AI产业的五层蛋糕模型 - 英伟达CEO黄仁勋提出“AI是一块五层蛋糕”的产业模型，将AI还原为一项遵循严苛物理规律和重资产逻辑的基础设施工程 [5][6] - 该模型揭示了AI发展需要调动全球电网、核反应堆、跨洋光缆、精密半导体及数以百万计蓝领工人的现代重工业大建构 [6] - 这可能是人类社会继电力网络和互联网之后，第三次也是最大规模的一次全球基础设施重构 [34] 范式转移：从预录制到实时生成 - 传统计算运行的是“预录制软件”，底层是人类程序员写好的规则，计算机高效但无理解力 [8] - 当前的大模型带来了“实时智能”，直接吞吐海量的非结构化数据，在极短时间内理解上下文并进行概率推算，生成拟人化的行动或答案 [8][10] - 这一转变导致“推理”取代“检索”，成为实时消耗庞大算力的核心活动，智能变成了可度量、生产、交易的实体商品 [11] 第一层：能源 - 能源是五层蛋糕的最底层，已成为制约AI发展的最大物理瓶颈 [13][14] - 训练一个前沿的万亿参数大模型，其耗电量等同于一个中型城市，而每天数百亿次的实时推理请求正将电网负载推向极限 [14] - 算力需求的年增长率已远远甩开摩尔定律带来的节能红利 [15] - 麦肯锡预测，到2030年，美国数据中心电力需求将翻两番，达到80-100吉瓦 [17] - 科技巨头成为全球最大的能源买家，例如微软购买核电站产能，亚马逊接手核反应堆，谷歌寻觅地热能与碳捕集天然气发电 [17] - 数据中心选址逻辑从“跟着光纤走”转变为“跟着发电厂走”，稳定、廉价的基荷电力成为AI时代的“石油” [17] 第二层：芯片与硬件 - 半导体硬件是将电子转化为智能的引擎，包括英伟达GPU、谷歌TPU、亚马逊Trainium及台积电、阿斯麦、SK海力士等全球供应链 [17] - 目前绝大部分行业利润和资本开支都淤积在这一层，原因是行业仍在押注规模法则，对算力储备落后的恐惧支撑着数以千亿美元计的硬件采购 [19] - 对于投资人而言，该层潜藏隐蔽的折旧风险，GPU迭代速度极快，三年后可能面临能效比断崖式落后 [21] 第三层：基础设施 - AI数据中心是充满重工业感的庞然大物，数以万计的GPU通过复杂网络交织，散发可怕热量，需部署液冷管道、高压变电站并重新设计承重结构 [21] - 这场数字革命正在疯狂创造传统实体岗位，如钢铁工人、混凝土工、管线焊工、高压电工和暖通工程师，其薪酬和抢手程度创下历史新高 [23] - 在这场革命中，水泥、铜缆、冷却液与光模块等实体材料获得了最稳妥的红利 [23] 第四层：模型层 - 大语言模型、视觉模型、多模态系统是AI基建的“大脑”，正变得能进行逻辑推理并作为智能体执行跨软件任务 [25][26] - 商业逻辑上，该层正经历惨烈的“绞肉机效应”，开源力量的崛起导致基础大模型能力“商品化”，单靠模型聪明已无法构成商业护城河 [26][28] - 真正的壁垒在于拥有独家的高质量私有数据，并能将通用大脑微调成精通特定业务流程的“行业专家” [28] 第五层：应用层 - 应用层包括AI制药软件、无人工厂、私人AI法律顾问、全球供应链调度引擎等，是真正产生价值、实现资金回流的层级 [28][30] - 整块五层蛋糕的资金流向是单向的，如果应用层赚不到足够的钱来反哺底层巨大的资本开支，整个体系可能因资金链断裂而坍塌 [30] - 当前挑战在于许多企业应用AI仅带来“生产力的局部提升”，而非“商业模式的重塑” [32] - 曙光在于AI原生应用正深度嵌入B端核心工作流，并能为结果负责，例如AI销售客服直接完成订单转化并提高20%营收时，应用的价值闭环才算真正跑通 [32][35] 产业启示与坐标定位 - 对于主权国家，抢占智力主权的本质是抢占能源配额与底层算力基建，这关乎国家安全 [37] - 对于产业投资者，与其在应用层百团大战中下注，不如投资提供水、电、管线、光模块和散热设备等“卖铲人”资产 [37] - 对于企业和个人，算力终将充沛且低廉，生死线在于“如何用AI重组现有的组织结构和技能树”，而非“如何拥有AI” [37] - 最先倒下的将是那些用旧石器时代的组织方式，试图驾驭量子时代工具的人 [37] - 这场五层蛋糕的烘焙，将是一场持续十年的残酷大洗牌 [37]