2026年硅晶圆出货预计增长11.8%，未来四年有望连创新高

近日，英伟达CEO黄仁勋在GTC 2026柏林站的主题演讲中，系统阐述了“AI五层架构”（Five-Layer Cake）。他将AI产业比作一个从能源到应用的完整工业体系，并给出了一个极具冲击力的定义：“AI是生产数字智能（Token）的新制造业。”

据悉，这并不是黄仁勋第一次提出这个比喻。早在2026年初的达沃斯论坛和随后的署名文章中，他就系统性阐述过“五层蛋糕”理论。只不过这一次，他把这套框架与英伟达的全栈战略、欧洲的产业现实，以及全球AI竞争格局直接绑定了。

黄仁勋在GTC 2026柏林发表主题演讲（来源：TheElec）

从预录软件到实时智能

在计算史的大部分时间里，软件是“预录”的：人类描述算法，计算机执行；数据必须被精心结构化、存入表格、通过精确查询检索。SQL之所以不可或缺，正是因为它让那个世界勉强运转。

然而，AI打破了这个模型。这是第一次，计算机能够理解非结构化信息。它不仅能看图像、读文本、听声音、理解意义，还可以就上下文和意图进行推理。更关键的是，它实时生成智能：每次响应都是新创造的，每个答案都依赖你提供的上下文。这不是软件在调取存储好的指令，而是软件在按需推理、按需生成智能。

因为智能是实时生产的，其下方的整个计算栈不得不被重新发明。黄仁勋的判断是：AI不是一个聪明的APP，也不是单一模型，它是像电力和互联网一样的基础设施工业。AI消耗真实的硬件、真实的能源和真实的经济成本，把原材料大规模转化为智能。

黄仁勋的五层蛋糕逻辑

黄仁勋将AI体系自下而上拆解为五层：能源、芯片、基础设施、模型、应用。

（来源：英伟达官网）

第一层是能源：这是整个体系最底层的约束。实时生成的智能需要实时产生的电力，每一个Token的诞生都伴随着能量的流动和转化。黄仁勋曾直言，充足的能源是AI发展的根本前提，甚至“7nm芯片已经足够好了，但能源充足才是中国的优势”。

第二层是芯片：这是将电力转化为算力的引擎。GPU、HBM、高速互连，构成了AI处理的物理基础。黄仁勋强调，AI工作负载的并行特性，要求芯片被重新设计，追求更高的性能和更低的功耗。

第三层是基础设施：这是黄仁勋此次演讲中最具“制造业”色彩的一层。AI工厂不是传统的数据中心，它的目的不是“存储信息”，而是“制造智能”。它把电力、芯片、冷却、网络和土地整合在一起，以工业化的方式大规模生产Token。为此，英伟达推出了DSX POD模块化参考设计，将AI工厂的部署周期从传统的约6个月压缩至最快14天，并能在相同AI产出下减少最多30%的能耗。

第四层是模型：这是“大脑”层，覆盖语言、生物学、化学、物理学、机器人、动画等多个领域和规模。黄仁勋特别强调，模型层的竞争不再是单一的“语言大模型”，而是多领域、多模态的系统性布局。

第五层是应用：这是Token最终被整合进各行各业和企业场景的出口。黄仁勋指出，只有应用层真正繁荣，下面四层的投资才能形成正向循环。

应用爆发与开源拉动效应

基础设施之上是模型，AI模型理解的信息类型远不止语言，还包括生物学、化学、物理、金融、医学乃至物理世界本身。语言模型只是其中一类，最具变革性的工作正在蛋白质AI、化学AI、物理仿真、机器人和自主系统领域发生。

黄仁勋指出，过去一年AI跨过了一个关键门槛：大模型的性能已完全满足大规模商用的基础要求，推理能力实现跃升，幻觉发生率持续降低，事实锚定精度大幅提升。基于AI开发的各类应用，第一次真正开始产生看得见的经济收益，是在新药发现、物流管理、智能客服、软件开发和制造生产这些领域。

在这一过程中，开源模型扮演了关键角色。全球大部分模型是免费的，研究者、初创公司、企业乃至整个国家都依赖开放模型参与先进AI。黄仁勋特别提到DeepSeek-R1：通过让一个强推理模型广泛可用，它加速了应用层的采用，同时拉动了下层的训练、基础设施、芯片和能源需求。当开源模型触达前沿，它改变的不只是软件，而是激活了整座栈的需求。

（来源：英伟达官网）

做数字智能的直接生产者

黄仁勋在柏林的演讲中，反复向欧洲传递一个信号：不要只做AI的消费者，而要做AI的生产者。

他认为，新一轮工业革命的核心起点，从来不是某一项单点技术的问世，而是从根本上改变产品的生产方式，同时拓展人类能够创造的物质与数字产品的边界。欧洲不能一直只做AI技术的使用者，必须完成角色升级，成为数字智能的直接生产者。

他以“五层蛋糕”为框架指出，欧洲有能力独立构建从能源到应用的完整体系。英伟达对欧洲的近100亿美元投入、与Mistral、Legora、DeepL等欧洲AI公司的合作，都是在为这套“生产体系”铺设底座。

值得一提的是，这套架构同样适用于中国。有分析指出，在“五层蛋糕”中，中国在能源、基础设施、模型效率和应用层具备优势，而美国在核心芯片层领先明显。这意味着，AI的竞争不是单一技术节点的胜负，而是整条产业链协同效率的比拼。谁能在更多层级上建立自主能力，谁就能在长周期的产业竞争中掌握主动权。

结语

总而言之，“AI五层架构”的本质不是技术分层，而是一场工业转型。AI从软件工具变成了生产智能的工厂，每一层都相互强化：应用拉动模型，模型拉动基础设施，基础设施拉动芯片和能源。

黄仁勋的判断是：我们才刚刚开始这场建设，大部分基础设施尚不存在，大部分劳动力尚未受训，大部分机会尚未兑现。但方向已经清晰：AI正在成为现代世界的基础设施工业，而我们今天建造的速度、参与的广度和部署的责任感，将决定这个时代的面貌。