文章核心观点 - 人工智能并非虚无的软件应用，而是如同电力和互联网一样的关键基础设施，其运行依赖于真实世界的能源、硬件、经济和大量人力投入[2][5][6] - 人工智能的演进正引发整个计算堆栈的根本性变革，从预制的软件模式转向实时生成智能的模式，这要求底层技术架构进行彻底重构[7][10][12] - 从工业视角可将人工智能解构为“五层蛋糕”架构：能源、芯片、基础设施、模型、应用，各层相互强化、协同演进，共同构成AI产业的基础设施体系[13][18][30] - 人工智能建设是一场规模宏大的工业变革，目前仅投入数千亿美元，未来仍有数万亿美元规模的基础设施尚待建设，这正在演变为人类历史上规模最大的基础设施建设运动[20][21][31] - 人工智能不会消灭劳动，而是重新配置劳动，在提升知识经济生产力的同时，也创造了大量高技能、高薪酬的硬件与基础设施相关岗位，参与这场变革并不一定需要计算机科学博士学位[2][22][23][24] 人工智能的范式转变：从预制软件到实时智能 - 计算机历史大部分时间里软件是“预制”的，人类定义算法，计算机执行指令，数据需严密结构化并通过SQL等查询语言检索[9] - 人工智能打破了传统模式，计算机首次能够理解图像、文本、声音等非结构化信息，并能进行逻辑推理和实时智能响应[10] - 智能的实时产出意味着每一个回复都是全新生成的，答案取决于用户提供的上下文，这是软件在进行推理并按需生成智能，而非检索预存指令[11] - 由于智能是实时产出的，其底层的整个“计算堆栈”都必须经历彻底的变革与重构[12] 人工智能产业的五层架构 - 第一层：能源：能源是整套架构的基石，是AI基础设施的“第一性原理”，实时生成的智能需要实时产生的电力支撑，生成的每一个Token都是能源转化为计算能力的产物，能源是决定系统智能产出上限的硬约束[13] - 第二层：芯片：芯片旨在将能源大规模、高效率地转化为计算力，AI工作负载需要极高的并行性、高带宽内存以及高速互连技术，芯片层的技术突破决定了AI扩张的速度以及智能获取成本的经济性[14] - 第三层：基础设施：基础设施涵盖土地、电力传输、冷却系统、建筑施工、网络连接以及将数以万计处理器编排为单一算力集群的系统，这些系统本质上是“AI工厂”，其设计初衷是为了“制造智能”而非存储信息[15] - 第四层：模型：AI模型能够理解语言、生物学、化学、物理学、金融、医学及物理世界本身等多维度信息，语言模型仅是其中一个类别，目前最具变革性的突破正发生在蛋白质AI、化学AI、物理模拟、机器人技术及自主系统领域[16] - 第五层：应用：应用是创造经济价值的核心环节，包括药物研发平台、工业机器人、法律助手、自动驾驶汽车等，自动驾驶汽车是具身智能在机器中的AI应用，而人形机器人则是“具身”于躯体之中的AI应用[17] - 架构呈现“五层蛋糕”形态：能源 → 芯片 → 基础设施 → 模型 → 应用，每一个成功的应用都在拉动其下方的每一层架构，其根源可追溯至维持其运行的发电厂[18][19] 人工智能产业的发展阶段与规模 - 人工智能建设进程才刚刚开启，目前的投入仅为数千亿美元，未来仍有数万亿美元规模的基础设施尚待建设[20] - 全球范围内，芯片工厂、计算机组装厂和AI工厂正以史无前例的规模动工，这正在演变为人类历史上规模最大的基础设施建设运动[21] - 人工智能在过去一年跨越了重要门槛，模型能力已足以支撑大规模实际应用，逻辑推理能力显著增强，幻觉比例下降，知识对齐与事实性大幅提升，基于AI构建的应用首次开始产生真正的经济价值[26] - 在药物研发、物流运输、客户服务、软件开发及制造业等领域，相关应用已经展现出强劲的产品市场契合度，并强力拉动其底层的每一个技术架构层级[26] - 开源模型发挥着至关重要的作用，全球绝大多数模型都是免费的，当开源模型触及技术边界时，它们改变的不只是软件，更是激活了对整个架构堆栈的需求[27] - DeepSeek-R1是一个例证，通过将性能强劲的推理模型向公众开放，它加速了应用层普及，进而反向刺激了底层对模型训练、基础设施、芯片以及能源的需求[27] - 人工智能仍处于早期阶段，大部分基础设施尚未落成，大部分劳动力尚未接受相关培训，大部分机遇也尚未被发掘[32] 人工智能对劳动力市场与生产力的影响 - 支撑AI建设进程所需的劳动力是巨大的，AI工厂需要电工、水管工、管工、钢结构工人、网络技术人员、安装人员和操作人员等[22] - 这些岗位属于高技能、高薪酬且供不应求的职业，投身这场变革并不一定需要计算机科学博士学位[23] - AI正在提升整个知识经济的生产力，以放射医学为例，AI辅助阅片后，对放射科医生的需求却在持续增长，因为医生能更专注于专业判断、医患沟通和人文关怀，医院效率提高，能够接诊更多患者并雇佣更多员工[24] - 生产力创造产能，产能驱动增长[25] - 人工智能并不是“永动机”，每一次token的生成，背后都对应着电力、算力、数据中心以及大量工程与运维工作[37]