黄仁勋提出 AI 五层架构：AI 正成为新的全球基础设施

AI 不再只是软件：从应用工具到基础设施革命

过去几十年，软件一直被视为数字经济的核心。但随着生成式 AI 的崛起，这种认知正在发生改变。

图源：英伟达官网 X 账号

NVIDIA CEO Jensen Huang 在其文章 “AI Is a Five-Layer Cake” 中提出，AI 并不是一个简单的应用程序或模型，而是一种新的基础设施体系，其重要性类似于电力或互联网。

传统软件通常遵循一个固定模式：开发者编写算法，计算机执行指令，系统根据预设逻辑运行。这种模式被称为“预录制软件”（pre-recorded software）。

然而 AI 的运行方式完全不同。生成式 AI 能够理解文本、图像、声音等非结构化信息，并根据上下文实时生成答案。这意味着每一次 AI 输出都可能是新的结果，而不是从数据库中检索的固定内容。

这种变化使得计算体系的底层结构必须重新设计，从硬件到数据中心再到能源系统，整个技术栈都发生了改变。

什么是 AI 五层架构？理解 AI 产业的新结构

#

在文章中，Jensen Huang 提出了一个简单但极具洞察力的框架：AI 五层架构（Five-Layer Cake）。

该架构从底层到顶层包括五个关键层级：

Energy → Chips → Infrastructure → Models → Applications

简单来说：

• 能源（Energy）：提供计算所需的电力

• 芯片（Chips）：将能源转化为计算能力

• 基础设施（Infrastructure）：数据中心和算力系统

• 模型（Models）：AI 算法与训练模型

• 应用（Applications）：面向用户和产业的 AI 产品

这个框架揭示了一个重要事实：AI 的本质是一个完整的工业系统，而不仅仅是软件技术。

Energy：为什么电力成为 AI 时代的核心资源

AI 五层架构的最底层是能源。

在生成式 AI 的运行过程中，每一次模型推理、每一个 token 的生成，都依赖于真实的计算资源。这些计算资源最终需要通过电力驱动 GPU 和服务器完成。

因此，AI 的运行本质上是一个过程：电力 → 计算 → 智能输出。

随着大型模型的训练规模不断扩大，电力需求也在迅速增长。大型 AI 数据中心往往需要数十兆瓦甚至更高的电力供应，这也让能源成为 AI 发展的重要瓶颈之一。

从全球趋势来看，各国正在加强数据中心、电网以及新能源基础设施建设，以支持未来 AI 产业的算力需求。

Chips：AI 芯片如何决定算力与智能成本

在能源之上的是芯片层。

AI 芯片的核心任务是将电力高效地转化为计算能力。与传统 CPU 不同，AI 工作负载需要大规模并行计算、高带宽内存以及高速互联网络。

正因为如此，GPU 成为 AI 计算的重要基础，而像 NVIDIA 这样的企业也在这一领域占据关键地位。

AI 芯片的发展速度直接影响两个关键因素：

1. AI 计算效率

2. 智能生成成本

如果芯片效率提高，AI 训练和推理成本就会下降，从而推动更多企业和行业采用 AI 技术。

Infrastructure：AI 数据中心为何被称为“AI 工厂”

第三层是 AI 基础设施。

传统数据中心主要用于存储数据和运行互联网服务，而 AI 数据中心则承担了新的角色——制造智能。

Jensen Huang 将其称为 AI factories（AI 工厂）。

在这些设施中，数万甚至数十万颗 GPU 被连接在一起，通过高速网络和分布式系统形成巨型计算平台。

AI 工厂通常包括：

• 大规模 GPU 集群

• 高速网络互联

• 液冷或风冷系统

• 电力供应与能源管理

• 数据存储与训练系统

这些设施的目标并不是存储信息，而是持续生产智能输出，例如模型推理结果或训练好的 AI 模型。

Models：模型层的突破如何推动 AI 应用爆发

第四层是 AI 模型。

近年来，大语言模型（LLM）成为 AI 领域最受关注的技术，但它只是 AI 模型的一种类型。

AI 模型的应用领域实际上非常广泛，例如：

• 蛋白质结构预测

• 化学分子设计

• 物理模拟

• 自动驾驶

• 机器人控制

开源模型在这一层也发挥着重要作用。例如由 DeepSeek 发布的推理模型 R1，就让更多开发者能够在较低门槛下使用先进 AI 技术。

当高性能模型变得更加开放时，整个 AI 生态系统的创新速度也会显著提升。

Applications：AI 应用如何创造真正的经济价值

在五层架构的最上层，是 AI 应用。只有当 AI 技术被应用到真实场景中时，经济价值才会真正产生。

目前已经出现产品市场契合（Product-Market Fit）的 AI 应用包括：

• 药物研发平台

• 智能客服系统

• 软件开发助手

• 自动驾驶系统

• 工业机器人

例如自动驾驶汽车可以被视为一种“具身 AI 应用”，即 AI 被嵌入到物理设备中并直接参与现实世界的决策和操作。

未来，AI 应用还可能扩展到更多行业，例如制造、医疗、物流以及金融。

AI 五层架构的产业含义：万亿美元级基础设施建设

AI 五层架构不仅是技术结构，也揭示了未来产业投资的方向。

与互联网不同，AI 是一个高度资本密集型的产业。

从能源设施到芯片制造，再到数据中心建设，每一个环节都需要巨额投资。因此，未来 AI 产业的基础设施建设规模可能达到数万亿美元。

全球范围内已经出现明显趋势：

• 大型 AI 数据中心建设加速

• 芯片工厂持续扩张

• 电力与能源系统升级

这可能成为人类历史上规模最大的数字基础设施建设浪潮之一。

开源模型与 AI 生态：DeepSeek 等模型为何改变产业节奏

开源模型正在成为推动 AI 产业发展的重要力量。当先进模型开放后，开发者可以更容易地构建新的应用，这会显著扩大 AI 技术的使用范围。从产业链角度来看，这种开放模式反而会增加对底层资源的需求：更多应用 → 更多推理需求 → 更多算力 → 更多 GPU → 更多能源。

因此，开源 AI 并不会削弱基础设施公司，反而会扩大整个 AI 产业的规模。

AI 时代的未来竞争：能源、算力与智能生产能力

综合来看，AI 五层架构揭示了未来技术竞争的核心逻辑。在 AI 时代，真正的竞争可能不只是模型能力，而是整个产业体系的建设能力，包括：

• 电力与能源供应

• AI 芯片研发

• 数据中心基础设施

• 模型创新能力

• 应用生态系统

AI 已经从单纯的软件技术升级为一个完整的工业体系。随着全球各国加大对 AI 基础设施的投入，未来几十年 AI 产业的发展将深刻影响经济结构、就业模式以及科技创新方向。

AI 正逐渐成为现代社会的核心基础设施，而这一变革才刚刚开始。