全文 3,000字 | 閱讀約 8 分鐘

(黃仁勛：藍(lán)領(lǐng)崗位的需求缺口越來越大)

“AI，到底是概念泡沫，還是真金白銀的基建？”

2026 年 1 月 21 日，達(dá)沃斯主舞臺(tái)對(duì)談上，英偉達(dá)創(chuàng)始人黃仁勛給出的答案是:

這是人類歷史上最大的一次基礎(chǔ)設(shè)施建設(shè)。

這個(gè)“建設(shè)”，是真的要?jiǎng)油?、通電、招人?/p>

黃仁勛說，AI 分五層：最底層是能源，往上是芯片、云服務(wù)、模型，最頂層才是應(yīng)用。而每一層，都需要真實(shí)的廠房、設(shè)備、電力和人。

正因如此，他對(duì)所有國家說：AI 是基礎(chǔ)設(shè)施。每個(gè)國家都該建。

所以，這篇文章，我們不談宏觀趨勢(shì)，只把一個(gè)問題問清楚: AI 基建，到底在建什么?

第一節(jié)｜第一件事是電，不是芯片

2025年，全世界的科技公司都在搶算力。但算力要運(yùn)轉(zhuǎn)，必須有電。而且是持續(xù)的、穩(wěn)定的、大量的電。

結(jié)果，最先漲價(jià)的，是電力合同。

這不是偶然。黃仁勛在達(dá)沃斯說：

“AI 是實(shí)時(shí)處理、實(shí)時(shí)生成智能的，它需要能源來做到這一點(diǎn)?！?/p>

這意味著，哪怕你手上有最好的模型，有最新的芯片，但如果沒有穩(wěn)定、足夠的電力，AI 就動(dòng)不了。不是慢，而是完全運(yùn)行不了。

因?yàn)?AI 需要的電，和普通用電不一樣。數(shù)據(jù)中心訓(xùn)練模型、實(shí)時(shí)推理，需要的是高密度、低延遲、全年不中斷的電力。

這意味著，建 AI 不只是“通上電”就行，而是要建一整套能源供應(yīng)系統(tǒng)：選址要看電網(wǎng)能不能承受，發(fā)電要保證穩(wěn)定輸出，儲(chǔ)能要應(yīng)對(duì)峰值，配網(wǎng)要扛得住持續(xù)高負(fù)載。

黃仁勛沒有用能源危機(jī)這樣的詞。他說的是：我們需要更多的能源、土地和數(shù)據(jù)中心。在他看來，人類歷史上最大的基礎(chǔ)設(shè)施建設(shè)已經(jīng)開始。

從美國到阿聯(lián)酋，從東南亞到北歐，想建 AI 的地方，第一件事都是先談電力夠不夠。

AI 到底在建什么?

第一步不是寫代碼，是先接上電。

第二節(jié)｜芯片廠、AI 工廠,都已經(jīng)開工了

黃仁勛說:

“我們正在世界各地建設(shè)芯片工廠、計(jì)算機(jī)工廠和 AI 工廠。”

他列出了幾組數(shù)字：臺(tái)積電將在全球建 20 座新芯片廠，廣達(dá)、緯創(chuàng)、富士康將建 30 座 AI 計(jì)算機(jī)工廠。不是代工手機(jī)、不是做消費(fèi)電子，而是專門為 AI 訓(xùn)練和部署提供生產(chǎn)裝備。

芯片負(fù)責(zé)算，但 AI 還需要存。訓(xùn)練一個(gè)大模型，要處理海量數(shù)據(jù)，這些數(shù)據(jù)得有地方放。 美光（Micron）宣布投資2000億美元做存儲(chǔ)器，三星和 SK 海力士也同步加碼。

也就是，建 AI 不光是有電就行，還得造出整套硬件：芯片負(fù)責(zé)算，存儲(chǔ)器負(fù)責(zé)裝數(shù)據(jù)，計(jì)算機(jī)工廠把這些組裝成 AI 服務(wù)器，然后大規(guī)模交付。

這不是幾家公司的事，而是一場全球性的建設(shè)浪潮。

為什么說是浪潮？

因?yàn)檫@和早年的鋼鐵、電力、鐵路一樣，都是先建工廠，再有產(chǎn)業(yè)。AI 工廠的概念過去聽起來有點(diǎn)虛，現(xiàn)在你能看到動(dòng)土、招工、封頂、通電、交付的完整流程。

那么規(guī)模有多大？ 黃仁勛給出的數(shù)字是：我們現(xiàn)在投入了幾千億美元，但這只是開始，還有數(shù)萬億美元的基礎(chǔ)設(shè)施要建。

AI 的熱，不是因?yàn)椤俺锤拍睢?，而是越來越多國家、企業(yè)都在真金白銀地建廠、買設(shè)備、招人。

從電力到工廠，AI 這場基建，已經(jīng)從圖紙落到了地上。

第三節(jié)｜模型只是第四層，不是 AI 的全部

過去幾年，大家談 AI，說的幾乎都是模型。

哪個(gè)模型更強(qiáng)，參數(shù)多少，誰跑分第一。

但在黃仁勛看來，模型只是 AI 五層結(jié)構(gòu)中的一層。準(zhǔn)確說，是第四層。在它下面，有能源、芯片、云服務(wù)在支撐；在它上面，還有應(yīng)用層才是真正產(chǎn)生價(jià)值的地方。

怎么理解？他用了一個(gè)比喻：過去的 AI 模型像是一臺(tái)發(fā)動(dòng)機(jī)放在展臺(tái)上，很漂亮，但你不能直接開走。你得先造好車架、油箱、電路系統(tǒng)，再裝進(jìn)去，最后調(diào)校，跑在真實(shí)路上，才叫產(chǎn)品。

現(xiàn)在最大的問題，不是模型不夠好，而是很多人只看到“發(fā)動(dòng)機(jī)”。

黃仁勛看的不一樣。他關(guān)注的是，這臺(tái)發(fā)動(dòng)機(jī)能不能進(jìn)車間、上公路、進(jìn)行業(yè)現(xiàn)場。

因?yàn)槟Ｐ捅旧聿坏扔趹?yīng)用，只有落地了才有價(jià)值。

真正讓產(chǎn)業(yè)受益、讓經(jīng)濟(jì)增長的，是應(yīng)用層。也就是模型之上，那些能落地到醫(yī)療、金融、制造等具體領(lǐng)域的產(chǎn)品和服務(wù)。

所以現(xiàn)在，行業(yè)的焦點(diǎn)正在轉(zhuǎn)移：不再是誰的模型參數(shù)更多，而是誰能把 AI 真正用起來。

第四節(jié)｜AI 原生公司爆發(fā)，基建才剛開始

黃仁勛在達(dá)沃斯給出了一組數(shù)據(jù)：2025年是風(fēng)險(xiǎn)投資歷史上投資額最高的一年之一，大量資金流向了 AI 原生公司。

這些公司不造模型，也不設(shè)計(jì)芯片。它們直接拿現(xiàn)成的模型來做事，做藥物研發(fā)、做金融分析、重建制造流程。

他用了一個(gè)詞：AI 原生公司（AI-native companies）。意思是，這類公司一開始就圍繞 AI 來設(shè)計(jì)自己的產(chǎn)品流程和商業(yè)模式。

比如制藥巨頭禮來公司（Lilly），過去主要把研發(fā)預(yù)算投在濕實(shí)驗(yàn)室，買設(shè)備、做化學(xué)試驗(yàn)。但現(xiàn)在，他們投資了一座大型 AI 實(shí)驗(yàn)室和超級(jí)計(jì)算機(jī)，把一部分新藥開發(fā)流程交給 AI。

類似的轉(zhuǎn)變，在很多行業(yè)都在發(fā)生。

機(jī)器人制造、醫(yī)療診斷、自動(dòng)交易、客服系統(tǒng)、合規(guī)審查……這些過去需要大量人力的領(lǐng)域，現(xiàn)在 AI 原生公司的做法是：拿現(xiàn)成的模型，用自己行業(yè)的數(shù)據(jù)訓(xùn)練它，讓它學(xué)會(huì)處理具體任務(wù)，再把這套能力做成可以直接用的產(chǎn)品。

比如客服系統(tǒng)，以前要雇幾百人，現(xiàn)在用 AI 客服，24小時(shí)在線，成本降到十分之一。這不是概念驗(yàn)證，而是已經(jīng)在大規(guī)模商用的產(chǎn)品。

而當(dāng)這類 AI 原生公司越來越多，會(huì)發(fā)生什么？

黃仁勛的回答是：上層 AI 應(yīng)用爆發(fā)了，下層基礎(chǔ)設(shè)施就得必須跟上。

這些公司要用 AI，不是演示一次，而是要它穩(wěn)定、便宜、能大規(guī)模用。這就倒逼著底層基礎(chǔ)設(shè)施必須擴(kuò)張：

• 電力得更充足，

• 芯片要供得上，

• 工廠要能量產(chǎn)，

• 云服務(wù)要能承壓。

黃仁勛說：我們才剛開始建 AI 的底座。不是行業(yè)不熱，是用AI 的公司才剛剛冒出來?；A(chǔ)設(shè)施的作用，就是讓這些公司能真正用起來。

第五節(jié)｜誰在參與：勞動(dòng)力和國家的角色

說完建什么，再看誰來建。

答案可能出乎很多人意料：首先是水管工、電工、鋼鐵工人。

在美國，參與芯片廠、計(jì)算機(jī)工廠、AI工廠建設(shè)的這些工種，已經(jīng)供不應(yīng)求。黃仁勛現(xiàn)場舉了個(gè)數(shù)字：薪資在短時(shí)間內(nèi)幾乎翻了一倍，有人年薪已經(jīng)突破六位數(shù)。最重要的是，這類工作并不需要計(jì)算機(jī)博士學(xué)位。它需要的是，能動(dòng)手、能現(xiàn)場施工、能操作設(shè)備的人。

對(duì)很多國家來說，這是讓藍(lán)領(lǐng)重新成為中產(chǎn)的機(jī)會(huì)。

那么，當(dāng) AI 真正投入使用后，會(huì)怎樣影響那些已經(jīng)在崗的人？

很多人的第一反應(yīng)是：會(huì)被取代。但現(xiàn)實(shí)恰恰相反。

比如放射科醫(yī)生。過去 AI 被預(yù)測最先取代的職業(yè)之一就是他們。但 10 年過去，AI 已經(jīng)深入滲透放射科室，而醫(yī)生的數(shù)量卻增加了。

為什么？

因?yàn)樽x圖像這種重復(fù)、機(jī)械的任務(wù)被 AI 接手后，醫(yī)生反而能把時(shí)間用在和病人對(duì)話、做綜合判斷上。醫(yī)院接診量增加，收入提升，醫(yī)生職位也變多了。

再比如護(hù)士。很多 AI 工具正在幫他們完成文檔記錄、就診轉(zhuǎn)寫等繁雜事務(wù)。結(jié)果是：護(hù)士花更多時(shí)間照顧病人，而不是填表。病人流轉(zhuǎn)變快，醫(yī)院雇的人也更多了。

黃仁勛總結(jié)：AI 取代的是任務(wù)，不是目的。

只要你的工作不是純機(jī)械重復(fù)，而是需要判斷、需要和人互動(dòng)、需要?jiǎng)?chuàng)造，AI 就是幫手，不是對(duì)手。

除了個(gè)人，國家呢？

黃仁勛強(qiáng)調(diào)的是：參與權(quán)。過去很多發(fā)展中國家覺得 AI 太遙遠(yuǎn)，但他給出的是一套本地起步方案：

• 開源模型已經(jīng)非常強(qiáng)大；

• 很多國家可以用本地語言+本地知識(shí)進(jìn)行微調(diào)；

• 不一定非要從頭做起，但一定要參與建設(shè)。

AI 應(yīng)該像電力、道路一樣，是每個(gè)國家的基礎(chǔ)設(shè)施。這話，是說給所有發(fā)展中國家聽的。

如果說過去幾波技術(shù)革命，先在硅谷、歐美發(fā)生，再傳到其他國家；那么 AI 這一輪，是從頭就開放了部分參與權(quán)。

你不必先造模型，但可以先用模型；不必懂芯片，但可以先建 AI 應(yīng)用。

結(jié)語｜短缺，不是泡沫

想租一個(gè) GPU，很難。

現(xiàn)貨價(jià)格還在漲，不只是最新的，就連兩代以前的卡也漲了。

黃仁勛說：

“泡沫不會(huì)漲價(jià)，短缺才會(huì)。”

制藥公司開始把錢投向 AI 實(shí)驗(yàn)室。各國在搶電力和土地。投資機(jī)構(gòu)在找 AI 基建項(xiàng)目。

AI 到底在建什么？

能源、芯片廠、數(shù)據(jù)中心、模型層、應(yīng)用層。

這是黃仁勛在達(dá)沃斯給出的答案。

識(shí)自AI

本文由AI深度研究員出品，內(nèi)容編譯自黃仁勛在2026年達(dá)沃斯世界經(jīng)濟(jì)論壇的公開訪談。文章為翻譯整理與分析，已對(duì)原文進(jìn)行結(jié)構(gòu)化編輯和觀點(diǎn)提煉。未經(jīng)授權(quán)，不得轉(zhuǎn)載。

星標(biāo)公眾號(hào)， 點(diǎn)這里 1. 點(diǎn)擊右上角 2. 點(diǎn)擊"設(shè)為星標(biāo)" ← AI深度研究員 ? ← 設(shè)為星標(biāo)

https://www.youtube.com/watch?v=hoDYYCyxMuE

https://www.weforum.org/stories/2026/01/live-from-davos-2026-what-to-know-on-day-3/

https://blogs.nvidia.com/blog/davos-wef-blackrock-ceo-larry-fink-jensen-huang/

來源：官方媒體/網(wǎng)絡(luò)新聞，

排版：Atlas

編輯：深思

主編：圖靈