百科
按黄仁勋「AI 五层蛋糕理论」组织的 AI 产业常青百科:各层的核心公司、人物、名词速查。人工维护,与每日新闻分开。
AI 五层蛋糕理论 AI 5-Layer Cake
黄仁勋提出的 AI 产业框架——把 AI 看作一块自下而上的五层蛋糕:能源、芯片、基础设施、模型、应用。它是读懂AI时代(Read AI Time)梳理 AI 产业的内容骨架。
黄仁勋 Jensen Huang
英伟达(NVIDIA)联合创始人兼 CEO · 「AI 五层蛋糕理论」提出者
1993 年创立英伟达并长期执掌,把 GPU 从图形芯片推向通用与加速计算,押注 CUDA 生态与数据中心, 使英伟达成为 AI 算力浪潮最核心的供应商。本站「读懂AI时代」即围绕他与「AI 五层蛋糕」展开。
应用
经济价值落地:自动驾驶、机器人、AI 制药与各类 copilot 该层新闻 →-
应用层 Applications(五层蛋糕 · 第 5 层)
「五层蛋糕」最顶层。经济价值在此产生——自动驾驶、人形机器人、AI 制药、各类 copilot 等面向终端的产品与服务。
-
自动驾驶 Autonomous Driving
让车辆借助传感器与 AI 模型自主感知、决策与行驶的技术,是 AI 在物理世界落地的代表性应用之一。
-
人形机器人 Humanoid Robots
具备类人形态、由 AI 模型驱动感知与动作的通用机器人,被视为 AI 进入物理世界的重要应用方向。
-
AI 制药 AI Drug Discovery
用 AI 模型预测分子结构与性质、加速新药发现的应用方向,是 AI 在科学研究领域落地的代表场景。
-
AI Copilot(编程 / 办公助手)
嵌入编程与办公软件、辅助人类完成任务的 AI 助手,是大模型最贴近日常工作的落地应用形态之一。
模型
理解世界:大模型、推理模型、研究与开源权重 该层新闻 →-
模型层 Models(五层蛋糕 · 第 4 层)
「五层蛋糕」第 4 层。让 AI 理解语言、生物、化学、物理与金融等信息的大模型、推理模型与各类基础模型,是连接底层算力与顶层应用的关键。
-
OpenAI
以 GPT 系列大模型和 ChatGPT 闻名的人工智能公司,推动了生成式 AI 的普及,是算力的重要消耗方。
-
DeepSeek
来自中国的大模型公司,以高性价比的开源模型受到关注,代表了在有限算力下追求效率的技术路线。
-
Anthropic
以 Claude 系列模型著称的人工智能公司,强调 AI 安全与可控,是大模型领域的主要参与者之一。
-
Transformer 架构
2017 年提出的神经网络架构,以注意力机制为核心,是当代几乎所有大语言模型的共同技术基础。
-
推理模型 Reasoning Models
通过在回答前生成显式思考步骤来提升复杂任务表现的大模型,显著抬高了推理阶段的算力需求。
基础设施
AI 工厂:数据中心、超大规模云、网络与液冷 该层新闻 →-
基础设施层 Infrastructure(五层蛋糕 · 第 3 层)
「五层蛋糕」第 3 层,即黄仁勋所说的「AI 工厂」——把成千上万颗处理器、供电、冷却、建筑与网络编排成一台机器,把算力变成生产力。
-
超大规模云 Hyperscaler
运营全球级数据中心与云服务的少数巨头企业,是 AI 算力最大的采购方与基础设施建设者。
-
AI 工厂 AI Factory
黄仁勋提出的概念,把以 GPU 集群为核心、专门生产「智能」的现代数据中心,类比为生产 token 的工厂。
-
数据中心 Data Center
集中放置服务器、存储与网络设备的物理设施,配套供电与散热系统,是承载 AI 算力的实体场所。
-
液冷 Liquid Cooling
用液体替代空气为高功率芯片散热的技术,随着 GPU 功耗攀升而成为高密度 AI 数据中心的主流方案。
芯片
把能源变算力:GPU / HBM / 先进封装 / 晶圆代工 该层新闻 →-
芯片层 Chips(五层蛋糕 · 第 2 层)
「五层蛋糕」第 2 层。把能源高效转化为算力的处理器——GPU / AI 加速器、HBM、先进封装、互连与晶圆代工,直接决定 AI 的扩展速度。
-
英伟达 NVIDIA
全球领先的 GPU 与 AI 加速计算公司,凭借 CUDA 生态、NVLink 互联与数据中心平台,主导着 AI 训练与推理的算力供给。
-
台积电 TSMC
全球最大的半导体晶圆代工厂,掌握最先进制程与先进封装产能,是英伟达等芯片设计公司不可或缺的制造伙伴。
-
HBM 高带宽内存
通过 3D 堆叠实现超高带宽的内存技术,紧贴 GPU 封装,是喂饱 AI 加速器、缓解「内存墙」的关键部件。
-
NVLink
英伟达的高速芯片间互联技术,让多颗 GPU 像一颗超级芯片那样协同,是构建大规模 AI 算力集群的关键互联。
-
CUDA
英伟达的并行计算平台与编程模型,是 GPU 通用计算的事实标准,也是其芯片生态最坚固的软件护城河。
-
自研 AI 芯片(ASIC)
云厂商自研的 AI 加速芯片 —— 谷歌 TPU、亚马逊 Trainium、微软 Maia 等,以专用集成电路(ASIC)路线挑战英伟达 GPU 的通用算力。
-
美国对华芯片出口管制
美国商务部工业与安全局(BIS)对先进 AI 芯片、半导体设备与相关技术的对华出口限制,是英伟达数据中心 GPU 在华销售的最大政策变量。
能源
AI 的地基:发电、电网、核电与数据中心用电 该层新闻 →-
能源层 Energy(五层蛋糕 · 第 1 层)
「五层蛋糕」最底层。AI 的地基与绝对约束——实时生成的智能需要实时产生的电力。涵盖发电、电网、核电与数据中心用电。
-
电网 Power Grid
把发电厂的电力输送到数据中心等终端用户的输配电网络,是 AI 算力规模扩张时最先触及的物理瓶颈之一。
-
核电与小型模块化反应堆 SMR
以稳定低碳的核能为 AI 数据中心供电的方案,其中小型模块化反应堆 SMR 因可工厂化量产、就近部署而受到关注。
-
电力公司 Utilities
负责发电、输电与配电的能源企业,掌握并网容量与电价,是 AI 数据中心能否快速落地的关键合作方与守门人。
-
PUE(电源使用效率)
衡量数据中心能效的核心指标,等于总耗电除以 IT 设备耗电,数值越接近 1 表示用于散热等开销的电力越少。