黃仁勳深度解析：AI「五層蛋糕」框架佈局，重塑全球產業生態系

NVIDIA創辦人暨執行長黃仁勳，在今年達沃斯世界經濟論壇上首度提出「AI五層蛋糕（five-layer cake）」框架，並進一步發表專文闡述其核心理念。

他指出，人工智慧（AI）是當今塑造世界最強大的力量之一，它並非只是聰明的應用程式或單一模型，而是像電力與網路一樣，是不可或缺的基礎設施。黃仁勳強調，AI的運作根植於真實的硬體、真實的能源以及真實的經濟體系之上，將原材料轉化為可大規模運作的智慧能力。他預言，每一家公司都將使用AI，每一個國家都將建構AI。

要理解AI為何以這樣的方式發展，從第一性原理（first principles）出發思考，並觀察運算領域中究竟發生了哪些根本性的改變，將會有所幫助。

從預錄軟體到即時智慧

在大部分的電腦運算發展歷史中，軟體都是「預錄好的」。由人類編寫演算法，再由電腦執行。資料必須經過精心結構化處理，儲存到表格中，並透過精確的查詢進行檢索。SQL之所以不可或缺，是因為它讓這樣的運算世界得以運作。

AI打破了這種模式。我們首次擁有能夠理解非結構化資訊的電腦。它可以辨識影像、閱讀文字、聆聽聲音並理解其中的意義；也能對情境與意圖進行推理。更重要的是，它能即時生成智慧。

每一個回覆都是全新產生的，每一個答案都取決於你所提供的上下文。這不再是軟體從預存指令中進行檢索，而是軟體即時推理，並按需生成智慧。由於智慧是即時產生的，因此其底層的整個運算堆疊，都必須重新設計。

AI 即基礎設施：黃仁勳的五層堆疊架構

黃仁勳從產業角度將AI解析為一個五層堆疊的架構：

能源（Energy）

最底層是能源。即時生成的智慧，需要即時的電力。每一個產生的詞元（token），都是電子流動、熱能被管理，以及能源被轉換為運算能力的結果。在此之下不存在任何抽象層。能源是AI基礎設施的第一性原理，也是限制系統能產生多少智慧的根本約束。
晶片（Chips）

位於能源之上的是晶片。這些處理器被設計用來能夠大規模的、高效的將能源轉換為運算能力。AI工作負載需要龐大的平行運算能力、高頻寬記憶體，以及高速互連技術。晶片層的進展，決定了AI能以多快的速度擴展，以及智慧成本能降到多低。
基礎設施（Infrastructure）

在晶片之上的是基礎設施。這包括土地、電力輸送、散熱、建設工程、網路，以及將數萬顆處理器協調運作為單一機器的系統。這些系統就是AI工廠。它們的設計目的並非儲存資訊，而是製造智慧。
模型（Models）

基礎設施之上是模型層。AI模型能理解多種類型的資訊，包括語言、生物、化學、物理、金融、醫療，以及真實世界本身。語言模型只是其中一種類型。目前最具變革性的進展，正發生在蛋白質AI、化學AI、物理模擬、機器人技術，以及自主系統等領域。
應用（Applications）

最上層則是應用層，也是經濟價值產生之處。例如藥物研發平台、工業機器人、法律助理（copilot）、自動駕駛車等。自動駕駛車是一種體現於機器中的AI應用；人形機器人則是體現於軀體中的AI應用。同樣的堆疊，不同的成果。

這就是黃仁勳所提出的五層蛋糕：能源 → 晶片 → 基礎設施 → 模型 → 應用。每一個成功的應用程式，都依賴其下方的每一層架構，一直向下延伸至支撐其運行的發電廠。

大規模建設與人力需求

而這項建設才剛剛開始。我們目前僅投入了數千億美元，但仍有數兆美元規模的基礎設施尚待建構。在全球各地，我們正看到晶片工廠、電腦組裝廠，以及AI工廠以前所未有的規模在興建。這正成為人類史上規模最大的基礎設施建設工程。

支撐這波建設所需的人力極為龐大。AI工廠需要電工、水管工、配管工、鋼鐵工人、網路技術員、安裝人員及操作員。這些都是技術性高且薪資優渥的職位，而且目前供不應求。參與這場變革並不需要電腦科學博士學位。

AI提升生產力，創造新機會

同時，AI正在提升整體知識經濟的生產力。以放射學為例，人工智慧現在可以輔助解讀掃描影像，但對放射科醫師的需求仍持續成長。這並不是矛盾現象。放射科醫師的職責是照顧病人。解讀影像只是其中一項工作。當AI承擔更多日常工作時，放射科醫師就能專注於判斷、溝通和照護。醫院的生產力隨之提升，服務更多患者，並僱用更多員工。生產力創造產能，產能創造成長。

過去一年發生了什麼改變？

在過去一年中，AI跨越了一個重要的門檻：模型的能力首次達到足以大規模應用的程度。推理能力提升、幻覺（hallucination）現象顯著減少，接地能力也大幅提升。基於AI的應用也首次開始產生真正的經濟價值。

在藥物研發、物流、客服、軟體開發與製造等領域，AI應用已展現強大的產品與市場契合度（product-market fit）。這些應用對其下面的每一層都提出了很高的要求。

開源模型在其中扮演關鍵角色。世界上大多數模型都是免費的，研究人員、新創公司、企業，甚至整個國家，都仰賴開源模型來參與先進AI的發展。當開源模型達到技術前沿時，它們不僅改變了軟體，還會啟動整個技術堆疊的需求。DeepSeek-R1便是一個強而有力的例證。透過讓強大的推理模型廣泛可用，它加速了應用層的採用，同時也提升了對訓練算力、基礎設施、晶片與能源等底層資源的需求。