百科
按黃仁勳「AI 五層蛋糕理論」組織的 AI 產業常青百科:各層的核心公司、人物、名詞速查。人工維護,與每日新聞分開。
AI 五層蛋糕理論 AI 5-Layer Cake
黃仁勳提出的 AI 產業框架——把 AI 看作一塊自下而上的五層蛋糕:能源、芯片、基礎設施、模型、應用。它是讀懂AI時代(Read AI Time)梳理 AI 產業的內容骨架。
黃仁勳 Jensen Huang
英偉達(NVIDIA)聯合創始人兼 CEO · 「AI 五層蛋糕理論」提出者
1993 年創立英偉達並長期執掌,把 GPU 從圖形芯片推向通用與加速計算,押注 CUDA 生態與數據中心, 使英偉達成為 AI 算力浪潮最核心的供應商。本站「讀懂AI時代」即圍繞他與「AI 五層蛋糕」展開。
應用
經濟價值落地:自動駕駛、機器人、AI 製藥與各類 copilot 該層新聞 →-
應用層 Applications(五層蛋糕 · 第 5 層)
「五層蛋糕」最頂層。經濟價值在此產生——自動駕駛、人形機器人、AI 製藥、各類 copilot 等面向終端的產品與服務。
-
自動駕駛 Autonomous Driving
讓車輛藉助傳感器與 AI 模型自主感知、決策與行駛的技術,是 AI 在物理世界落地的代表性應用之一。
-
人形機器人 Humanoid Robots
具備類人形態、由 AI 模型驅動感知與動作的通用機器人,被視為 AI 進入物理世界的重要應用方向。
-
AI 製藥 AI Drug Discovery
用 AI 模型預測分子結構與性質、加速新藥發現的應用方向,是 AI 在科學研究領域落地的代表場景。
-
AI Copilot(編程 / 辦公助手)
嵌入編程與辦公軟件、輔助人類完成任務的 AI 助手,是大模型最貼近日常工作的落地應用形態之一。
模型
理解世界:大模型、推理模型、研究與開源權重 該層新聞 →-
模型層 Models(五層蛋糕 · 第 4 層)
「五層蛋糕」第 4 層。讓 AI 理解語言、生物、化學、物理與金融等信息的大模型、推理模型與各類基礎模型,是連接底層算力與頂層應用的關鍵。
-
OpenAI
以 GPT 系列大模型和 ChatGPT 聞名的人工智能公司,推動了生成式 AI 的普及,是算力的重要消耗方。
-
DeepSeek
來自中國的大模型公司,以高性價比的開源模型受到關注,代表了在有限算力下追求效率的技術路線。
-
Anthropic
以 Claude 系列模型著稱的人工智能公司,強調 AI 安全與可控,是大模型領域的主要參與者之一。
-
Transformer 架構
2017 年提出的神經網絡架構,以注意力機制為核心,是當代幾乎所有大語言模型的共同技術基礎。
-
推理模型 Reasoning Models
通過在回答前生成顯式思考步驟來提升複雜任務表現的大模型,顯著抬高了推理階段的算力需求。
基礎設施
AI 工廠:數據中心、超大規模雲、網絡與液冷 該層新聞 →-
基礎設施層 Infrastructure(五層蛋糕 · 第 3 層)
「五層蛋糕」第 3 層,即黃仁勳所說的「AI 工廠」——把成千上萬顆處理器、供電、冷卻、建築與網絡編排成一臺機器,把算力變成生產力。
-
超大規模雲 Hyperscaler
運營全球級數據中心與雲服務的少數巨頭企業,是 AI 算力最大的採購方與基礎設施建設者。
-
AI 工廠 AI Factory
黃仁勳提出的概念,把以 GPU 集群為核心、專門生產「智能」的現代數據中心,類比為生產 token 的工廠。
-
數據中心 Data Center
集中放置服務器、存儲與網絡設備的物理設施,配套供電與散熱系統,是承載 AI 算力的實體場所。
-
液冷 Liquid Cooling
用液體替代空氣為高功率芯片散熱的技術,隨著 GPU 功耗攀升而成為高密度 AI 數據中心的主流方案。
芯片
把能源變算力:GPU / HBM / 先進封裝 / 晶圓代工 該層新聞 →-
芯片層 Chips(五層蛋糕 · 第 2 層)
「五層蛋糕」第 2 層。把能源高效轉化為算力的處理器——GPU / AI 加速器、HBM、先進封裝、互連與晶圓代工,直接決定 AI 的擴展速度。
-
英偉達 NVIDIA
全球領先的 GPU 與 AI 加速計算公司,憑藉 CUDA 生態、NVLink 互聯與數據中心平臺,主導著 AI 訓練與推理的算力供給。
-
臺積電 TSMC
全球最大的半導體晶圓代工廠,掌握最先進製程與先進封裝產能,是英偉達等芯片設計公司不可或缺的製造夥伴。
-
HBM 高帶寬內存
通過 3D 堆疊實現超高帶寬的內存技術,緊貼 GPU 封裝,是餵飽 AI 加速器、緩解「內存牆」的關鍵部件。
-
NVLink
英偉達的高速芯片間互聯技術,讓多顆 GPU 像一顆超級芯片那樣協同,是構建大規模 AI 算力集群的關鍵互聯。
-
CUDA
英偉達的並行計算平臺與編程模型,是 GPU 通用計算的事實標準,也是其芯片生態最堅固的軟件護城河。
-
自研 AI 芯片(ASIC)
雲廠商自研的 AI 加速芯片 —— 谷歌 TPU、亞馬遜 Trainium、微軟 Maia 等,以專用集成電路(ASIC)路線挑戰英偉達 GPU 的通用算力。
-
美國對華芯片出口管制
美國商務部工業與安全局(BIS)對先進 AI 芯片、半導體設備與相關技術的對華出口限制,是英偉達數據中心 GPU 在華銷售的最大政策變量。
能源
AI 的地基:發電、電網、核電與數據中心用電 該層新聞 →-
能源層 Energy(五層蛋糕 · 第 1 層)
「五層蛋糕」最底層。AI 的地基與絕對約束——實時生成的智能需要實時產生的電力。涵蓋發電、電網、核電與數據中心用電。
-
電網 Power Grid
把發電廠的電力輸送到數據中心等終端用戶的輸配電網絡,是 AI 算力規模擴張時最先觸及的物理瓶頸之一。
-
核電與小型模塊化反應堆 SMR
以穩定低碳的核能為 AI 數據中心供電的方案,其中小型模塊化反應堆 SMR 因可工廠化量產、就近部署而受到關注。
-
電力公司 Utilities
負責發電、輸電與配電的能源企業,掌握併網容量與電價,是 AI 數據中心能否快速落地的關鍵合作方與守門人。
-
PUE(電源使用效率)
衡量數據中心能效的核心指標,等於總耗電除以 IT 設備耗電,數值越接近 1 表示用於散熱等開銷的電力越少。