新质量观察|中国的产业逻辑与黄仁勋“五层蛋糕”背后的机遇

最近，英伟达首席执行官黄仁勋提出了一个非常有趣的产业模型：人工智能的“五层蛋糕”。在世界上最强大的技术领导者看来，人工智能不是软件的单次迭代，而是一个复杂的、高度耦合的、自下而上的系统。五层架构包括电源、芯片、基础设施、AI模型和应用。在ChatGPT、“龙虾”（OpenClaw）等极具吸引力的应用层产品牢牢占据公众和资本市场关注之际，黄仁勋的“五层蛋糕”理论犹如一记庄严的枪声。它不仅描述了生成式AI时代的整个产业链，也揭示了常常被忽视的冷酷现实。 AI竞赛的终结不是代码的竞赛，而是物理世界原子资源的残酷竞赛。 1.层能源：“新石油”与AI时代的最新瓶颈黄仁勋的“五层蛋糕”底层不是数据，而是能源，或更准确地说是电力。过去二十年，互联网的繁荣是建立在“比特”的边际成本趋近于零的前提之上的。然而，大型模型打破了这个神话。从训练到推理，生成式人工智能的每次呼吸都会消耗大量的能量。黄仁勋把精力集中在第一层，攻克当今人工智能行业最隐蔽的弱点。事实上，NVIDIA 以及 Sam Altman 和 Elon Musk 等硅谷领导者都清楚地意识到电力是计算能力的终结。如果说上一代科技巨头通过垄断数据流量来构建护城河，那么下一代人工智能巨头将依赖于网络容量和数据清洁能源的供应。我最近对硅谷的一个目标进行了阐述，这是一个核聚变、地热能源和太阳能等先锋能源项目。在“五层蛋糕”中，能量定义底层的icit直接决定了上层建筑的扩张极限。没有充足、稳定、低成本的电源支持，无论你的AI愿景有多么伟大，也不过是天上掉下来的馅饼。 2芯片层：计算霸权的“硅基心脏”是基于算力的，第二层是芯片。这里绝对是英伟达的大本营，也是整个人工智能行业的核心。现在，随着摩尔定律的衰落，“范氏定律”随着计算能力的增长而加快步伐。从A100、H100到最新的Blackwell架构，AI芯片不再只是硅片的堆叠，而是融合了尖端封装技术和高带宽内存的超级工程。在这个层面上，产业逻辑正在发生根本性的变化。 AI芯片市场的障碍不再只是硬件设计的复杂程度，还有CUDA生态系统构建的软件护城河。这种软硬件集成的独特优势结合了拥有当今AI产业链最强大的价值捕捉能力的底层算力。英伟达市值的飞速上涨，更加清晰地支撑了其在这个层面上的“收割者”地位。但这种高度集中的计算霸权也给其他科技巨头带来了压力，比如谷歌的TPU、微软的Maia和Meta的MTI。 A）加快国产芯片步伐，努力打破第二层“蛋糕”。 3、基础设施层：被低估的隐形动脉 第三层是基础设施，包括数据中心、算力网络、先进的冷却系统以及配套的电网设施。这是“五层蛋糕”中最丰富的一层，也是商机最容易被低估的领域。训练大规模人工智能模型需要数千个 GPU 以极低的延迟协同工作。这不仅是对芯片的考验，也是对网络拓扑和数据共享能力的终极挑战能力。与此同时，高密度算力带来的恐怖热量正迫使数据中心从传统风冷彻底过渡到液冷甚至相变冷却技术。在这个层面上，我们看到了科技产业与传统制造业的深度融合。这些原本走在科技最前沿的“卖水者”，如冷却剂供应商、光模块制造商、服务器机柜组装商等，正面临着对其价值观的历史性重新评估。人工智能的兴起正在以前所未有的速度重塑世界重资产基础设施。这是一场看不到硝烟却耗资数万亿美元的“铁锈地带复兴”。 4. AI模型层：智力平等和组织重组的试验场。第四层进入众所周知的认知领域：AI模型层。这是OpenAI、Google、Meta以及众多大型模型初创公司的主战场。应该是n指出这一级别的商业模式和组织形式正在急剧发展。一方面，“封闭提供商”寻求通过算力壁垒和米数据飞轮创造无所不能的AGI（通用人工智能）；另一方面，“开源”群体则寻求通过技术扩散打破前者的垄断。在此过程中，硅谷的组织架构也在发生重大变化。领先的人工智能研究人员和科学家正在打破依赖大工厂研究机构的传统路径，引发新的“海外创业浪潮”。它们将被大公司以高昂的价格收购，或者重组为新的人工智能研发合作伙伴。模型层面的竞争本质上是人类最优秀智力资本的竞争和重新配置。但从业务逻辑的角度来看，基础模型层面临着“追赶”的风险。模型层如何实现当成本模型培训呈指数级增长时，实现可持续的业务闭环仍然是一个难以解决的问题。 5、应用层：人工智能价值的最终锚点，“五层蛋糕”的最上面是直接触及物理世界和最终用户的应用层。其中，黄仁勋特别强调了机器人和自动驾驶。生成式人工智能的后半部分范围从在虚拟空间中生成文本和图像到与物理世界交互的体现智能以及复杂系统中的决策，例如自动驾驶和工业生产（工业控制等）。应用层是决定这场AI狂欢能否从资本泡沫走向产业现实的关键。这也解释了为什么以“蝗虫”为代表的人工智能代理概念现在如此流行。纯粹的聊天机器人无法支撑万亿级的商业想象力。 AI只能思考深入制造业智能代理可以了解其环境、召唤工具并自主执行任务，或者骑在人形机器人的身体上。只有当前四层积累的巨大沉没成本在制造业、服务业、医疗保健和交通运输等实体经济的毛细血管中实现时，才能实现真正的价值。 6、产业链“木桶效应”和我国黄仁勋“五层蛋糕”模型的启发，为研究AI产业提供了坐标系。它最大的发现在于揭示了AI产业链的强耦合性和木桶效应。在这个五层架构中，任何一层的故障都限制了整个行业的天花板。对于目前正处于全球人工智能博弈关键时刻的中国企业来说，这既是一个艰巨的挑战，也是一个结构性机遇。从挑战来看，中国企业面临着明显的“中层压力”。在t在第二层（芯片）和部分第三层（高端网络和基础设施）领域，由于地缘政治出口管制和先进工艺的物理壁垒，中国企业在计算机硬件方面面临着客观的代际差异。这种高昂的底层算力成本，直接提高了第四层（AI模型）的训练门槛，迫使其承受更大的资金压力和试错成本，才能赶上全球最流行的大规模模型。从机遇角度看，中国在“蛋糕”的两端都具有一定的比较优势。在能源层面，中国在太阳能发电、可再生能源发电、特高压输电、储能等新能源基础设施方面具有全球优势。当然，拥有充足的能力并不意味着人工智能公司可以依赖适合其工作负载的稳定、低成本的网络。高效的电力并不容易获得。程度这种效益能否实现取决于电力市场机制、区域间的电力分配以及能源消耗的效率。在模型层，中国开源模型近两年进步很快，在低成本推理、行业调优、垂直场景适配等方面取得了显着进展。黄仁勋在文章中特别提到了DeepSeek，表示中国模特公司正在进入全球竞争的前列。在应用层面，中国是全球唯一拥有联合国工业委员会Classifica所有工业门类的国家。我国在机器人、自动驾驶、智能制造等物理应用方面拥有丰富的测试场景和较强的分层工程实施能力。鉴于上述情况，中国企业和政策制定者可以采取“跨层次合作、不对称竞争”的策略。首先，我们将构建d以“绿色能源+算力”为根本优势。需要进一步深化“数据在东方、计算在西方”等宏观战略，引导资产丰富的算力基础设施向中西部清洁能源丰富地区迁移。通过制度创新，AI企业可以更直接地获取低成本绿色能源，利用功率级成本优势抵消芯片级硬件溢价。在 withNext 中，我们深入研究了数据元素的流通和大规模垂直模型的生态。在继续走大车型大体路线的同时，创新重点应该放在垂直车型上。我们需要加快理顺数据所有权、定价和供需机制，盘活大量沉睡的数据资产。使用门槛极高的行业特定数据来喂养大规模模型，真正解决金融、医疗等垂直行业的业务问题和工业制造。第三，应用层的效益会反馈到芯片层的研发。中国企业应充分利用“超级工厂”和广阔的国内市场，加速嵌入式智能、自动驾驶等终端产品的研发。物理世界中的市场规模巨大。应用层才是真正的缓存。只有产生流量，才能提供持续的“造血”能力，实现国产底层芯片、高端光模块和液冷系统的国产化，最终实现从下游到上游的产业链突破。 （作者王翔为复旦大学数字移动治理实验室研究员）来源：王翔
特别提示：以上内容（包括图片、视频，如有）由自有媒体平台“网易账号”用户上传发布。本平台仅提供信息离子存储服务。
注：以上内容（包括图片和视频，如有）由提供社交媒体服务的社交媒体平台网易号用户上传并发布。仅供信息存储。