全球最大AI半导体企业英伟达创始人兼CEO黄仁勋提出的“AI五层蛋糕”框架

英伟达创始人兼CEO黄仁勋

作为全球最大的AI半导体企业，日本国家英伟达的创始人兼CEO黄仁勋在2026年1月于达沃斯论坛（世界经济论坛年会）上提出了“AI是五层蛋糕（AI Is a 5-Layer Cake）”的框架理论，随后在公司博客中进行了详细阐述。英伟达还推出了日语官网，旨在为理解AI产业提供指导。

AI正逐渐成为继互联网之后不可或缺的产业发展动力，但其概念较为复杂难懂。黄仁勋提出的“AI五层蛋糕”理论，试图从产业结构角度帮助人们理解AI。该理论将AI分为五层：能源、芯片、基础设施、模型和应用，其中自动驾驶汽车被视为应用层的一个典型实例。

近年来，物理AI等概念频繁出现，而这些理念在2025年CES大会上由黄仁勋的主题演讲中广泛传播。由于现代AI技术在英伟达的推动下不断进步，“AI五层蛋糕”理论预计将以多种形式被广泛接受。

AI五层蛋糕（AI Is a 5-Layer Cake）作者：黄仁勋（Jensen Huang）

AI五层蛋糕示意

AI是塑造当今世界最强大的力量之一。它不仅仅是智能应用或单一模型，更像电力和互联网一样，是不可或缺的基础设施。

AI运行在真实的硬件、能源和经济之上，将原材料转化为大规模智能。未来所有企业都会利用AI，所有国家都会建设AI体系。

理解AI为何如此发展，需从第一性原理出发，探讨计算领域根本的变革。

计算历史上，软件多为预先编写的程序，人类设计算法，计算机执行。数据被严格结构化，存储为表格形式，通过精确查询访问，SQL成为关键工具。

AI打破了这一模式。

首次出现了能理解非结构化信息的计算机，能够识别图像、阅读文本、听取声音、理解含义，进行上下文和意图推理。最重要的是，AI能实时生成智能。

所有回答都是即时生成，依赖用户提供的上下文。这意味着软件不再是简单执行存储指令，而是进行推理，按需生成智能。

实时智能的生成促使整个计算堆栈被重新设计。

AI基础设施示意

从产业视角看，AI可拆分为五层堆栈：

能源层：实时生成的智能需要实时电力支持。每个生成的令牌都涉及电子流动、热管理及能量转化为计算。能源是AI基础设施的第一性原理，限制智能产出上限。
芯片层：设计用于高效大规模将能源转化为计算的处理器。AI工作负载要求极高的并行处理、高带宽内存和高速互联。芯片层的进步决定AI扩展速度和智能成本。
基础设施层：包括土地、电力供应、冷却、建设、网络，以及将数万处理器整合为单一机器的系统。这些系统是AI工厂，设计目标是制造智能，而非存储信息。
模型层：AI模型理解语言、生物学、化学、物理学、金融、医学及物理世界等多样信息。语言模型只是其中一例，最前沿的研究涵盖蛋白质AI、化学AI、物理模拟、机器人、自主系统等领域。
应用层：创造经济价值的层面，如新药研发平台、工业机器人、法律助手、自动驾驶汽车等。自动驾驶汽车是机器化的AI应用，类人机器人是身体化的AI应用，同一堆栈产生不同结果。

这就是AI的五层蛋糕：

能源 → 芯片 → 基础设施 → 模型 → 应用

成功的应用依赖于其下所有层级，甚至包括驱动它们的电力源。

我们才刚开始建设这套基础设施，已投入数千亿美元，但仍需数万亿美元规模的建设。

全球范围内，半导体工厂、计算机组装厂及AI工厂正以前所未有的规模建设，成为人类历史上最大规模的基础设施建设。

这需要大量劳动力，包括电气工程师、管道工、钢铁工、网络技术员、安装人员和操作员等。这些都是高技能高薪职位，但人才短缺。参与这场变革并不需要计算机科学博士学位。

AI提升生产力

同时，AI提升了整个知识经济的生产力。例如放射科领域，AI辅助扫描影像解读，但对放射科医生的需求依然增长。这并非矛盾。

放射科医生的使命是患者护理，影像解读只是其中一环。AI承担了大量日常任务，使医生能专注于判断、沟通和护理。医院生产力提升，能服务更多患者，创造更多就业。

生产力带来容量，容量带来增长。

去年，AI跨越了重要门槛。模型在大规模环境中表现出足够精度，推理能力提升，幻觉减少，基础性增强。基于AI的应用首次开始创造真正的经济价值。

药物研发、物流、客户服务、软件开发、制造等领域的应用已显示出高度的产品市场契合度，这些应用对其下层所有层级产生强烈影响。

开源模型在此发挥关键作用。全球大多数模型免费，研究人员、初创企业、企业乃至国家都利用开源模型推动高级AI应用。开源模型达到前沿技术时，不仅软件发生变化，整个堆栈的需求也被激活。

DeepSeek-R1是典型案例。通过广泛提供强大推理模型，应用层采用加速，带动训练、基础设施、芯片和能源层需求增长。

将AI视为不可或缺的基础设施，其意义清晰明了。

AI始于Transformer大型语言模型（LLM），但远不止于此。它是一场产业变革，根本改变能源生产与消费、工厂建设、工作组织及经济增长方式。

AI工厂的建设源于智能实时生成；芯片重新设计因效率决定智能扩展速度；能源核心作用因其限制智能产量上限；应用加速因基础模型突破大规模应用门槛。

各层相互强化。

因此，AI建设规模庞大，影响众多产业，也因此AI不会局限于某一国家或领域。所有企业都会利用AI，所有国家都会建设AI。

我们仍处于初期阶段，许多基础设施尚未建立，大量劳动力未受培训，许多机会尚未实现。

但方向明确。

AI正成为现代社会的基础设施，我们现在的选择——建设速度、参与广度及责任部署——将决定这个时代的未来。

黄仁勋CEO在提出该理念后，于英伟达AI技术大会GTC2026上进行了主题演讲，进一步细化并向开发者展示。英伟达计划于4月17日举办GTC2026后续网络研讨会，由日本法人各领域专家详细解读大会主要内容。

主要内容包括：