•
“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?
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。
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。
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。
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：
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。
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：
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。
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)