（觀察者編者按：當地時間3月10日，英偉達公司共同創始人、CEO黃仁勳在博客發布長文，闡述其對人工智能產業走向的標志性觀點。他指出，AI正成為如同電力與互聯網一般的“關鍵基礎設施”，並從第一性原理出發，將其解構為從能源到應用的五個技術層級。黃仁勳認為，模型已跨越規模化應用的臨界點，由此催生的人類史上最大規模基建，將同時重塑能源消耗、芯片設計與工作組織方式，並帶來巨大的就業機遇。觀察者網翻譯全文，供各位讀者參考。）
人工智能是塑造當今世界的最強大力量之一。它不僅是某個精巧的應用或單一模型，而是像電力和互聯網一樣，成為不可或缺的基礎設施。
人工智能運行於實實在在的硬件之上，消耗實實在在的能源，遵循實實在在的經濟規律。它如同一個將原材料轉化為智能的巨型工廠，源源不斷地生產。每一家企業都將使用它，每一個國家都將建設它。
要理解人工智能為何如此演進，最好的方法是回歸第一性原理，審視計算領域發生的根本性變革。
從預錄軟件到實時智能
在計算歷史上的大部分時間裏，軟件都是預錄的。人類描述一個算法，計算機負責執行它。數據必須被精心結構化，存入表格，再通過精確的查詢來檢索。（20世紀70年代推出的編程語言）SQL之所以不可或缺，正是因為它在那個時代讓這一切變得可行。
人工智能打破了這一模式。
有史以來第一次，我們擁有了一台能理解非結構化信息的計算機。它能看懂圖像，讀懂文字，聽懂聲音，並理解其中的含義。它能推理上下文和意圖。最重要的是，它能實時生成智能。
每一次回應都是全新的創造。每一個答案都依賴於你提供的語境。這不是在檢索預先存儲的指令，這是軟件在按需求進行推理並生成智能。
正因為智能是實時產生的，其底層的整個計算棧都必須被重新構建。
人工智能即基礎設施
從產業角度看，人工智能可以分解為五個層級的架構。
能源
最底層的是能源。實時生成的智能需要實時消耗的電力來支撐。每一個詞元（token）的產出背後，都是電子的運動、熱量的管理，以及能量向計算的轉化。這之下再無抽象層。能源是AI基礎設施的第一性原理，也是系統能產出多少智能的絕對約束條件。
芯片
能源層之上是芯片。這些處理器旨在大規模、高效率地將能源轉化為計算能力。人工智能的工作負載需要龐大規模的並行計算、高帶寬內存和高速互連。芯片層的進步決定了人工智能將以多快的速度擴張，以及智能的成本將變得多低。
基礎設施
芯片層之上是基礎設施。這包括土地、電力輸送、散熱系統、建築施工、網絡，以及將數萬個處理器編排成一台機器的系統。這些系統就是人工智能工廠（AI factories）。它們的設計目的不是為了存儲信息，而是為了制造智能。
模型
基礎設施層之上是模型。AI模型能理解多種信息：從語言、生物學、化學、物理學、金融到醫學，乃至物理世界本身。語言模型只是其中一類。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領域。
應用
最頂層是應用層，經濟價值在此被創造出來。例如藥物發現平台、工業機器人、法律輔助工具、自動駕駛汽車等。一輛自動駕駛汽車，就是具身於機器中的一個AI應用。一個類人機器人，就是具身於實體中的一個AI應用。相同的技術棧，不同的成果。
這就是那五層“蛋糕”：能源→芯片→基礎設施→模型→應用。
每一個成功的應用都會拉動其下的所有層級，一路向下追溯到維持它運轉的發電廠。
我們才剛剛開始這一建設進程。我們已經投入了數千億美元。未來，還有數萬億美元的基礎設施需要建設。
在世界各地，我們看到芯片工廠、計算機組裝廠和人工智能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最大規模的基礎設施建設。
支撐這一建設的勞動力需求是巨大的。人工智能工廠需要電工、水管工、管道裝配工、鋼鐵工人、網絡技術員、安裝員和操作員。
這些都是需要技能、待遇優厚的工作，而且目前供不應求。你不需要獲得一個計算機科學博士學位也能參與這場變革。
與此同時，人工智能正在推動整個知識經濟的生產力提升。以放射科為例。AI現在可以幫助閱讀掃描影像，但對放射科醫生的需求仍在增長。這並非悖論。
放射科醫生的職責是照顧病人。閱讀影像只是其中的一項任務。當AI承擔了更多日常性工作時，放射科醫生就能專註於診療判斷、醫患溝通和護理。醫院的效率因此提高，能夠服務更多患者，並會雇傭更多人員。
生產力帶來能力提升，能力提升創造經濟增長
過去一年發生了什麽變化？
過去一年裏，人工智能跨過了一個重要門檻。模型已經變得足夠優秀，可以在規模化層面發揮實際作用了。推理能力提升了，幻覺現象減少了，與現實的結合能力顯著增強。有史以來第一次，建立在人工智能之上的應用開始產生真實的經濟價值。
在藥物發現、物流、客戶服務、軟件開發和制造業等領域，已經出現了與市場高度契合的應用。這些應用對其下的每個層級都形成了強勁的拉動。
開源模型在其中扮演著關鍵角色。世界上絕大多數模型都是免費的。研究人員、初創公司、企業乃至整個國家，都依賴開源模型來參與前沿AI的建設。當開源模型達到前沿水平時，它們改變的就不僅僅是軟件，而是激活了整個技術棧的需求。
DeepSeek-R1就是一個有力的例證。通過將一個強大的推理模型廣泛地開放，它加速了應用層的普及，並反過來增加了對其下訓練、基礎設施、芯片和能源的需求。
這意味著什麽
當你將人工智能視為關鍵基礎設施時，其深遠意義便清晰起來。
AI始於一個Transformer大語言模型。但它遠不止於此。這也是一場工業變革，將重塑能源的生產與消耗方式、工廠的建設模式、工作的組織方式以及經濟的增長模式。
人工智能工廠正在拔地而起，因為智能如今是實時生成的。芯片正在被重新設計，因為效率決定了智能擴張的速度。能源變得至關重要，因為它從根本上設定了智能的產出上限。應用正在加速湧現，因為其下的模型已經跨過了能在規模化層面真正發揮作用的門檻。
每一個層級都在相互強化、彼此賦能。
這就是為什麽這場建設的規模如此宏大。這就是為什麽它能同時觸及如此多的行業。這也是為什麽它不會局限於單一國家或單一領域。每一家企業都將使用AI，每一個國家都將建設AI。
我們仍處於早期階段。大量基礎設施尚未建成，大批勞動力尚未接受培訓，眾多機遇尚有待發掘。
但方向已然明確。
人工智能正在成為現代世界的基礎設施。而我們今天所做的選擇——建設的速度有多快、參與的廣度有多大、部署的方式有多負責任——將共同塑造這個時代的最終面貌。
轉載自《觀察者》
