AI 是塑造當今世界的強大力量之一。它并非僅僅是一款巧妙的應用程序，也不是單一的模型，而是如同電力和互聯(lián)網(wǎng)一樣必不可少的基礎設施。

AI 依托真實的硬件、能源和經(jīng)濟體系運行。它可以將原材料大規(guī)模地轉(zhuǎn)化為智能。每家公司都將應用 AI， 每個國家或地區(qū)都將發(fā)展 AI。

要理解 AI 為何以這種方式發(fā)展，我們需要從基本原理進行推理，并了解計算領域發(fā)生了哪些根本性變化。

從預制軟件到實時智能

在計算技術(shù)發(fā)展的歷史中，軟件通常都是預先制作好的。人類描述一種算法，計算機執(zhí)行此操作。數(shù)據(jù)必須經(jīng)過精心設計，存儲在表格中，并通過精確查詢進行檢索。SQL 變得不可或缺，因為過去的世界因此得以運轉(zhuǎn)。

AI 打破了這種模式。

我們首次擁有了一臺能夠理解非結(jié)構(gòu)化信息的計算機。它能夠識別圖像、閱讀文本、聆聽聲音并理解其含義。它可以根據(jù)上下文和意圖進行推理。最重要的是，它能夠?qū)崟r生成智能。

每個回應都是全新創(chuàng)建的。每個答案都取決于你提供的上下文。這并非軟件檢索存儲的指令，而是軟件根據(jù)需求進行推理并生成智能。

由于智能是實時生成的，因此其背后的整個計算架構(gòu)都必須重新設計。

AI 即基礎設施

從工業(yè)角度審視 AI，其架構(gòu)可分解為五層。

能源

最底層是能源。實時生成的智能需要實時產(chǎn)生的電力支持。每一個生成的 token，都是電子流動、熱量管理以及能量轉(zhuǎn)化為計算的結(jié)果。在這一層面之下，沒有抽象層。能源是 AI 基礎設施的首要原則，也是制約系統(tǒng)能產(chǎn)生多少智能的瓶頸因素。

芯片

能源層之上是芯片。這些處理器旨在大規(guī)模地將能源高效轉(zhuǎn)化為計算能力。AI 工作負載需要巨大的并行處理能力、高帶寬內(nèi)存和快速互連。芯片層的進展決定了 AI 的擴展速度以及智能的可適用性。

基礎設施

芯片之上是基礎設施層。這包括土地、供電、冷卻系統(tǒng)、建筑工程、網(wǎng)絡通信，以及將成千上萬處理器編排到一臺機器的系統(tǒng)。這些系統(tǒng)就是 AI 工廠。它們的設計目的并非存儲信息，而是制造智能。

模型

基礎設施層之上是模型層。AI 模型能夠理解多種類型的信息：語言、生物學、化學、物理學、金融學、醫(yī)學以及物理世界本身。語言模型只是其中一個類別。一些最具變革性的工作正發(fā)生在蛋白質(zhì) AI、化學 AI、物理模擬、機器人技術(shù)和自主系統(tǒng)等領域。

應用

最上層是應用層，經(jīng)濟價值在此產(chǎn)生，比如藥物研發(fā)平臺、工業(yè)機器人、法律助手、自動駕駛汽車等。自動駕駛汽車是 AI 機器應用的具體表現(xiàn)。人形機器人則是 AI 具身應用的具體表現(xiàn)。同樣的架構(gòu)，能帶來不同的成果。

這就是五層蛋糕架構(gòu)：

能源 → 芯片 → 基礎設施 → 模型 → 應用。

每一個成功的應用都會拉動其下的每一層，直至維持其運行的動力設備。

我們才剛剛開始這一建設進程，目前已投入數(shù)千億美元，但仍需建設價值數(shù)萬億美元的基礎設施。

放眼全球，我們看到芯片工廠、計算機組裝廠和 AI 工廠正在以前所未有的規(guī)模建設。這正在成為人類歷史上規(guī)模最大的基礎設施建設。

支撐這一建設進程所需的人力非常龐大。AI 工廠需要電工、管道工、管件工、鋼鐵工人、網(wǎng)絡技術(shù)人員、安裝人員和操作員等。這些都是技術(shù)性強、待遇優(yōu)厚的工作崗位，且目前供不應求。參與這場變革無需擁有計算機科學博士學位。

與此同時，AI 正在提高整個知識經(jīng)濟領域的生產(chǎn)力。以放射學為例，AI 已經(jīng)能夠輔助解讀掃描影像，但對放射科醫(yī)生的需求仍在持續(xù)增長。這并非矛盾現(xiàn)象。

放射科醫(yī)生的職責就是照顧患者，而解讀掃描影像只是其工作中的一個環(huán)節(jié)。當 AI 承擔更多的常規(guī)工作時，放射科醫(yī)生可以專注于判斷、溝通和護理。醫(yī)院的工作效率將越來越高，將能夠為更多的患者提供服務，也會雇傭更多員工。

生產(chǎn)力提升創(chuàng)造產(chǎn)能，產(chǎn)能擴大推動增長。

過去一年的變化？

在過去的一年里，AI 跨越了一個重要的門檻。模型性能顯著提升，可以大規(guī)模投入使用。推理能力增強，幻覺現(xiàn)象減少，落地應用能力大幅提升。基于 AI 構(gòu)建的應用首次開始創(chuàng)造真實的經(jīng)濟價值。

藥物研發(fā)、物流、客戶服務、軟件開發(fā)和制造領域的應用已經(jīng)展現(xiàn)出強大的產(chǎn)品市場契合度。這些應用會對其下方的每一層架構(gòu)都產(chǎn)生強勁的拉動效應。

開源模型在這方面發(fā)揮著關(guān)鍵作用。全球大多數(shù)模型都是免費開放的。研究人員、初創(chuàng)公司、企業(yè)甚至國家都依靠開放模型來參與先進的 AI。當開放模型達到前沿水平時，它們改變的不僅僅是軟件領域，而是激活了整個技術(shù)棧的需求。

DeepSeek-R1 就是一個很好的例子。通過廣泛開放強大的推理模型，它加速了應用層的普及，并帶動了底層對訓練、基礎設施、芯片和能源的需求增長。

題中要義

當你將 AI 視為必不可少的基礎設施時，其影響便顯而易見。

AI 始于 Transformer 大語言模型。但其意義遠不止于此。這是一場工業(yè)變革，重塑著能源的生產(chǎn)與消耗方式、工廠的建造模式、工作的組織形式以及經(jīng)濟的增長路徑。

如今，AI 工廠正在興建，因為智能已實現(xiàn)實時生成。芯片正在被重新設計，因為效率決定了智能的擴展速度。能源成為核心要素，因為它從根本上決定了智能的生產(chǎn)規(guī)模上限。應用加速發(fā)展，因為底層模型已跨越門檻，得以大規(guī)模投入使用。

每一層都相互強化。

正因如此，AI 建設規(guī)模才如此龐大，它才能夠同時觸及眾多行業(yè)，并不會局限于單一國家、地區(qū)或單一領域。每家公司都將使用 AI，每個國家都將發(fā)展 AI。

我們?nèi)蕴幱谠缙陔A段。大部分基礎設施尚未建成，大部分勞動力尚未接受培訓，大部分機遇尚未得到發(fā)掘。

但方向已然明確。

AI 正在成為現(xiàn)代世界的基礎設施。而我們此刻的選擇、構(gòu)建速度、參與廣度以及如何負責任地部署它將決定這個時代走向何方。

NVIDIA GTC 將于 2026 年 3 月 16 - 19 日在美國加州圣何塞及線上同步舉行，歡迎與我們一同探索下一代 AI 的無限可能。

會議內(nèi)容和體驗將涵蓋代理式 AI、AI 工廠、面向科學的 AI、CUDA、高性能推理、開放模型、物理 AI、量子計算等諸多領域。點擊“閱讀原文”或掃描下方二維碼，立即注冊，加入這場全球頂尖的 AI 盛會。