01｜一個讓人睡不著覺的數字6600億美金。這是Meta、亞馬遜、Google、微軟一年砸向AI的資本開支。四家公司，一年。這個數字已經大到有點失真——差不多相當於一個超級大國一年的軍費開支。聽著嚇人。但真正讓我睡不著覺的，不是6600億本身。是黃仁勳在採訪中上那句輕描淡寫的話：AI基建，還有七到八年路要走。翻譯一下：6600億隻是首付。後面還有七八年的分期付款。而且，這還只是四家公司。02｜為什麼是七八年？很多人會覺得奇怪。AI發展不是很快嗎？模型不是幾個月就升級一次嗎？對。模型很快。但模型只是最上面那層“皮膚”。皮膚下面，是一整套重資產體系。晶片。機房。電網。能源。這不是寫程式碼的節奏。這是蓋工廠的節奏。第一層：晶片周期算力平台兩三年一代。一旦升級，伺服器、電源、散熱、網路全要跟著換。你不是加幾張卡，是重建整條生產線。第二層：資料中心周期選址、拿地、環評、施工、交付。三到五年起步。你可以通宵寫程式碼。但混凝土不會因為你著急而更快凝固。第三層：能源周期這才是關鍵。資料中心已經吃掉全球1.5%的電，而且高度集中在局部區域。問題從來不是“有沒有電”。而是：你能不能在那個地方、那個時間點、以那個價格拿到電。電網擴容、並網審批、變電站建設——這些都是慢變數。模型可以三個月迭代一次。電網不會。這就是七八年的真正含義。03｜分析師在怕什麼？所以華爾街看到6600億會緊張。折舊怎麼辦？利潤率會不會被壓？現金流會不會變差？邏輯很簡單。以前科技公司是輕資產平台。現在突然變成重資產玩家。畫風變得太快。但你翻翻Google的財報。收入創新高。Cloud從虧損做到兩位數利潤率。經營效率沒有崩。這說明一件事：需求是真實存在的。不是情緒驅動。是訂單驅動。04｜第一波革命，其實已經發生很多人沒意識到。第一波AI革命已經結束了。它發生在程式設計師身上。Coding場景最容易算ROI。效率提升立刻可見。所以需求是直線，不是斜線。這不是“感覺好用”。這是“離不開”。當這種直線開始擴散——設計、金融、法律、製造、醫療……那就不是工具升級。是基礎設施更替。05｜AI正在變成基礎設施當AI從產品變成基礎設施，邏輯就徹底變了。以前拼模型參數。以後拼工程交付。拼誰能更快建好機房。拼誰能鎖定電力。拼誰能拿到並網指標。你會發現科技公司越來越像能源公司。簽長期購電協議。買地。甚至投資核電。不是為了講ESG故事。是為了確保：我有電，我能訓練。06｜生產資料正在變化這裡有個底層變化。過去十年，GPU是生產資料。未來十年，兆瓦才是生產資料。誰能在關鍵節點鎖住電力資源，誰就擁有主動權。當電開始被長協化、配額化，它就不再只是成本。它變成門檻。就像房地產時代的土地。就像網際網路時代的流量。AI增長的天花板，開始受制於物理世界。不是演算法。是吞吐量。07｜6600億是入場券很多人看到6600億就想到泡沫。我更願意把它理解為入場券。你要參與這場工業升級，就必須先交錢。而且要連續交七八年。問題不在於利潤短期波動。真正的分水嶺在七八年後——當基礎設施建成，誰站在生產資料的一側？誰擁有定價權？08｜馬斯克為什麼提前佈局？說到這兒，不得不提馬斯克。他一直在做一件事：鎖資源。特斯拉做儲能。SpaceX鎖軌道。星鏈鎖頻譜。本質都是一樣的。物理世界的控制權，才是護城河。09｜你站在那一側？七八年，說長不長，說短不短。足夠讓一家公司崛起。也足夠讓一家公司掉隊。問題是：你盯著參數，還是盯著兆瓦？你關注模型，還是關注基礎設施？熱鬧在前者。利潤在後者。如果只記住一句話，記住這個：當電成為配額資源，AI增長就會像房地產——拼地段、拼資源、拼審批。下半場的護城河，是兆瓦。不是參數。 (混沌的市場)

近期，騰訊一年一度的員工大會如期而至。在全球AI浪潮重塑科技行業的當下，馬化騰的內部講話，無疑成為洞察這家公司AI航向的窗口。馬化騰沒有以激進姿態追逐AI熱點，而是基於騰訊自身的“基因”與“體質”，闡述了公司穿越周期的路徑。講話中，馬化騰表示，雖然過去幾年跌宕起伏，但騰訊通過“聚焦主業、降本增效、減脂增肌”，逐步恢復增長，並且在AI投入上持續加大力度。這段穿越周期的經歷，深刻影響了騰訊當下對AI的戰略決策。面對AI這場前所未有的技術革命，騰訊認為其不是短跑衝刺，而是一場考驗耐力的馬拉松。馬化騰講話的核心，不僅是對過去一年AI佈局的復盤，更是對未來數年騰訊在AI時代如何生存、發展的思考。我們綜合公開資料梳理了這次發言的要點，從中可以看到騰訊AI戰略的五個關鍵點：基因決定節奏，在喧囂中堅持“穩紮穩打”“每個企業的基因不同，體質也不太一樣，穿越周期的節奏也並不一樣。”馬化騰在講話開篇便定下了基調。馬化騰認為，騰訊的基本盤（遊戲、社交、內容等長青業務）是堅實後盾，使得公司有底氣進行長期、持續的AI投入，而不必將所有賭注押在朝夕之間。這種底氣，讓騰訊得以在AI戰略上堅持“穩紮穩打”的風格。騰訊希望建構的AI能力，是基於自身核心優勢的有機延伸。這需要時間去“升級技能點”，去打磨產品，去驗證模式。喧囂與焦慮成為行業主旋律的當下，騰訊選擇保持戰略定力，按照自己的步伐前進。這既是自信，也是對科技發展客觀規律的尊重。一體化協同作戰，重塑AI基建與組織架構如果說“穩紮穩打”是戰略節奏，那麼在戰術執行層面，騰訊正進行大力度的組織與技術變革。馬化騰提出，未來將把大模型和AI產品以一體化的方式來考慮，要打破壁壘，實現高效協同。為此，混元大模型團隊與元寶產品團隊之間，已經開展交叉、派駐、協同設計等工作。這種組織形式確保最底層的模型能力能夠與上層的產品需求緊密耦合，避免技術與市場的脫節。為了支撐這一戰略，騰訊在AI基礎設施和人才引進上投入巨大。騰訊重構了整個AI研發團隊，新成立了AI Infra（人工智慧基礎設施）部、AI Data（人工智慧資料）部及資料計算平台部。人才層面，騰訊加大了對業界原生AI人才的吸引，通過年輕化力量加強研發團隊的能力與活力。這一系列調整，都指向一個共同的目標：為AI這場持久戰，打造一個高效、協同、具備強大基礎能力的作戰體系。使用者體驗是核心，談微信AI的去中心化與開放在騰訊所有AI應用場景中，微信的智能化無疑最受外界關注。馬化騰在講話中花了一定篇幅闡述微信生態的AI哲學，其核心可以概括為：以使用者長期價值為依歸，兼顧創新與安全。對使用者隱私和安全的敬畏，是騰訊不可動搖的底線，也是微信AI進展相對謹慎的根本原因。其次，馬化騰對“全家桶”模式提出思考，認為這種形式“大家不一定喜歡”。在他看來，微信生態的核心優勢在於其開放性。小程序生態之所以成功，正是因為它彙集了業界大量優質的服務與產品，而不是騰訊自己包攬一切。因此，微信的AI生態建設，將繼續堅持“去中心化”的思路。馬化騰特別提到，“我們不會控制所有的入口，任何創業者都可以在微信的智能生態產生自己的入口，然後去推廣這個專有入口，這是沒有問題的。我們只提供底層連接，這樣比較科學合理，生態夥伴也比較放心和可以接受，因此是可持續的。”探索“AI+社交”，在自身擅長的領域發力馬化騰在講話中重點介紹了元寶App即將推出的社交功能。這個新嘗試就是元寶派，其建構了一個全新的、AI原生的社交空間。在這個空間裡，使用者不僅可以和朋友互動，還可以與AI互動，甚至可以引入陌生人一起分享交流。為了豐富這一體驗，騰訊還將開放QQ音樂、騰訊視訊等優質內容，讓使用者可以在這個AI空間裡和朋友“一起聽”、“一起看”。這被視為騰訊在探索“AI+社交”上的關鍵一步，也是騰訊在自身擅長的AI領域持續發力。對於元寶將發放10億元現金紅包活動，馬化騰解釋了背後的邏輯。他表示，元寶希望把節省下來的行銷費用，直接轉化為給使用者分享的紅包。這不僅是一次行銷大促，更是騰訊利用春節這一超級社交場景，實現AI業務提速的關鍵動作。馬化騰說，希望通過這種方式，讓使用者在體驗AI功能的同時，重溫過去搶紅包的快樂。AI是“倍增器”，持續點亮業務新技能AI並非某個獨立部門的KPI，而是提升各個業務發展的“倍增器”，是為騰訊這棵大樹全面“點亮技能”的關鍵所在。過去一年，CSIG（雲與智慧產業事業群）業務對AI相關產品進行了更緊密的整合，包括QQ瀏覽器、騰訊會議、元寶等。值得一提的是，除了C端業務，2025年雲業務整體規模化盈利，實現了里程碑突破。對於WXG（微信事業群），馬化騰認為微信是騰訊的中流砥柱，大家寄予厚望，視訊號、微信電商等業務都有自己的成長邏輯和軌跡，如何結合自己特點，點亮新技術不斷升級，要多給時間和耐心，謀定後動。在廣告和金融支付業務上，馬化騰認為，AI讓騰訊廣告收入增速很快，但相對於行業平均水平，其收入佔比依然較低，未來仍有廣闊的商業化發展空間 。而金融支付業務則要繼續保持謹慎，始終以安全為首要原則。對於業務及產品眾多的PCG（平台與內容事業群），今年則在積極探索AI整合能力。比如，QQ秀更打通AI能力，使用者可以自行上傳素材生成圖像。騰訊新聞堅持高品質資訊內容，探索用AI幫助使用者提高資訊瀏覽效率。騰訊視訊則在嘗試利用AI多模態能力，通過與閱文合作，推動更多自有版權內容進行影視化落地。馬化騰表示，在AI戰略上，騰訊有自己的節奏，核心是產品的長期競爭力和使用者的體驗，各個業務類股都需要仔細思考，持續點亮新的技能點。AI競速是一場考驗耐力的馬拉松，只有持續進化，才能穿越周期。 (湧現觀察)

2026 年伊始，全球科技巨頭（Meta、，亞馬遜、Google以及微軟）的財報顯示他們計畫在今年大幅增加在人工智慧基礎設施方面的資本支出（CapEx），預計將達到驚人的6600 億美元。這是一個什麼概念？它超過了瑞典或比利時一年的 GDP。如果你只看股價，你可能會認為這筆錢全進了輝達的口袋。但在最近的一場行業深度對話中，輝達 CEO 黃仁勳（Jensen Huang）揭示了這冰山水面下的全貌。這場數千億美元的豪賭，不僅僅是為了買更快的 GPU，而是為了建設一種全新的工業設施——AI 工廠（AI Factories）。在這場基建狂潮中，輝達是核心引擎，但真正的財富正在向更廣泛的基礎設施層外溢。1. 為什麼是 6600 億？——計算範式的徹底重塑正如 Jensen 所言，我們不是在升級電腦，我們是在重新發明計算。過去 60 年，人類處於“顯式程式設計”時代：不管是大型機還是手機，本質上都是在運行“預先錄製（Pre-recorded）”的指令。點選螢幕，檢索資料，顯示結果。AI 時代是隱式程式設計與生成式計算的時代。不再是檢索，而是即時生成。每一次使用者提問，每一個 Token 的產生，都是一次全新的、高強度的計算過程。這意味著資料中心不再是靜態的“倉庫”，而是 24 小時不停運轉的“製造工廠”。這就是 6600 億美元的去向：將原本用於儲存資訊的倉庫，改造成生產智能的發電站。2. 錢到底花那了？——AI 基建的“三駕馬車”根據高盛（Goldman Sachs）與麥肯錫（McKinsey）等機構的最新拆解，這筆巨額資金並非全部流向晶片，而是被分攤到了三個核心領域：60%：技術硬體（不僅是 GPU）除了輝達的 H100/Blackwell 晶片，定製晶片（ASIC）正在吞噬巨大的份額。Google (TPU)、Amazon (Trainium/Inferentia)、Meta (MTIA) 都在瘋狂投入研發自有晶片。博通（Broadcom）和Marvell作為定製晶片的幕後推手，正悄然成為這場競賽的第二大贏家。25%：能源與電力（The Power Play）這是目前最大的瓶頸。Jensen 曾直言：“我們不再受限於算力，我們受限於電力。”AI 資料中心的功率密度是傳統資料中心的 10-20 倍。傳統的風冷系統已無法應對單機櫃 100kW 以上的熱量。15%：物理基建（土地與建築）為了容納這些龐然大物，資料中心的物理形態正在改變。你需要更堅固的地板、更高的層高來容納冷卻塔，以及靠近發電站的地理位置。3. 輝達的角色：全端架構的設計師在這場基建中，輝達的角色已經超越了“賣鏟子”。它更像是總設計師。Jensen 強調，計算不僅僅是處理器，它包含了儲存、網路和安全。輝達正在重新設計整個堆疊：網路即算力：在 AI 工廠中，數萬張 GPU 必須像一顆超級晶片一樣協同工作。這需要極低延遲的網路（InfiniBand/Ethernet）。這解釋了為什麼網路裝置支出在激增——雖然思科等傳統巨頭依然在場，但 Arista Networks 和輝達自家的 Spectrum-X 正在重新定義什麼是“AI 原生網路”。工業軟體底座：通過與 Synopsys、Cadence 等 EDA 巨頭合作，輝達將 AI 植入到晶片設計的源頭，讓“光速”研發成為可能。4. “我的問題是我的 IP”：私有 AI 雲的崛起在雲端運算大行其道的今天，Jensen 給出了一個反直覺的建議：“Build one（自己建一個）”。這不僅僅是對極客精神的呼喚，更是對企業資料主權的預警。AI 給出的答案是大宗商品（Commodity），但你提出的**“問題”**才是你的核心智慧財產權（IP）。一家頂尖製藥公司或金融機構，絕不會希望它最核心的研發問題（Prompt）流向公有雲。因此，本地部署（On-Prem）正在復興。新機會：這為戴爾（Dell）、慧與（HPE）、聯想（Lenovo）等伺服器廠商帶來了巨大的機遇——“主權 AI 雲”和“企業私有 AI”正在成為繼公有雲之後的第二增長曲線。5. 結語：從原子到電子的躍遷這場 6600 億美元的豪賭，最終目的是什麼？是突破物理世界的限制。實體經濟（原子）受限於質量和物理定律，增長是線性的；而數字經濟（電子）是光速的，增長是指數級的。目前的 IT 產業價值約為 1 兆美元，而全球經濟總量是 100 兆美元。AI 基建的目的，是讓這 1 兆美元的技術去“液化”那 100 兆美元的實體經濟——創造出物理 AI、機器人勞動力和自動駕駛等全新物種。對於每一個投資者和技術從業者而言，看懂這 6600 億的流向至關重要：別只盯著 GPU，看看是誰在發電，是誰在冷卻，是誰在連接這一切。Jack 是 The AI Frontier 的主理人，專注於探索人工智慧與自動駕駛的前沿產品技術與商業。 (The AI Frontier)

一場儲存熱潮，不僅讓三星與SK海力士賺得盆滿缽滿，也讓資本市場的天平發生了一次微妙的傾斜。2月3日，三星電子與SK海力士合計市值達到1.14兆美元，略微超過阿里巴巴和騰訊在港股合計1.07兆美元的市值。三星與SK海力士是目前韓國市值最高的兩家公司，前者今日大漲11%，後者漲幅超過9%；今年以來，它們的累計漲幅均接近40%。另一邊，在總市值上暫時落後的阿里與騰訊，市場普遍認為，今日下跌主要與一則網際網路增值服務將被“加稅”傳言有關。不過追根溯源，這或許是外界對相關稅收調整政策的誤讀。阿里與騰訊同日收盤跌幅均分別收斂至1.41%與2.92%；今年以來，阿里累計漲幅12.75%，騰訊微跌3%。在這背後，更重要的推動力自然還是席捲全球的儲存缺貨潮。如今，以HBM為首的儲存晶片已成為AI基建中不可或缺的部分，同時，願意支付溢價的大型雲廠商帶來的需求，進一步推高了儲存巨頭們的業績。在DRAM和NAND雙雙出現創紀錄短缺的背景下，三星和SK海力士獲得了前所未有的定價權。高盛集團亞太區首席股票策略師Timothy Moe則預計，今年韓國股市約60%的盈利增長將來自半導體行業。在暫時不同的股價走勢背後，也是在AI領域選擇的不同發展路徑。富時羅素全球投資研究主管Indrani De指出，中國的優勢在於龐大的製造生態體系，這意味著可以非常迅速地實現規模化；韓國則專注於硬體領域，建構結構性優勢。富蘭克林鄧普頓全球投資的投資組合經理Yiping Liao也給出了類似觀點：“韓國高度聚焦於科技供應鏈中的某一個特定環節，而中國則更像是在試圖建構一個端到端、完整覆蓋的AI技術體系。”換言之，兩種路線中，一條專注於關鍵環節的技術深度與掌控力，另一條則偏向於系統整合與市場應用的廣度。更值得注意的是，在事關AI熱潮的全球討論中，阿里、騰訊這些網際網路大廠更頻繁的比較對象，是微軟、Google、Meta等矽谷巨頭們，對比維度也更聚焦於資本開支、AI變現等。在過去幾天，國內幾家網際網路巨頭都已陸續部署2026年發展規劃，AI均是核心發力點。例如騰訊創始人馬化騰表示，未來將大模型和AI 產品以一體化的方式來考慮，持續提升產品長期競爭力與使用者體驗；阿里提出“通雲哥”新概念，即“雲+AI+晶片”三位一體發展，充分發揮全端優勢；字節CEO梁汝波明確，2026年公司在AI上要“勇攀高峰”，短期核心目標聚焦豆包/Dola助手的應用落地。與此同時，隨著春節臨近，AI流量戰也已升溫：此前字節跳動旗下火山引擎已官宣成為央視春晚獨家AI雲合作夥伴，豆包將同步上線多元AI互動玩法；元寶、文心、千問也宣佈將於春節期間派送現金紅包，全力搶佔節日流量入口。長期而言，相較於將自己暴露於儲存晶片供需周期之中的韓國晶片廠商，中國網際網路巨頭在應用層面的優勢，或許能為自身提供更長期、更穩定的增長支撐。 (財聯社AI daily)

黃仁勳在達沃斯對談中坦言：AI 正在掀起人類史上最大基礎設施浪潮，並將重塑全球勞動力市場。基礎設施怎麼鋪？開發中國家和歐洲怎麼抓住機會？一起來順著他的“五層 AI 蛋糕”聊聊。一、AI 不只是 ChatGPT，而是一次平台大換代這場對談裡，黃仁勳先把聊天機器人“拆了個框”，提醒大家：ChatGPT、Claude、Gemini本身只是應用，真正大的變化，是整個計算平台在換代。過去的軟體，本質是“預錄好的人類指令”，只能吃表格、欄位這類結構化資料，用 SQL 去查“姓名、地址、帳號”。現在的 AI，則第一次讓電腦能吃下非結構化資訊：看圖、讀長文、聽語音，甚至理解其中的語氣、上下文，然後根據你的“隨口一說”做推理、做計畫。更關鍵的是，這不是預先錄好的指令碼，而是即時生成：它會結合環境、你給的材料和當下的上下文，臨場“思考”出一個方案，這就是他口中的平台級遷移。二、“五層 AI 蛋糕”：從電力到應用很多人談 AI，只盯著模型本身。黃仁勳反覆強調：從產業的角度看，AI 其實是一塊五層蛋糕。底層：能源層—— AI 是即時計算，推理也要耗能，電力是第一要素。第二層：晶片與算力基礎設施—— GPU、網路、伺服器整機，這一層是輝達所在的位置。第三層：雲與資料中心—— 各家雲廠商、超算中心，提供按需的算力服務。第四層：AI 模型—— 大家熟悉的各種大模型、開源模型都在這一層。最上層：行業應用—— 金融、醫療、製造等垂直場景，真正產生經濟價值的地方。他說，過去一年“AI 很瘋狂”，真正原因不是只有模型變強，而是應用層終於能站在這些模型上開跑了。而要托起這一層應用，現在全球正在開啟他口中的：“人類歷史上最大規模的基礎設施建設”。1. 晶片廠、電腦廠、AI 工廠，一起開建他隨口列了幾組數字：台積電計畫新建20 座晶片工廠；富士康、緯創、廣達，要建30 座“電腦工廠”來組裝 AI 伺服器；美光、SK 海力士、三星在記憶體領域也在瘋狂擴張。他把這些資料中心稱作“AI 工廠”：晶片廠造 GPU，電腦廠把 GPU 組裝成整機，AI 工廠再把整機堆成算力叢集，最後養出各行各業的 AI 應用。目前全球只是“投入了幾千億美元”，而他和金融圈看到的規劃，是向兆美元等級挺進。2. VC 在押什麼？押“AI 原生公司”錢往那兒流，是判斷技術周期的最好風向標。黃仁勳提到：2025 年（按對談語境）是風險投資史上規模最大的一年之一，其中大部分資金，都流向了所謂的AI-native 公司。這些公司不做“給模型包個殼”的小工具，而是直接在醫療、機器人、製造、金融等行業，重新設計產品和業務流程，把 AI 當成底層能力來用。三、從聊天到“行動”：AI 的三大技術飛躍聊到具體技術進展，他用過去一年的三個變化，解釋為什麼應用層突然百花齊放。1. 從語言模型到“智能體系統”一開始的大模型會幻覺嚴重，很好玩，但不太能托底業務。過去一年，模型開始變得更“腳踏實地”：能做檢索、做多步推理，把需求拆成步驟，然後給出計畫，甚至直接幫你執行部分任務。他把這類系統稱作“Agentic AI（智能體 AI）”——從“會聊天”進化到“能行動”。2. 開源推了一把：“推理模型”的出現第二個轉折點，是開源推理模型的崛起。他點名提到 DeepSeek：這是全球第一個公開的“開源推理模型”，出來時讓很多大公司都緊張了一下，也逼著整個行業加速開放。有了這些開源基座，創業公司、大學、研究機構可以站在公開模型上，訓練自己的專業小模型，把知識“灌”進特定領域，而不用從零開始。3. 物理智能：AI 開始“懂世界”了第三塊，是他非常興奮的一點：Physical AI（物理智能）。AI 不再只懂語言，而是開始理解蛋白質、化學、流體力學、粒子物理、量子物理這類“自然語言”。比如在藥物研發上，輝達和禮來製藥合作，用模型去“和蛋白質對話”，推演分子結構和反應路徑，為新藥發現提速。在他眼裡，這一波物理智能，會直接改變藥物設計、材料科學、工業製造的底層範式。四、AI 搶不搶飯碗？關鍵先分清“工作目的”和“工作任務”話題繞不開就業。對談人拋出一個很多人心裡的問號：AI 會不會大規模替代人？黃仁勳的回答挺“逆風”的：未來我們更可能面對勞動力短缺，而不是失業潮。1. AI 基建本身，就是巨大的“藍領機會”先看最直觀的一層：建設那一大堆晶片廠、資料中心，本身就需要大量技工和工人。電工、水管工、鋼結構工人、建築工人；網路工程、裝置安裝偵錯、機房維運；各種“tradecraft”（技藝工種），都在漲薪。他提到，在美國，這些崗位的收入已經接近翻倍，做晶片廠、電腦廠、AI 工廠項目的人，拿六位數年薪變得越來越常見。這也是他很看重的一點：你不需要博士學位，也能在 AI 浪潮裡賺到一份好收入。2. 放大“人”的作用，而不是刪除“人”接下來，他用兩個真實案例，解釋一個簡單但經常被忽略的邏輯：要分清工作的“目的”和“任務”。第一個是放射科醫生。十年前，大家就說“有了圖像識別，放射科要失業了”。十年過去，AI 的確滲透進了所有影像判讀場景，醫生看片子已經離不開 AI，但放射科醫生的數量，反而增加了。原因很樸素：醫生這份工作的目的是診斷疾病、服務病人；看片子只是其中一個任務。當看片這件事被 AI 加速後，醫生可以把更多時間花在解釋病情、和其他科室協作上，醫院整體接診能力提升，病人多了，醫院收入更高，自然要招更多醫生。第二個是護士。美國大概缺 500 萬護士，他們有一半時間在做病歷記錄和文書工作。現在用 AI 做自動記錄和轉寫後，一個叫 Abridge 的團隊，讓護士把精力重新集中到病人身上——結果是：醫院能更快接收病人，營收變好，然後反過來多招護士。所以，他給出一個判斷框架：問問自己，這份工作的“目的”是什麼？被自動化的，只是“任務”還是“目的本身”？如果 AI 自動化的是任務，但能讓“目的”做得更好、更快，往往會帶來用工的擴張，而不是收縮。五、開發中國家怎麼上車？先把 AI 當成“國家基礎設施”話鋒一轉，對談拋出了一個更現實的問題：AI 會不會進一步放大“只對高學歷人群有用”的不平等？開發中國家怎麼辦？黃仁勳的建議可以概括成兩句話：建自己的 AI、用自己的語言。1. 像修電網、修公路一樣修 AI在他眼裡，AI 已經是和電力、道路同等級的基礎設施。每個國家都可以選擇“完全進口 AI 服務”，但如今有那麼多開源模型，其實自己訓練並不遙不可及。一個國家最獨特的資源，是本地語言和文化。在通用模型的基礎上，用本國資料進行微調，打造貼合本地法規、教育和產業的模型，他認為這是所有國家都應該做的事情。2. AI 反而可能縮小“技術鴻溝”很多人直覺會覺得：越複雜的技術，越有利於頭部國家。但他強調，AI 其實是史上門檻最低的軟體形態：你不需要學程式語言，只要會用自然語言描述問題。未來的“數字勞動力”裡，會同時存在“碳基員工”和“矽基員工”。你需要學會的，是如何指揮、評估、設定邊界，有點像管理一個虛擬團隊。他說，如果你不會用 AI，就直接開口問它：“我不會用 AI，應該怎麼開始？”，然後順著它的提問，去搭自己的工作流。對沒受過系統程式設計訓練的人來說，這反而是一條“繞過傳統 CS 教育的捷徑”：直接從需求出發，讓 AI 把程式碼和系統搭出來。六、歐洲的機會：跳過“軟體時代”，直接擁抱機器人坐在歐洲，他也被問到一個敏感問題：AI 這波浪潮裡，似乎大家提到的公司，不是美國就是亞洲，歐洲的機會在那？他的判斷反而很樂觀：歐洲這次機會很大，甚至有可能在某些領域領跑。1. 工業基礎 + AI = 物理世界的“新作業系統”歐洲有一個非常紮實的家底：製造業和工業基礎，無論是機器、工廠還是自動化經驗，都很強。美國在傳統軟體時代佔了便宜，但 AI 有個特點：AI 不是手寫程式碼，而是“教出來”的。這意味著，只要歐洲企業把現場經驗、工藝流程、工業資料喂給模型，就有機會在機器人、工業控制、物理 AI上，直接做出新一代“世界標準”。2. 深度科學 + AI：加速基礎研究另一個被他點名的優勢，是歐洲在基礎科學上的深度積累。當物理智能模型可以理解粒子、流體、材料的行為模式時，物理、化學、生物這些傳統學科都能被“外掛”一層 AI 輔助，大幅縮短從理論到實驗的周期。他給歐洲的建議很直接：先解決能源問題，大膽投向 AI 基礎設施，讓本地形成一個完整而豐富的 AI 生態，而不僅是消費別人的雲服務。七、這是 AI 泡沫嗎？看一眼 GPU 的“租金”就知道最後一個問題，也是資本市場最關心的：我們是不是已經身處一個 AI 泡沫？黃仁勳給出的檢驗方法很樸素：看使用率和價格。1. GPU 一卡難求，連“老卡”租金都在漲目前，輝達的 GPU 已經鋪進全球幾乎所有主流雲平台，數量達到數百萬顆。但如果你現在去雲上想臨時租一批 GPU，會發現一個現實：非常難租，連兩代之前的舊 GPU，現貨租金都在往上走。這背後不是“炒概念”，而是有真實需求在托底：一大批公司把自己的研發預算從濕實驗室、傳統 IT，轉到 AI 超算和模型研發上。2. 這是“基礎設施周期”，而不是“概念股周期”在他看來，今天的 AI 更像是上世紀修電網、高鐵、網際網路骨幹網——一次持續數十年的基礎設施周期。投資的重頭戲，不在於短期那家模型公司火爆，而在於：誰在修電力、土地、機房這套“Land、Power、Shell”；誰在建設算力、網路、儲存這套 AI 基建；誰在各行各業裡，真正把 AI 融進生產系統。他反倒擔心的是另一件事：全球養老資金、普通儲蓄者如果站在場外，看著這次基礎設施周期從自己身邊劃過去，將會錯過一整代的增長。因此，他一再強調基礎設施投資的角色：這是歷史上最大的一次“AI 基建投資窗口”，也是公共資金、養老金可以更公平參與的一次機會。 (喬智說)

五層蛋糕、三大突破、兆基建解鎖AI新機遇。簡介1月21日，達沃斯世界經濟論壇的聚光燈下，輝達創始人兼CEO黃仁勳與貝萊德（BlackRock）掌門人Laurence D. Fink（勞倫斯·芬克），展開了一場長達半小時的科技與金融巔峰對話。此次對話的背景，是全球對AI浪潮的狂熱與疑慮交織——華爾街緊盯AI基建的“資金黑洞”爭議，還有各國爭搶技術紅利的同時擔憂經濟格局重構。從AI“五層蛋糕”的底層邏輯，到兆基建的就業紅利，從物理智能的產業突破，到全球普惠的技術鴻溝縮小，兩位行業領軍者直擊核心爭議，深入探討了AI如何成為人類史上最大基建機遇、重塑全球經濟與就業形態。本文為全場對話實錄精編，帶你解鎖黃仁勳眼中的AI未來圖景。引言與開場Laurence D. Fink：各位早上好！很高興能回到國會大廳。我非常榮幸地向大家介紹黃仁勳（Jensen Huang）先生——他是我敬佩的人，是我一直關注的榜樣，在我學習技術與人工智慧的道路上，更是我的良師益友。見證他帶領輝達（Nvidia）的發展歷程，實在令人驚嘆。我並不喜歡拿自己和別人比較，但有一個事情我很認同：輝達於1999年上市，巧的是，貝萊德（BlackRock）也是在同一年上市。自上市以來，輝達為股東帶來的復合總回報率高達37%。大家不妨想想，如果每個養老基金在輝達IPO時就進行投資，會給所有人的退休生活帶來多大的改變？我們的退休保障事業將會取得多麼輝煌的成就。與此同時，貝萊德的年化總回報率為21%——對於一家金融服務公司來說，這已經相當不錯了，但相比之下就相形見絀了。一對比充分彰顯了黃仁勳的領導力、輝達的戰略眼光，也印證了全球市場對其未來的信心。黃仁勳，祝賀你，期待你和輝達未來續寫更多精彩。黃仁勳：謝謝。我唯一的遺憾是，在公司IPO後，我想給父母買件好東西，於是在輝達估值3億美元的時候賣掉了一些股票，給他們買了一輛梅賽德斯-奔馳S級轎車——那可是當時世界上最昂貴的汽車之一。Laurence D. Fink：他們現在後悔嗎？那輛車還在嗎？黃仁勳：哦，當然在。他們一直保留著那輛車。AI成為增長引擎的核心邏輯Laurence D. Fink：好的，我們繼續深入交流。當下，AI的核心討論圍繞其對世界與全球經濟的改變展開。今天我們聚焦於AI如何為經濟賦能，成為人人可用的基礎技術、改善全球生活，以及它如何重塑生產力、勞動力與各行業基礎設施，更要探討如何讓更多群體受益、推動全球經濟擴張。在我看來，沒人比黃仁勳先生更懂AI本質與配套基礎設施——眾多超大規模雲端運算廠商都在用輝達的產品，全行業也圍繞AI基建與潛力深度合作。感謝你首次出席達沃斯論壇，在繁忙日程中抽空參與。接下來，我們直接進入正題。你為什麼認為人工智慧有潛力成為如此重要的增長引擎？與以往的技術周期相比，這項技術和當下這個時代有何不同之處？黃仁勳：首先，當我們以各種方式與人工智慧互動時——比如使用ChatGPT、Gemini、Anthropic Claude等工具，體驗它們帶來的神奇功能——我們不妨從最基本的原理來梳理計算棧正在發生的根本性變革。平台是應用程式建構的基礎，就像個人電腦（PC）引發的平台轉移催生了適配新型電腦的應用程式，網際網路的平台轉移打造了承載各類新應用的計算平台，移動雲端運算的平台轉移也帶來了全新的應用生態。在每一次平台轉移中，計算棧都會被重新定義，新的應用程式也會應運而生。如今我們使用ChatGPT，需要明確的是，它本身就是一款應用程式，但更重要的是，未來會有更多新應用基於ChatGPT、Anthropic Claude等工具建構。從這個角度來說，這無疑是一次全新的平台轉移。理解人工智慧其實很簡單，關鍵在於認識到它能完成我們以往無法實現的事情。過去的軟體本質上是“預錄好的”：人類編寫演算法或操作流程，再由電腦執行。這類軟體只能處理結構化資訊——比如你必須整理好姓名、地址、帳號、年齡、居住地等資料，建立成結構化表格，軟體才能從中檢索資訊。我們稱之為SQL查詢，SQL是迄今為止全球最重要的資料庫引擎，在此之前，幾乎所有系統都依賴SQL運行。而現在，我們擁有了能夠理解非結構化資訊的電腦：它能看懂圖像、讀懂文字（完全非結構化的內容）、聽懂聲音，不僅能理解其含義和結構，還能據此進行推理並採取行動。這是有史以來第一次，電腦不再依賴預錄程序，而是能夠即時處理資訊——它能結合環境資訊、上下文資訊以及你提供的任何內容，推理這些資訊的意義，理解你的意圖（即便你的表達非常不規範）。你可以用任何方式描述需求，我們稱之為“提示詞（prompts）”，只要它能理解你的意圖，就能為你完成任務。關鍵在於，我們正在重新打造整個計算棧。說到人工智慧，人們通常會想到AI模型，但從產業角度來看，人工智慧本質上是一個“五層蛋糕”架構。最底層是能源——由於人工智慧需要即時處理資訊並生成智能，能源是其運行的基礎；第二層是晶片和計算基礎設施，這也是我所專注的領域；第三層是雲端運算基礎設施和雲服務；第四層是AI模型——這是大多數人認為的“人工智慧所在層”，但請記住，沒有下方所有層級的支撐，這些模型就無從談起；最頂層，也是當前正在蓬勃發展的一層，是應用層——去年人工智慧之所以取得爆發式增長，核心原因就是AI模型的巨大進步，為應用層的發展奠定了堅實基礎。應用層覆蓋金融、醫療、製造等多領域，全球經濟的實際效益最終將在此落地。但這一計算平台離不開底層架構支撐，人類史上最大規模的AI基建已啟動。目前僅投入數千億美元，未來還需數兆美元，這是支撐AI模型生成智能、驅動頂層應用的必要投入。逐層來看，能源行業正爆發式增長；晶片領域，台積電將新建20座晶片工廠，富士康與我們及緯創、廣達合作新建30座電腦工廠，均服務於AI工廠建設；儲存領域，美光擬在美國投資2000億美元，SK海力士、三星同步發力，整個晶片產業高速擴張。值得關注的是，AI應用層正飛速進步，風險投資的流向就是明確訊號。2025年全球VC投資規模創下新高，大部分資金流向醫療、機器人、製造等領域的原生AI公司，核心原因是AI模型已足夠成熟，能支撐各類應用開發。AI在物理世界的變革機遇Laurence D. Fink：顯然，我相信每個人都會使用聊天機器人獲取資訊。能否再深入談談人工智慧在物理世界的普及所帶來的積極影響？你提到醫療健康是一個很好的例子，但在交通、科學等領域，你認為有那些變革性機遇？黃仁勳：去年，人工智慧技術層（尤其是模型層）發生了三大重要突破。首先，AI模型最初雖然充滿吸引力，但存在嚴重的“幻覺”問題（即生成虛假資訊），而去年，這些模型已經變得更加可靠。它們能夠開展研究，對未經過訓練的場景進行推理，將問題拆解為逐步推理的步驟，進而制定解決方案、回答問題、完成研究或執行任務。因此，去年我們見證了語言模型向“智能體AI（agentic AI）”系統的演進。其次是開源模型的突破。大概一年前DeepSeek問世，當時很多人都對此表示擔憂，但事實上，DeepSeek對全球大多數行業和企業來說都是一個里程碑式的事件——它是全球首個開源推理模型。此後，一大批開源推理模型相繼湧現，這些開源模型讓企業、行業、研究人員、教育工作者、大學和初創公司能夠利用它們，開髮針對特定領域或自身需求的專屬應用。第三個取得巨大進展的領域是物理智能（physical AI）——這種人工智慧不僅能理解語言，還能理解自然世界。它可以理解蛋白質、化學物質，也能理解物理學等領域的知識。這些AI正在學習各種不同的結構和“語言”——比如蛋白質本身就可以被視為一種“語言”。如今，這些AI的進步如此顯著，以至於製造業、藥物研發等領域的工業企業正取得長足發展。一個很好的例子是我們與禮來（Lily）的合作：他們意識到，人工智慧在理解蛋白質和化學物質結構方面已經取得了非凡進展。我們現在能夠像與ChatGPT對話一樣“與蛋白質對話”——這必將帶來一系列重大突破。AI與就業：創造而非取代Laurence D. Fink：這些技術突破也引發了大家對“人的因素”的擔憂。我和你聊過多次，今天想跟觀眾說清楚：很多人怕AI取代工作，但你看法相反。正如你所說，人類史上最大規模的AI基建，會創造大量就業——能源、產業、基建各環節都有崗位，像土地開發、能源供應、廠房建設等，這特別令人振奮。請你再詳細談談：你確實認為我們未來會面臨勞動力短缺嗎？人工智慧和機器人技術將如何改變工作的本質，而非消滅工作？黃仁勳：這個問題可以從多方面來看。首先，人類史上最大規模的AI基建，必然催生大量專業技能相關崗位。比如水管工、電工、建築工人、網路技術人員、裝置安裝偵錯人員等。在美國，相關領域已蓬勃發展，薪資近乎翻倍，參與晶片廠、AI工廠建設的人員年薪可達六位數，這類人才目前嚴重短缺，而無需電腦博士學位也能獲得高薪，這一點令人欣慰。其次，用真實案例說說自動化對就業的影響。10年前，大家都覺得放射科醫生會被AI取代，因為電腦視覺早已超越人類，而影像解讀是他們的核心任務。但如今AI全面滲透放射科後，放射科醫生數量反而增加了——AI讓影像解讀效率暴漲，醫生能花更多時間溝通患者、協作診療，醫院接診量和收入提升，自然會招聘更多醫生。護士行業也是如此，美國目前短缺500萬名護士，過去護士一半時間都在記錄病歷，而AI技術讓病歷錄入自動化，護士能專注於患者護理。醫院接診瓶頸緩解後，也會招聘更多護士。這些案例都說明：AI提升效率，進而推動行業發展，最終會創造更多就業。關鍵是要區分“工作的宗旨”和“任務”——AI自動化的是繁瑣任務，而非核心宗旨。就像放射科醫生和護士的宗旨是關愛患者，AI讓他們能更好地實現這一目標，這正是理解AI與就業關係的核心框架。AI的全球普惠Laurence D. Fink：我們把話題從發達國家擴展到全球，聊聊AI如何惠及世界。Anthropic近期報告顯示，AI使用者多集中在受教育群體，不同教育水平使用率差異明顯，這可能讓AI模型帶有偏見。如何讓AI像Wi-Fi、5G那樣，成為改變新興市場的變革性技術？這對新興國家意義何在，又該如何推動全球經濟擴張？另外回到就業，AI和機器人確實會替代部分崗位，美國已有顯現：比如需要更多水管工、電工，但金融分析師、律師助理可能減少，畢竟AI整合資料更快。請你談談人工智慧在開發中國家會如何發展？黃仁勳：首先，AI是各國必需的基礎設施，就像電力和道路一樣不可或缺。各國雖可進口AI技術，但如今借助大量開源模型，結合本土專業知識，開發適配自身需求的AI應用已不再困難。因此，每個國家都應參與AI基建，打造專屬AI技術，盤活語言、文化等核心資源，讓國家智能融入自身生態。其次，AI是史上最易用的軟體，這也是它兩三年間使用者近10億、快速普及的關鍵。Anthropic的Claude在編碼、推理上表現出色，我們公司也在廣泛使用；ChatGPT作為最成功的消費級AI，易用性讓開發中國家民眾、學生等都能輕鬆上手。更重要的是，人人都需掌握AI使用技能——引導、寫提示詞、管理、設邊界、評估輸出，這些能力和領導、管理他人無異。未來，矽基AI將成為數字勞動力的一部分，我們要學會管理它們。所以我建議開發中國家投身AI基建與領域發展，AI的易用性和普及性有望縮小技術鴻溝。如今無需電腦學位也能當“程式設計師”，比如不會程式設計就問AI“如何程式設計”，不會用AI就讓它教你，想建網站只需說明需求，AI就能直接寫程式碼，這正是AI的非凡力量。AI與歐洲的未來Laurence D. Fink：我們現在身處歐洲，之前我們提到了很多美國和亞洲的公司，想請教你：人工智慧與歐洲的成功和未來發展有何交集？輝達將如何在歐洲發揮作用？黃仁勳：輝達有幸與全球所有AI公司合作——由於我們處於基礎設施的底層，我們為各類AI技術提供支援，包括語言AI、生物AI、物理AI、世界模型AI，以及與製造業和機器人技術相關的AI。歐洲最令人振奮的優勢在於其強大的工業基礎——歐洲的工業製造實力極為雄厚，這是歐洲超越軟體時代的絕佳機遇。美國在軟體時代處於領先地位，而人工智慧是一種“無需編寫程式碼的軟體”——你不需要編寫AI，而是“教導”AI。因此，歐洲應儘早行動，將自身強大的工業製造能力與人工智慧深度融合，進軍物理AI或機器人領域。對於歐洲各國來說，機器人技術是一個千載難逢的機遇——我到訪過歐洲多個國家，深深感受到其工業基礎的強大。此外，歐洲在基礎科學領域的實力依然非常雄厚，而人工智慧的應用將加速基礎科學的探索處理程序。因此，歐洲必須重視增加能源供應，加大對基礎設施層的投資，從而在歐洲打造一個豐富的人工智慧生態系統。AI泡沫之爭Laurence D. Fink：所以你的意思是，我們遠未進入AI泡沫，真正的問題是“我們的投資是否足夠”？現在很多人在談論AI泡沫，但你的觀點似乎是，為了推動全球經濟擴張，我們需要進行更多投資。黃仁勳：判斷是否存在AI泡沫，一個很好的指標是：輝達目前在全球各大雲平台部署了數百萬塊GPU，應用極為廣泛，但如今租賃輝達GPU變得異常困難，GPU租賃的現貨價格持續上漲。不僅是最新一代GPU，就連兩代以前的GPU，租賃價格也在攀升。這背後的原因是AI初創公司數量激增，各類企業紛紛調整研發預算。以禮來為例，三年前他們的研發預算幾乎全部投入實驗室，而現在他們已經投資建設了大型AI超級電腦和AI實驗室，研發預算正越來越多地向AI領域傾斜。所謂的“AI泡沫”，本質上是因為投資規模巨大，而這種大規模投資是必要的——我們必須為AI上層所有層級的發展搭建基礎設施。因此，我認為這一機遇極為非凡，每個人都應該參與其中、積極投身其中。我們需要更多能源，需要更多土地、電力和廠房，需要更多擁有專業技能的工人——而歐洲在專業技能人才方面擁有強大優勢。相比之下，美國在過去二三十年裡，這方面的優勢有所減弱，但歐洲依然保持著強勁的實力——這是歐洲必須抓住的絕佳機遇。正如我之前提到的，2025年是全球風險投資規模最大的一年，總額超過1000億美元，其中大部分都流向了原生AI公司——這些公司正在搭建AI應用層，建構未來。我堅信，對於全球養老基金來說，參與AI領域的投資將是一項明智的選擇，能夠伴隨AI時代共同成長。這也是我想向眾多政界領袖傳達的資訊：我們必須確保普通養老金持有者、普通儲蓄者都能參與到這場增長中來，如果他們只能站在一旁觀望，就會產生被拋棄的感覺。基礎設施是絕佳的投資選擇，而這是人類歷史上規模最大的基礎設施建設，所以加入進來吧！Laurence D. Fink：時間到了！希望現場觀眾和線上觀眾都能感受到黃仁勳先生作為領導者的非凡魅力。他不僅是技術和人工智慧領域的領軍人物，也是商界的領袖，更擁有溫暖的內心和堅定的信念，這在當今時代尤為重要。感謝大家！感謝黃仁勳先生！ (創新觀察局)

“AI，到底是概念泡沫，還是真金白銀的基建？”2026 年 1 月 21 日，達沃斯主舞台對談上，輝達創始人黃仁勳給出的答案是:這是人類歷史上最大的一次基礎設施建設。這個“建設”，是真的要動土、通電、招人。黃仁勳說，AI 分五層：最底層是能源，往上是晶片、雲服務、模型，最頂層才是應用。而每一層，都需要真實的廠房、裝置、電力和人。正因如此，他對所有國家說：AI 是基礎設施。每個國家都該建。所以，這篇文章，我們不談宏觀趨勢，只把一個問題問清楚: AI 基建，到底在建什麼?第一節｜第一件事是電，不是晶片2025年，全世界的科技公司都在搶算力。但算力要運轉，必須有電。而且是持續的、穩定的、大量的電。結果，最先漲價的，是電力合同。這不是偶然。黃仁勳在達沃斯說：“AI 是即時處理、即時生成智能的，它需要能源來做到這一點。”這意味著，那怕你手上有最好的模型，有最新的晶片，但如果沒有穩定、足夠的電力，AI 就動不了。不是慢，而是完全運行不了。因為 AI 需要的電，和普通用電不一樣。資料中心訓練模型、即時推理，需要的是高密度、低延遲、全年不中斷的電力。這意味著，建 AI 不只是“通上電”就行，而是要建一整套能源供應系統：選址要看電網能不能承受，發電要保證穩定輸出，儲能要應對峰值，配網要扛得住持續高負載。黃仁勳沒有用能源危機這樣的詞。他說的是：我們需要更多的能源、土地和資料中心。在他看來，人類歷史上最大的基礎設施建設已經開始。從美國到阿聯，從東南亞到北歐，想建 AI 的地方，第一件事都是先談電力夠不夠。AI 到底在建什麼?第一步不是寫程式碼，是先接上電。第二節｜晶片廠、AI 工廠,都已經開工了黃仁勳說:“我們正在世界各地建設晶片工廠、電腦工廠和 AI 工廠。”他列出了幾組數字：台積電將在全球建 20 座新晶片廠，廣達、緯創、富士康將建 30 座 AI 電腦工廠。不是代工手機、不是做消費電子，而是專門為 AI 訓練和部署提供生產裝備。晶片負責算，但 AI 還需要存。訓練一個大模型，要處理海量資料，這些資料得有地方放。 美光（Micron）宣佈投資2000億美元做儲存器，三星和 SK 海力士也同步加碼。也就是，建 AI 不光是有電就行，還得造出整套硬體：晶片負責算，儲存器負責裝資料，電腦工廠把這些組裝成 AI 伺服器，然後大規模交付。這不是幾家公司的事，而是一場全球性的建設浪潮。為什麼說是浪潮？因為這和早年的鋼鐵、電力、鐵路一樣，都是先建工廠，再有產業。 AI 工廠的概唸過去聽起來有點虛，現在你能看到動土、招工、封頂、通電、交付的完整流程。那麼規模有多大？ 黃仁勳給出的數字是：我們現在投入了幾千億美元，但這只是開始，還有數兆美元的基礎設施要建。AI 的熱，不是因為“炒概念”，而是越來越多國家、企業都在真金白銀地建廠、買裝置、招人。從電力到工廠，AI 這場基建，已經從圖紙落到了地上。第三節｜模型只是第四層，不是 AI 的全部過去幾年，大家談 AI，說的幾乎都是模型。那個模型更強，參數多少，誰跑分第一。但在黃仁勳看來，模型只是 AI 五層結構中的一層。精準說，是第四層。在它下面，有能源、晶片、雲服務在支撐；在它上面，還有應用層才是真正產生價值的地方。怎麼理解？他用了一個比喻：過去的 AI 模型像是一台發動機放在展台上，很漂亮，但你不能直接開走。你得先造好車架、油箱、電路系統，再裝進去，最後調校，跑在真實路上，才叫產品。現在最大的問題，不是模型不夠好，而是很多人只看到“發動機”。黃仁勳看的不一樣。他關注的是，這台發動機能不能進車間、上公路、進行業現場。因為模型本身不等於應用，只有落地了才有價值。真正讓產業受益、讓經濟增長的，是應用層。也就是模型之上，那些能落地到醫療、金融、製造等具體領域的產品和服務。所以現在，行業的焦點正在轉移：不再是誰的模型參數更多，而是誰能把 AI 真正用起來。第四節｜AI 原生公司爆發，基建才剛開始黃仁勳在達沃斯給出了一組資料：2025年是風險投資歷史上投資額最高的一年之一，大量資金流向了 AI 原生公司。這些公司不造模型，也不設計晶片。它們直接拿現成的模型來做事，做藥物研發、做金融分析、重建製造流程。他用了一個詞：AI 原生公司（AI-native companies）。意思是，這類公司一開始就圍繞 AI 來設計自己的產品流程和商業模式。比如製藥巨頭禮來公司（Lilly），過去主要把研發預算投在濕實驗室，買裝置、做化學試驗。但現在，他們投資了一座大型 AI 實驗室和超級電腦，把一部分新藥開發流程交給 AI。類似的轉變，在很多行業都在發生。機器人製造、醫療診斷、自動交易、客服系統、合規審查……這些過去需要大量人力的領域，現在 AI 原生公司的做法是：拿現成的模型，用自己行業的資料訓練它，讓它學會處理具體任務，再把這套能力做成可以直接用的產品。比如客服系統，以前要雇幾百人，現在用 AI 客服，24小時線上，成本降到十分之一。這不是概念驗證，而是已經在大規模商用的產品。而當這類 AI 原生公司越來越多，會發生什麼？黃仁勳的回答是：上層 AI 應用爆發了，下層基礎設施就得必須跟上。這些公司要用 AI，不是演示一次，而是要它穩定、便宜、能大規模用。這就倒逼著底層基礎設施必須擴張：電力得更充足，晶片要供得上，工廠要能量產，雲服務要能承壓。黃仁勳說：我們才剛開始建 AI 的底座。不是行業不熱，是用 AI 的公司才剛剛冒出來。基礎設施的作用，就是讓這些公司能真正用起來。第五節｜誰在參與：勞動力和國家的角色說完建什麼，再看誰來建。答案可能出乎很多人意料：首先是水管工、電工、鋼鐵工人。在美國，參與晶片廠、電腦工廠、AI工廠建設的這些工種，已經供不應求。黃仁勳現場舉了個數字：薪資在短時間內幾乎翻了一倍，有人年薪已經突破六位數。最重要的是，這類工作並不需要電腦博士學位。它需要的是，能動手、能現場施工、能操作裝置的人。對很多國家來說，這是讓藍領重新成為中產的機會。那麼，當 AI 真正投入使用後，會怎樣影響那些已經在崗的人？很多人的第一反應是：會被取代。但現實恰恰相反。比如放射科醫生。過去 AI 被預測最先取代的職業之一就是他們。但 10 年過去，AI 已經深入滲透放射科室，而醫生的數量卻增加了。為什麼？因為讀圖像這種重複、機械的任務被 AI 接手後，醫生反而能把時間用在和病人對話、做綜合判斷上。醫院接診量增加，收入提升，醫生職位也變多了。再比如護士。很多 AI 工具正在幫他們完成文件記錄、就診轉寫等繁雜事務。結果是：護士花更多時間照顧病人，而不是填表。病人流轉變快，醫院雇的人也更多了。黃仁勳總結：AI 取代的是任務，不是目的。只要你的工作不是純機械重複，而是需要判斷、需要和人互動、需要創造，AI 就是幫手，不是對手。除了個人，國家呢？黃仁勳強調的是：參與權。過去很多開發中國家覺得 AI 太遙遠，但他給出的是一套本地起步方案：開源模型已經非常強大；很多國家可以用本地語言+本地知識進行微調；不一定非要從頭做起，但一定要參與建設。AI 應該像電力、道路一樣，是每個國家的基礎設施。這話，是說給所有開發中國家聽的。如果說過去幾波技術革命，先在矽谷、歐美發生，再傳到其他國家；那麼 AI 這一輪，是從頭就開放了部分參與權。你不必先造模型，但可以先用模型；不必懂晶片，但可以先建 AI 應用。結語｜短缺，不是泡沫想租一個 GPU，很難。現貨價格還在漲，不只是最新的，就連兩代以前的卡也漲了。黃仁勳說：“泡沫不會漲價，短缺才會。”製藥公司開始把錢投向 AI 實驗室。各國在搶電力和土地。投資機構在找 AI 基建項目。AI 到底在建什麼？能源、晶片廠、資料中心、模型層、應用層。這是黃仁勳在達沃斯給出的答案。 (AI深度研究員)

達沃斯經濟論壇上，少不了老黃的身影！當地時間1月21日，輝達CEO黃仁勳出席了達沃斯經濟論壇，與知名投資管理公司貝蘭德的CEO Larry Fink 展開對話。30分鐘看下來，老黃的觀點很直接：現在最重要的事情，除了Infra，還是Infra！黃仁勳指出，人工智慧已經啟動了“人類歷史上最大規模的基礎設施建設”，輝達已經投入了數千億美元，但還有數兆美元的基礎設施需要建設。再進一步延展，黃仁勳認為AI本身未來會成為每個國家的基礎設施，每個國家都應該打造自己的AI、建設自身的AI基礎設施，讓“國家智能”成為生態系統的一部分。他堅信AI會縮小而不是放大技術鴻溝，並建議開發中國家應該盡快行動起來：建設基礎設施，積極參與AI浪潮。此外，他還指出AI基礎設施的建設將會是歐洲“一代人難得一遇的機會”，因為歐洲具有強大的工業製造基礎。如果歐洲現在就入場，把自身強大的工業與製造能力與 AI 融合，就能直接躍遷到“物理 AI”和機器人時代。面對AI是否會重塑勞動力市場、替代人類崗位的問題，黃仁勳再次強調了他一貫秉持的看法：比起替代，AI能為人們創造更多的就業崗位。他描述了自己親眼看到的現象：這些崗位大量集中在“技工型職業”上，包括水管工、電工、建築工人、鋼結構工人、網路技術人員，負責裝置安裝、偵錯和維運的人等等。“僅在美國，我們已經看到這一領域出現了非常顯著的增長，相關崗位的薪資幾乎翻倍。”AI 原生公司爆發，基建才剛開始在訪談中，黃仁勳給出了一個強勢判斷：AI原生公司已經爆發了，但基礎設施建設才剛剛開始！他指出，我們如今與AI進行互動，背後的本質是計算平台的遷移。所謂平台，就是應用建構其上的基礎。從 PC 時代到網際網路，再到移動雲端運算，每一次平台遷移都會重塑整個計算棧，並催生出全新的應用生態。今天的 AI，同樣是一場新的平台遷移。根據黃仁勳提出的“AI五層蛋糕模型”理論：最底下是能源層，AI即時生成智能，需要大量能耗；第二層是晶片與基礎設施，這也是輝達所在的層級；第三層是雲基礎計算和雲服務；第四層是AI模型層，如 GPT、Gemini 等模型，也是大多數人所理解的AI；最上層是AI應用層，比如自動駕駛、聊天機器人等應用場景。黃仁勳強調，真正的經濟價值最終都會在應用層產生，而應用層已經爆發，一個重要訊號就是風險投資的流向。他給出了一組資料：2025 年是史上 VC 投資規模最大的年份之一，大多數資金都流向了“AI 原生公司”——無論是醫療、機器人、製造業還是金融服務。什麼是AI原生公司？就是一開始就圍繞 AI 來設計自己的產品流程和商業模式的公司。比如製藥巨頭禮來公司（Lilly），過去主要把研發預算投在濕實驗室，買裝置、做化學試驗。但現在，他們投資了一座大型 AI 實驗室和超級電腦，把一部分新藥開發流程交給 AI。就在不久前，輝達宣佈與禮來達成合作，雙方將在人才、基礎設施和算力方面聯合投入高達 10 億美元，成立一家開創性的 AI 聯合創新實驗室，該實驗室將基於 NVIDIA BioNeMo 平台及 NVIDIA Vera Rubin 架構搭建基礎設施，從而建構強大的AI模型，加速新藥研發。黃仁勳也在訪談中透露，禮來已經發現AI 在理解蛋白質和化學結構方面取得了巨大進展，未來我們甚至可以像“對話 ChatGPT”一樣，與蛋白質進行互動，這將帶來真正重大的科學突破。而這種轉變，並不只發生在製藥行業。機器人製造、醫療診斷、自動交易、客服系統、合規審查……這些過去需要大量人力的領域，現在 AI 原生公司的做法是：拿現成的模型，用自己行業的資料訓練它，讓它學會處理具體任務，再把這套能力做成可以直接用的產品。以客服系統為例，過去需要僱傭數百人的呼叫中心，如今可以被 AI 客服系統替代：全天候運行、響應一致、成本僅為原來的十分之一。這已經成為正在大規模落地、真實創造現金流的商業產品。為什麼AI應用層會出現大爆發？黃仁勳的回答是：因為模型能力越來越強了。他指出，2025年AI模型層發生了三件大事：第一，模型越來越值得信任，成為人們可靠的助手，能夠開展研究、對未見過的情境進行推理，將複雜問題拆解為可執行的步驟並制定行動方案。這標誌著語言模型正在演進為“智能體（Agentic AI）”。第二，開源模型很重要。他特別點名了DeepSeek，認為DeepSeek的開源對於全球AI產業都是重大利多。越來越多開源模型的湧現，讓企業、研究人員、大學和創業公司能夠基於這些模型，建構高度專業化、面向特定領域的系統。第三，物理智能取得突破。AI 的理解範圍從語言擴展到自然世界本身，包括蛋白質、化學結構和物理規律等複雜系統。本質上，這些對象都可以被視為“語言”，AI 正在學習並掌握它們的結構與規則。那麼當 AI 原生公司越來越多，會發生什麼？黃仁勳的回答很直接：上層 AI 應用爆發了，下層基礎設施就得必須跟上。他的判斷是：AI已經啟動了人類歷史上最大規模的基礎設施建設，輝達已經投入了數千億美元，但還遠遠不夠。“目前我們只投入了幾千億美元，這還只是開始。未來需要建設的是數兆美元等級的基礎設施，而且這是完全合理的。”不止是輝達，整個能源和晶片行業都在快速擴張。黃仁勳列出了幾個數字：台積電宣佈將建設 20 座新晶圓廠；輝達將與富士康、緯創、廣達一起合作建設 30 座新的電腦工廠，最終形成一座“AI 工廠”。同時，記憶體產業也在爆發：2025年，美光科技宣佈在美國投資約2,000億美元，用於美國半導體製造和研發；SK 海力士、三星也都在快速擴張。AI會創造大量工作崗位 技工類職業非常吃香既然AI的能力這麼強，那它會不會替代我們的工作崗位呢？這是縈繞在每個人心頭的疑慮。面對Larry Fink的追問，黃仁勳再次重申了他的看法：不會！並且AI還會創造大量工作崗位。老黃再次把辛頓拖出來鞭屍，又舉了那個著名的放射科例子：十年前，辛頓曾經建議停止培養放射科醫生，因為AI可以應用於醫學影像分析，這些醫生在未來五年中很可能被取代。但現在，AI 已經全面滲透進放射學的每一個環節，放射科醫生的數量卻不減反增。黃仁勳指出，這是因為工作的“目的”和“任務”不能混淆。放射科醫生工作的“目的”，是診斷疾病、幫助患者，解讀影像只是其中的一項“任務”。AI在這項任務上快速提效，能把醫生的時間解放出來去做更多與患者溝通、與其他醫生協作的事情，醫院能接診的患者變多了，收入增加，對醫生的需求自然也增加了。至於AI創造的工作崗位，據黃仁勳觀察，主要集中在“技工類崗位”上。這也不難理解，因為AI 正在引發人類歷史上規模最大的基礎設施建設：晶片工廠、電腦工廠、AI工廠……這都需要大量的水管工、電工、鋼結構工人、網路技術人員，裝置安裝、偵錯和維運的人等等。老黃透露，僅僅在美國，這一領域已經出現了非常顯著的增長，相關崗位的薪資幾乎翻倍。現在參與建設晶片工廠、電腦工廠或 AI 工廠的人，基本都能拿到六位數年薪。相比之下，白領工作會何去何從呢？不禁讓人捏了一把汗。每個國家都應該建設AI基礎設施 歐洲的機會尤其難得在訪談最後，老黃也大放豪言，呼籲每個國家都應該立刻行動起來，建設自己的AI基礎設施，尤其是開發中國家。黃仁勳的態度非常樂觀，他認為AI能夠縮小而非擴大技術鴻溝，未來AI本身就會成為一種基礎設施。“我很難想像，未來會有那個國家不把 AI 視為基礎設施的一部分，就像電力和道路一樣。”因此，打造屬於自身的AI模型，對一個國家來說會變得非常重要，“國家智能”將成為生態系統的一部分。黃仁勳指出，AI並不會僅侷限在發達國家，而是能夠普惠全球。原因是AI是歷史上最容易使用的軟體，短短兩三年時間，使用者規模就接近十億。他還認為，ChatGPT 可能是“歷史上最成功的消費級 AI 產品”，其易用性和親和力讓幾乎任何人都可以參與進來。“無論你是在開發中國家的學生，還是普通使用者，學習如何使用 AI、如何引導它、管理它、設定邊界、評估它，都會變得至關重要。”在這種發展趨勢下，未來我們可能不僅要管理“碳基智能”（人），還要管理“矽基智能”（數字 AI），AI將成為人類數位化勞動力的一部分。最後，Larry Fink話鋒一轉，將話題拉到了歐洲：歐洲目前在AI的舞台上似乎身影寥寥，那麼AI 與歐洲未來的成功之間有怎樣的關係？黃仁勳直言：你們擁有非常強大的工業基礎。如果歐洲現在就入場，把自身強大的工業與製造能力與 AI 融合，就能直接躍遷到“物理 AI”和機器人時代。前提是歐洲必須嚴肅對待能源供給問題，加大對基礎設施層的投入。他還強調，這對於歐洲來說，是“一代人只有一次”的機會。那麼，現在究竟是否存在AI泡沫？黃仁勳的回答很直接：沒有！他給出了一個很簡單的判斷標準：“輝達 GPU 現在遍佈所有雲平台，但你想租到一塊 GPU 仍然非常困難，而且不只是最新一代，連兩代之前的 GPU 租賃價格都在上漲。”這說明AI基礎設施的需求缺口還非常龐大，遠沒有到“泡沫”的程度。黃仁勳大聲疾呼，投資AI基礎設施，是一次歷史等級的機會！“我們需要更多能源、更多土地、電力、廠房，也需要更多技術工人。這是一次極其重大的歷史機遇，所有人都應該參與進來！”(51CTO技術堆疊)