AI的“第一性原理”是能源！沒電，一切智能都是扯淡！

在「龍蝦熱」蔓延全國的此刻，大家把越來越多的工作交給 AI。從寫代碼到數據分析，很多人開始嘗試讓 AI 接管完整流程。

人工智能能力的躍升似乎正逼迫著人們直面「自我價值」的拷問：

「AI 會不會替代我的崗位？」「如果越來越多的工作被接管，人類又該做什么？」

往回看，也許可以窺見答案一角，技術史研究在回顧工業革命時提出過一個經典觀察：技術不會消滅勞動，而是重新配置、隱藏或外包勞動。

人工智能是當今塑造世界最強大的力量之一。它不是一個應用，也不是單一模型，而是如同電力和互聯網一般的關鍵基礎設施。

人工智能的運行依托于切實的硬件、能源與經濟規律。它消耗原材料，并將其大規模轉化為智能產出。每一家企業都將應用它，每一個國家都將構建它。

若要理解人工智能為何以此種態勢演進，我們需要回歸「第一性原理」，審視計算領域所發生的根本性變革。

CES 2026 Keynote

從預制軟件到實時智能

在計算機歷史的大部分時間里，軟件都是「預制」的。人類定義算法，計算機執行指令。數據必須經過嚴密的結構化處理，存儲在表格中，并通過精確的查詢語句進行檢索。SQL 之所以變得不可或缺，正是因為它讓那個時代的運作成為可能。

人工智能打破了這一模式。

正因為智能是實時產出的，其底層的整個「計算堆棧（Computing Stack）」都必須經歷徹底的變革與重構。

AI as Infrastructure

從工業視角審視，人工智能可被解構為一套五層架構（Stack）。

1. 能源（Energy）

能源是整套架構的基石。實時生成的智能需要實時產生的電力作為支撐。生成的每一個 Token 都是電子移動、熱量管理以及能源轉化為計算能力的產物。在此之下不存在更底層的抽象層。能源是 AI 基礎設施的「第一性原理」，也是決定系統智能產出上限的硬約束。

2. 芯片（Chips）

能源之上是芯片。這些處理器旨在將能源大規模、高效率地轉化為計算力。AI 工作負載需要極高的并行性、高帶寬內存（HBM）以及高速互連技術。芯片層的技術突破決定了 AI 擴張的速度，以及智能獲取成本的經濟性。

3. 基礎設施（Infrastructure）

芯片之上是基礎設施。這涵蓋了土地、電力傳輸、冷卻系統、建筑施工、網絡連接，以及將數以萬計的處理器編排為單一算力集群的系統。這些系統本質上是 「AI 工廠」。它們的設計初衷并非存儲信息，而是為了「制造智能」。

4. 模型（Models）

基礎設施之上是模型。AI 模型能夠理解多種維度信息：語言、生物學、化學、物理學、金融、醫學以及物理世界本身。語言模型僅是其中一個類別，目前最具變革性的突破正發生在蛋白質 AI、化學 AI、物理模擬、機器人技術以及自主系統領域。

5. 應用（Applications）

最頂層是應用，這是創造經濟價值的核心環節。包括：藥物研發平臺、工業機器人、法律助手（Copilot）、自動駕駛汽車。自動駕駛汽車是具身智能在機器中的 AI 應用，而人形機器人則是「具身」于軀體之中的 AI 應用。底層架構相同，展現形態各異。

這就是所謂的「五層蛋糕」：能源 → 芯片 → 基礎設施 → 模型 → 應用。

每一個成功的應用都在拉動其下方的每一層架構，其根源可追溯至維持其運行的發電廠。

這一建設進程才剛剛開啟。我們目前的投入僅為數千億美元，未來仍有數萬億美元規模的基礎設施尚待建設。

在全球范圍內，芯片工廠、計算機組裝廠和 AI 工廠正以史無前例的規模動工。這正在演變為人類歷史上規模最大的基礎設施建設運動。

支撐這一建設進程所需的勞動力是巨大的。AI 工廠需要電工、水管工、管工、鋼結構工人、網絡技術人員、安裝人員和操作人員。

這些崗位屬于高技能、高薪酬且供不應求的職業。投身這場變革，并不一定需要計算機科學博士學位。

AI 正在提升整個知識經濟的生產力。以放射醫學為例：盡管 AI 現在可以輔助閱片，但對放射科醫生的需求卻在持續增長。這并非悖論。

生產力創造產能，產能驅動增長。

過去一年發生了什么變化？

在過去的一年中，人工智能跨越了一個重要的門檻。模型的能力已足以支撐大規模的實際應用。邏輯推理能力顯著增強，幻覺比例下降，而知識對齊與事實性（Grounding）則得到了大幅提升。基于 AI 構建的應用首次開始產生真正的經濟價值。

在藥物研發、物流運輸、客戶服務、軟件開發及制造業等領域，相關應用已經展現出強勁的產品市場契合度。這些應用正強力拉動其底層的每一個技術架構層級。

開源模型在此發揮著至關重要的作用。全球絕大多數模型都是免費的。研究人員、初創企業、大型企業乃至整個國家，都依賴開源模型來參與前沿人工智能的競爭。當開源模型觸及技術邊界時，它們改變的不只是軟件，更是激活了對整個架構堆棧的需求。

DeepSeek-R1就是一個強有力的例證。通過將性能強勁的推理模型向公眾開放，它加速了應用層的普及，進而反向刺激了底層對模型訓練、基礎設施、芯片以及能源的需求。

這意味著什么？

當你將人工智能視作關鍵基礎設施時，其深層影響便清晰可見。

人工智能始于基于 Transformer 架構的大語言模型（LLM），但其內涵遠不止于此。它是一場工業變革，正在重塑能源的生產與消費方式、工廠的建設模式、勞動的組織形式以及經濟的增長路徑。

AI 工廠之所以拔地而起，是因為智能現已實現實時生成。芯片之所以被重新設計，是因為能效比決定了智能擴張的速度。能源之所以成為核心，是因為它設定了智能產出總量的絕對上限。應用開發之所以提速，是因為其底層的模型已跨越技術門檻，真正具備了大規模實用價值。

架構中的每一個層級都在相互強化、協同演進。

這正是建設規模如此宏大的原因。這也是為何它能同時觸及如此眾多的行業，且絕不會局限于單一國家或單一領域。每一家企業都將應用人工智能，每一個國家都將致力于其建設。

我們仍處于早期階段。大部分基礎設施尚未落成，大部分勞動力尚未接受相關培訓，而大部分機遇也尚未被發掘。

但前進的方向已然明確。

人工智能正在成為現代世界的基石性基礎設施。 我們當下的抉擇 ——建設的速度、參與的廣度以及部署的責任感—— 將共同定義這個時代。

從某種意義上看，這一玩笑也揭示了一個現實：AI 并不是「永動機」，每一次 token 的生成，背后都對應著電力、算力、數據中心以及大量工程與運維工作。

換句話說，智能并不是從天而降的產物，它只是以另一種方式消耗著真實世界的資源與勞動。而參與這場變革的人，也遠不只有 AI 工程師。

如果人工智能真的如黃仁勛所描述的那樣，逐漸成為由能源、芯片、基礎設施、模型和應用構成的基礎設施體系，那么在未來，它會像電力和互聯網一樣成為社會運轉的默認條件。

當那一天真正到來時，你準備參與到這塊蛋糕的哪一層？