我们首次拥有了一台能够理解非结构化信息的计算机。它能够识别图像、阅读文本、聆听声音并理解其含义。它可以根据上下文和意图进行推理。最重要的是，它能够实时生成智能。
每个回应都是全新创建的。每个答案都取决于你提供的上下文。这并非软件检索存储的指令，而是软件根据需求进行推理并生成智能。
由于智能是实时生成的，因此其背后的整个计算架构都必须重新设计。
AI即基础设施
从工业角度审视 AI，其架构可分解为五层。
能源
最底层是能源。实时生成的智能需要实时产生的电力支持。每一个生成的 token，都是电子流动、热量管理以及能量转化为计算的结果。在这一层面之下，没有抽象层。能源是 AI 基础设施的首要原则，也是制约系统能产生多少智能的瓶颈因素。
芯片
能源层之上是芯片。这些处理器旨在大规模地将能源高效转化为计算能力。AI 工作负载需要巨大的并行处理能力、高带宽内存和快速互连。芯片层的进展决定了 AI 的扩展速度以及智能的可适用性。
基础设施
芯片之上是基础设施层。这包括土地、供电、冷却系统、建筑工程、网络通信，以及将成千上万处理器编排到一台机器的系统。这些系统就是 AI 工厂。它们的设计目的并非存储信息，而是制造智能。
模型
基础设施层之上是模型层。AI 模型能够理解多种类型的信息：语言、生物学、化学、物理学、金融学、医学以及物理世界本身。语言模型只是其中一个类别。一些最具变革性的工作正发生在蛋白质 AI、化学 AI、物理模拟、机器人技术和自主系统等领域。
应用
最上层是应用层，经济价值在此产生，比如药物研发平台、工业机器人、法律助手、自动驾驶汽车等。自动驾驶汽车是 AI 机器应用的具体表现。人形机器人则是 AI 具身应用的具体表现。同样的架构，能带来不同的成果。
这就是五层蛋糕架构：
能源 → 芯片 → 基础设施 → 模型 → 应用。
每一个成功的应用都会拉动其下的每一层，直至维持其运行的动力设备。
我们才刚刚开始这一建设进程，目前已投入数千亿美元，但仍需建设价值数万亿美元的基础设施。
放眼全球，我们看到芯片工厂、计算机组装厂和 AI 工厂正在以前所未有的规模建设。这正在成为人类历史上规模最大的基础设施建设。
支撑这一建设进程所需的人力非常庞大。AI 工厂需要电工、管道工、管件工、钢铁工人、网络技术人员、安装人员和操作员等。这些都是技术性强、待遇优厚的工作岗位，且目前供不应求。参与这场变革无需拥有计算机科学博士学位。
与此同时，AI 正在提高整个知识经济领域的生产力。以放射学为例，AI 已经能够辅助解读扫描影像，但对放射科医生的需求仍在持续增长。这并非矛盾现象。
放射科医生的职责就是照顾患者，而解读扫描影像只是其工作中的一个环节。当 AI 承担更多的常规工作时，放射科医生可以专注于判断、沟通和护理。医院的工作效率将越来越高，将能够为更多的患者提供服务，也会雇佣更多员工。
生产力提升创造产能，产能扩大推动增长。
过去一年的变化？
在过去的一年里，AI 跨越了一个重要的门槛。模型性能显著提升，可以大规模投入使用。推理能力增强，幻觉现象减少，落地应用能力大幅提升。基于 AI 构建的应用首次开始创造真实的经济价值。
药物研发、物流、客户服务、软件开发和制造领域的应用已经展现出强大的产品市场契合度。这些应用会对其下方的每一层架构都产生强劲的拉动效应。
开源模型在这方面发挥着关键作用。全球大多数模型都是免费开放的。研究人员、初创公司、企业甚至国家都依靠开放模型来参与先进的 AI。当开放模型达到前沿水平时，它们改变的不仅仅是软件领域，而是激活了整个技术栈的需求。
DeepSeek-R1 就是一个很好的例子。通过广泛开放强大的推理模型，它加速了应用层的普及，并带动了底层对训练、基础设施、芯片和能源的需求增长。
题中要义
当你将 AI 视为必不可少的基础设施时，其影响便显而易见。
AI 始于 Transformer 大语言模型。但其意义远不止于此。这是一场工业变革，重塑着能源的生产与消耗方式、工厂的建造模式、工作的组织形式以及经济的增长路径。
如今，AI 工厂正在兴建，因为智能已实现实时生成。芯片正在被重新设计，因为效率决定了智能的扩展速度。能源成为核心要素，因为它从根本上决定了智能的生产规模上限。应用加速发展，因为底层模型已跨越门槛，得以大规模投入使用。
每一层都相互强化。
正因如此，AI 建设规模才如此庞大，它才能够同时触及众多行业，并不会局限于单一国家、地区或单一领域。每家公司都将使用 AI，每个国家都将发展 AI。
我们仍处于早期阶段。大部分基础设施尚未建成，大部分劳动力尚未接受培训，大部分机遇尚未得到发掘。
但方向已然明确。
AI 正在成为现代世界的基础设施。而我们此刻的选择、构建速度、参与广度以及如何负责任地部署它将决定这个时代走向何方。
