今天英伟达官方发布了黄仁勋一篇关于AI基础设施的文章称：AI产业可以被拆解为五个层级——能源、芯片、基础设施、模型与应用。虽然AI是新电力这一类比此前曾被业内反复使用，但这套五层架构提供了一个理解AI产业结构的视角。
这五个层级构成的技术栈：能源 → 芯片 → 基础设施 → 模型 → 应用。
能源位于最底层，因为计算本质上是能量转化过程。随着AI计算规模迅速扩大，数据中心的电力消耗正成为限制算力扩张的重要因素。
芯片层决定了能源转化为计算能力的效率。GPU、高带宽内存以及高速互连技术，构成了当前AI算力的核心硬件基础。
在芯片之上，是由数据中心、网络系统、冷却设备以及服务器集群构成的计算基础设施。越来越多的企业将大型算力中心称为AI工厂，因为这些系统的目标并不是存储数据，而是持续生产智能。
模型层则是AI能力的直接体现。从语言模型到蛋白质结构预测、化学模拟、机器人控制，不同领域的模型正在成为新的知识工具。
最上层是应用层，真正的经济价值在这一层产生。药物研发、自动驾驶、工业机器人和智能客服等应用，正在推动AI技术逐步进入实体经济。
感觉比较重要的是AI竞争正在从模型转向基础设施竞争的方向。
过去几年，AI领域的关注点主要集中在模型能力上，例如参数规模、推理能力和训练数据。但随着模型能力逐渐接近可用门槛，产业竞争开始向算力、数据中心和能源系统转移。
全球范围内，大规模AI数据中心、GPU服务器以及算力网络正在加速建设。科技公司、云服务商甚至国家层面都在加大投入。AI基础设施建设规模已经达到数千亿美元，并有可能在未来几年继续扩大。
这种趋势意味着AI正在逐渐从软件产业进入类似工业基础设施的阶段，需要大量资本投入、长期建设周期以及复杂的供应链协同。
开源模型成为产业加速器
另一个值得关注的趋势是开源模型对AI生态的推动作用。
当高性能模型以开源方式发布时，开发者、初创公司甚至国家级机构都可以快速参与AI应用开发。这大幅降低了技术门槛，也加速了应用创新。
例如推理模型DeepSeek-R1的开源，使更多企业能够在本地部署和优化模型，从而推动AI应用在软件开发、数据分析和自动化领域落地。
从产业角度看，开源模型并不会削弱基础设施需求。相反，应用数量的增加往往会进一步拉动算力、存储和网络资源的需求，从而扩大整个AI技术栈的规模。
最后
尽管AI基础设施建设正在迅速推进，但整体产业仍然处于早期阶段。大量算力中心仍在建设中，许多应用场景也尚未形成稳定的商业模式。
这意味着未来AI产业的发展，不仅取决于模型技术的进步，还取决于能源供应、芯片制造能力以及基础设施建设速度。
从这个角度看，AI并不只是软件创新，而是一场涉及计算、能源和工业体系的长期技术变革。
