3/10nvdia：AI“五层架构”-产业底层逻辑

大概一年前github repo中有随笔过ai的产业链，那段时间几乎看完了nvdia的所有公开演讲，思考梳理出来的大概也是这五层，或许真的是在好的正确的数据上思考真的能一定程度上的预测未来

回看自己写的话

还是感觉当初说出-世界就是一个巨大的外包这句话很经典

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，文章系统阐释了AI产业的底层逻辑，黄仁勋在文中定义了AI的“五层架构”。他表示，当前AI产业仍处于极早期发展阶段，尽管行业已投入数千亿美元，但AI的真正潜力尚未被完全发掘，未来仍需数万亿美元的持续投资来完善底层基础设施。

黄仁勋指出，AI已成为当今塑造世界的最强大力量之一，它并非单一的聪明应用程序或模型，而是如同电力和互联网一样至关重要的基础设施，运行在真实的硬件、能源和经济基础之上，能够吸收原材料并转化为规模化的智能，未来每家公司都将使用AI，每个国家都将建设AI基础设施。

为了厘清AI产业的底层结构，黄仁勋系统定义了AI“五层架构”，将其形象地比喻为“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，每一层相互支撑、相互拉动，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。

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，而目前这一建设进程才刚刚起步。

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。

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。