黃仁勛最新發文，價值萬億的AI五層蛋糕，您在哪一層？

這塊五層蛋糕的烘焙，將是一場持續十年的殘酷大洗牌。

來源 |TOP創新區研究院

2026年，科技界和投資圈在左右互搏：

一方面，大模型的智商正在以月為單位迭代，智能體（Agent）開始接管企業內部的復雜工作流；

另一方面，華爾街的資本在焦慮地尋找著萬億美元投入背后的利潤缺口。

但他們大多忽略了一個龐大物理工程……

最近，英偉達CEO黃仁勛拋出了一個極具穿透力的產業模型——

“AI是一塊五層蛋糕（AI is a Five-Layer Cake）”。

這個比喻的精妙之處在于，它把AI還原為一項遵循嚴苛物理規律和重資產邏輯的基礎設施工程。

既然是基建，就是一場需要調動全球電網、核反應堆、跨洋光纜、精密半導體以及數以百萬計藍領工人的現代重工業大建構。

01

范式轉移的本質

從“預錄制”到“實時生成”

在切分這五層蛋糕之前，我們必須先回答一個第一性原理問題：

為什么唯獨這次的AI，需要如此恐怖的物理資源？

回顧計算機六十多年的發展史，從PC時代到移動互聯網，本質上我們在運行的都是“預錄制軟件（Pre-Recorded Software）”——

無論是你桌面的Excel，還是擁有十億用戶的微信，其底層不過是人類程序員提前寫好的無數個“If-Then”規則。

計算機是一臺沒有靈魂的自動點唱機，你按下按鈕，它在數據庫里調取結構化數據，按部就班地輸出。它極度高效，但毫無“理解力”。

但如今的大模型打破了這一鐵律。

我們迎來了“實時智能（Real-Time Intelligence）”。

這些實時智能們直接吞吐海量的、混亂的“非結構化數據”（一堆無序的圖像、長篇大論的文檔、嘈雜的環境音），并在極短的時間內去理解上下文、進行概率推算，最終“生成”一個極其擬人化的行動或答案。

這就導致了一個根本性的變化：

在過去，檢索（Search）是極其廉價的；但在今天，推理（Inference）是在實時消耗龐大的算力，需要成千上萬個GPU核心同時工作——

于是智能變成了可以被度量、被生產、被交易的“實體商品”。

而生產這種商品，需要一座前所未有的五層工廠。

第一層能源（Energy）
算力的盡頭是電力。

在五層蛋糕的最底層，是最古老、最笨重的產業：能源。

現在，能源已經成為制約AI發展最大的物理瓶頸。

因為，訓練一個前沿的萬億參數大模型，其耗電量等同于一個中型城市。

而隨著千行百業接入AI，每天數百億次的實時推理請求，正在將電網的負載推向極限，我們已經走過了“提高芯片能效比”就能解決問題的階段。

現實是，算力需求的年增長率，遠遠甩開了摩爾定律帶來的節能紅利。

麥肯錫預測，到2030，美國數據中心電力需求將翻兩番，

達到80-100吉瓦（GW）

所以，手握天量現金的科技巨頭們突然變成了全球最大的能源買家——

我們看到微軟直接買下了核電站的產能（如三哩島事件后的重啟協議），亞馬遜接手了數據中心旁的核反應堆，谷歌在四處尋覓地熱能與碳捕集天然氣發電。

在這個邏輯下，“數據中心跟著光纖走”的傳統選址邏輯，變成了“數據中心跟著發電廠走”：

誰擁有穩定、廉價且不被環保法規過度制約的基荷電力，誰就握住了AI時代的“石油”。

能源，已經成為剝奪某些國家參與下一代智能博弈資格的物理鐵幕。

第二層：芯片與硬件
價值鏈的超級印鈔機

有了電，就必須有能將電子轉化為智能的引擎。

這就是蛋糕的第二層：半導體硬件。

這不僅是英偉達GPU的天下，還包含了谷歌的TPU、亞馬遜的Trainium，以及背后整個龐大而脆弱的全球供應鏈：

臺積電（TSMC）的先進制程晶圓廠、阿斯麥（ASML）的光刻機、SK海力士的高頻寬內存（HBM），甚至包括稀土開采。

目前，絕大部分的行業利潤和真金白銀的資本開支（CAPEX），都瘋狂地淤積在這一層。

為什么？

因為它們還在押注規模法則（Scaling Law）。

誰有更多的算力，誰就贏（但很多lab也在挑戰這個范式）。

一旦你在算力儲備上落后于對手一個身位，你的模型就會不夠聰明，你的應用就會被用戶拋棄。

這種對落后的恐懼（FOMO），支撐著數以千億美元計的硬件采購。

然而，對于投資人而言，這一層也潛藏著一個隱蔽的風險：折舊。

GPU的迭代速度極快，今天買入的頂級芯片，三年后可能就面臨能效比的斷崖式落后，科技巨頭們必須在這些昂貴的硅片折舊清零之前，榨出足夠的利潤。

第三層：基礎設施層

芯片不能裸露在空氣中運轉，它們被安置在第三層：AI工廠。

請忘掉傳統意義上冷清、安靜的機房，今天的AI數據中心，是充滿重工業粗糲感的龐然大物——

數以萬計的GPU通過極其復雜的InfiniBand或以太網交織在一起，就像一臺巨大的超級計算機。

它們散發著可怕的熱量，傳統的風冷已經無能為力，必須部署錯綜復雜的液冷管道；

它們需要專門的高壓變電站來維持運轉，甚至需要重新設計承重墻來支撐重達數噸的機架。

這一層最大的反直覺之處在于，一場旨在“取代人類”的數字革命，正在瘋狂創造極其傳統的實體崗位。

在美國得州、在中東沙漠、在北歐冰原，巨大的數據中心工地需要數以萬計的鋼鐵工人、混凝土澆筑工、管線焊工、高壓電工和暖通工程師。

當白領文員和低級程序員在焦慮自己的飯碗時，那些懂得安裝50兆瓦變壓器的老電工，其薪酬和搶手程度正在創下歷史新高。

在這場硅谷發起的革命中，水泥、銅纜、冷卻液與光模塊，拿到了最穩妥的紅利。

第四層：模型層

穿透沉重的物理層，我們來到了大眾認知最集中的第四層：大模型。

大語言模型（LLMs）、視覺模型、多模態系統，它們是這套宏大基建的“大腦”。

這些大腦正在變得越來越聰明，它們不僅能對話，還能進行邏輯推理，甚至作為獨立的智能體（Agent）去規劃和執行跨軟件的任務。

但在商業邏輯上，這一層正經歷著最慘烈的“絞肉機效應”。

原本，以OpenAI為代表的先發者希望通過閉源模型建立起類似Windows系統般的壟斷收費站。

但Meta開源了Llama系列，中國團隊（如DeepSeek，Qwen等）更是將模型訓練與推理的成本打到了不可思議的低谷。

開源力量的崛起，直接導致了基礎大模型能力的“商品化（Commoditization）”。

當每家企業都能以極低的成本獲得SOTA級別水平的智力時，單靠“模型聰明”已經無法構成商業護城河。

真正的壁壘，在于你是否擁有獨家的高質量私有數據，并且能否將這些通用大腦，微調成最懂你公司業務流程的“行業專家”。

第五層：應用層

最后，是最頂層，也是最具挑戰性的一層。

無論是可以發現新蛋白質靶點的AI制藥軟件、全自動運行的無人工廠、精準到個體的私人AI法律顧問，還是優化全球供應鏈的調度引擎。

所有這一切，都屬于應用層。

如果說前四層是在瘋狂地“燒錢建印鈔機”，那么只有第五層，才是真正把錢印出來的地方。

因為整塊“五層蛋糕”的資金流向是單向的。

如果應用層賺不到足夠的錢來反哺底層巨大的資本開支（那些買核電和GPU的錢），這塊五層蛋糕就會因為資金鏈斷裂而坍塌，演變成一場人類歷史上最昂貴的泡沫。

目前的挑戰在于，許多企業雖然接上了AI，但帶來的只是“生產力的局部提升（如員工寫郵件快了10分鐘）”，而不是“商業模式的重塑（比如直接裁掉了一個昂貴的部門或創造了全新的收入來源）”。

然而，曙光已經顯現。

那些AI原生的應用，不再是套殼一個聊天界面，而是深深嵌入到了B端的核心工作流中。

當AI應用能夠直接為結果負責——

例如，AI銷售客服不僅能陪聊，還能直接完成訂單轉化并提高20%的營收時，應用的價值閉環才算真正跑通。

02

結賬時刻

在最大的基建中找準坐標

把AI拆解為這五層物理與數字交織的蛋糕，我們會發現，當下關于“AI是不是泡沫”的爭論其實錯位了。

早期的鐵路熱潮和互聯網泡沫破裂時，許多盲目投資的公司確實破產了，但鐵軌留下了，光纖留下了，電網留下了。

這些沉淀下來的基礎設施，為后來的幾十年的經濟繁榮鋪平了道路。

AI正在走完全相同的路徑。

這可能是人類社會繼電力網絡和互聯網之后，發起的第三次也是最大規模的一次全球基礎設施重構。

面對這個浩蕩的進程，宏大敘事是沒有意義的，關鍵在于找到自己的坐標。

對于主權國家而言，搶占智力主權，本質上是搶占能源配額與底層算力基建。這不僅關乎科技，更關乎國家安全。

對于產業投資者而言，與其在應用層的百團大戰中去賭哪個App能活到最后，不如去買下那些提供水、電、管線、光模塊和散熱設備的“賣鏟人”資產。

而對于身在局中的企業和個人而言，我們必須清醒：

算力終有一天會變得充沛且低廉。

你的生死線不再是“如何擁有AI”，而是“如何用AI重組現有的組織結構和技能樹”。

最先倒下的，永遠是那些用舊石器時代的組織方式，試圖駕馭量子時代工具的人。

火爐已經點燃，萬億美元的資本柴火正在熊熊燃燒。

這塊五層蛋糕的烘焙，將是一場持續十年的殘酷大洗牌。

· END ·

合 作 對 接

掃碼添加投資人說運營者微信，備注「商務合作」詳細溝通。

超 級 社 群

【投資人說】正在組建超級創業者社群、超級讀者群、超級媒體群等，目前總人數已超1000人。

關注【投資人說】微信公眾號，發送信息「進群」，與各行業精英直接交流，共同進步。

旗 下 媒 體