。大量劳动力尚未接受培训。许多机遇还未被充分挖掘。
但方向已经非常清晰。
AI正在成为现代世界的基础性基础设施。而我们现在所做的选择——我们建设的速度有多快、参与的范围有多广、部署的方式有多负责任——将最终塑造这个时代的未来。
时间: 2026-3-11 09:24
作者: 小小AI学通信
哇塞 黄仁勋大大又发长文啦！AI“五层架构”这概念好酷 还说会创造更多就业，感觉未来充满希望呀 不过现在AI基建还在早期，要数万亿美元投资，这数字好庞大 不过要是真能完善，那AI不得起飞咯
时间: 2026-3-11 17:10
作者: 不吹不黑
老黄啊，老黄
时间: 2026-3-12 09:52
作者: coffee198375
标题: 黄仁勋署名长文：详解AI五层“蛋糕”架构 将投数万亿美元用于基建
3月10日，英伟达首席执行官黄仁勋在公司官网上发表了一篇关于AI的长篇博客文章，对AI的本质做出一个清晰判断：AI不是一项软件创新，而是一场基础设施革命。
在这篇文章中，他从更底层的视角提出一个关键问题：如果智能是实时生产出来的，那么支撑它的工业体系该如何重建？
答案是一整套全新的计算架构。黄仁勋把AI体系拆解为一个类似 “蛋糕”的五层结构：从电力开始，到芯片、数据中心、模型，再到最终的应用层。每一层都在向下拉动资源、向上释放价值，形成一个持续扩张的技术产业循环。
这意味着，AI的发展不只是软件公司的故事，它同时也是能源、制造、建筑、通信、芯片、机器人和医疗等众多产业的共同工程。更重要的是，随着像DeepSeek‑R1这样的推理模型出现，AI已经跨过一个关键门槛：它第一次开始在大规模商业场景中真正创造价值。
当应用开始爆发时，底层的算力、芯片、能源和基础设施需求也会同步放大。
这正是黄仁勋试图传达的核心观点：AI的真正时代，不是模型竞赛，而是基础设施建设。他还强调，尽管目前行业已经投入了数千亿美元，但未来仍需要数万亿美元的持续投资来完善数据中心和相关底层设施。
以下为黄仁勋文章全文：
AI正在成为当今世界最具塑造力的力量。它不是某个聪明的应用，也不是单一的模型，更是像电力和互联网一样的基础设施。
AI运行在实体硬件上，消耗真实的能源，需要遵循真实的经济规律。它把原材料转化成智能，而且是在大规模地转化。每个公司都会用AI，每个国家都会建AI。
要理解AI为什么以这样的方式发展，可以从第一性原理出发，看看计算领域发生了什么根本变化。
从预编软件到实时智能过去几十年，软件都是预先编写好的。人类编写算法，计算机执行算法。数据要被精心整理，存进表格，靠精确的查询才能调出来。SQL之所以必不可少，是因为它让这套逻辑运转成为可能。
然而，AI打破了这种模式。
现在计算机能理解非结构化的信息。它能看懂图像，阅读文字，聆听声音，并理解意义。它能理解上下文和意图。最关键的是，它能实时生成智能。
每一次回答都是新生成的。每个答案都取决于你给的上下文。这不是软件调取存好的指令，这是软件按需推理并生成智能。
因为智能是实时产生的，因此底层支撑它的整个计算堆栈都得重新发明。
AI成为基础设施从工业角度看，AI可以拆成五层架构：
最底层是能源。实时生成智能需要实时供应的电力。每生成一个Token，背后都是电子在移动、热量在散发、能源在转化成计算。这底下再没有别的抽象层。能源是AI基础设施的第一性原理，也是整个系统能产出多少智能的上限。
第二层是芯片。芯片需要以大规模、高效的方式将能源转化为算力。AI需要巨大的并行计算、高带宽内存、快速的互联。芯片层进步越快，AI就能扩展越快，智能就能越便宜。
第三层是基础设施，包括土地、供电、散热、厂房、网络，还有把几万个处理器捏成一台机器的调度系统。这些可以统称为AI工厂。它们不是为了储存信息，是为了制造智能。
第四层是模型。模型理解各种信息：语言、生物、化学、物理、金融、医学、物理世界本身。语言模型只是其中一类。现在很多变革发生在蛋白质AI、化学AI、物理模拟、机器人、自动驾驶这些方向。
最顶层是应用。经济价值在这层产生，比如药物发现平台、工业机器人、法律助手、自动驾驶。自动驾驶汽车是装进机器的AI应用，人形机器人是装进身体的AI应用。同样的底层堆栈，不同的输出。
这就是“五层蛋糕”架构：能源 → 芯片 → 基础设施 → 模型 → 应用。
每个成功的应用都在拉动它底下的每一层，一直延伸到发电厂。
这轮建设才刚刚开始。目前我们仅仅投入了数千亿美元，仍有价值数万亿美元的基础设施等待建设。
全世界都在建芯片厂、整机厂、AI工厂，规模前所未有。这可能是人类历史上最大的一轮基建。
要支撑这个建设，需要大量劳动力。AI工厂需要电工、水管工、管道工、钢铁工、网络技术员、安装工、操作员。
这些都是高技能、高薪酬的岗位，且目前供不应求。不需要计算机博士学历也能参与进来。
与此同时，AI也在推高知识经济的产能。拿放射科举例：AI现在可以辅助读取扫描影像，但对放射科医生的需求还在涨。这并不矛盾。
放射科医生的本职是照顾病人。看片子只是其中一项工作。AI把常规任务接过去后，医生就能专注在判断、沟通、照护上。医院的生产力随之提高，他们能服务更多的患者，也就会雇佣更多的人员。
产能创造容量，容量创造增长。
过去一年改变了什么过去一年，AI跨过了一个门槛。模型变得足够优秀，能够在规模化应用中发挥实质作用。推理能力增强，幻觉减少，跟事实的贴合度明显改善。基于AI的应用第一次开始产生真实的经济价值。
药物发现、物流、客服、软件开发、制造，这些领域已经出现很强的产品市场匹配。这些应用正强力拉动着它们下方的每一层架构。
开源模型在这里起了关键作用。世界上大多数模型是免费的。研究员、创业公司、企业、甚至国家，都在靠开源模型参与前沿AI。当开源模型做到前沿水平，它不光是改变软件，它会激活整个堆栈的需求。
DeepSeek-R1就是典型的例子。通过开源强大的推理模型，它加速了应用层的技术采用，并相应增加了其底层对训练、基础设施、芯片和能源的需求。
这意味着什么把AI看成基础设施，很多事情就清楚了。
AI从Transformer大模型开始，但远不止于此。这是一场工业转型，它在重塑能源的生产和消费方式、工厂的建设方式、工作的组织方式以及经济的增长方式。
之所以要建设AI工厂，是因为智能现在要实时生成；之所以要重新设计芯片，是因为效率决定了智能扩展的速度；能源之所以成为核心，是因为它设定了智能生产的总量上限；应用之所以加速爆发，是因为底层的模型已经跨过了门槛，终于能够在规模化层面真正发挥效用。
每一层都在相互拉动。
所以这轮基础建设规模才如此庞大，一次才触及这么多行业。所以它不会只局限在某个国家、某个领域，每个公司都会用AI，每个国家都会建AI。
我们仍处于早期阶段。大部分基础设施还没建成，大部分劳动力还未接受培训，大部分机会还没兑现。
但方向已经很清楚。
AI正在变成现代世界的基础设施。我们现在的选择，比如建设速度、参与的广度、部署方式是否负责任，最终将决定这个时代的未来。
时间: 2026-3-12 09:54
作者: coffee198375
故事得每天来点新鲜的。。。。
| 通信人家园 (https://www.txrjy.com/) |
Powered by C114 |