2026年3月《AI is a 5-Layer Cake》长文与GTC大会上系统提出：AI不是模型，而是一整套“从电到智能”的工业化堆栈，层层拉动、缺一不可。

第一层：能源（Energy）——最底层物理基石

- 核心逻辑：每生成1个token，都是电子流动、热量管理、能量转计算；实时智能需要实时电力。

- 现实约束：AI数据中心耗电约全球2%；单颗Blackwell Ultra功耗1000W+；液冷PUE降至1.05以下成标配。

- 关键方向：清洁能源、电网升级、液冷与电力管理系统。

第二层：芯片（Chips）——能源转算力的引擎

- 核心逻辑：把电能高效转为算力，需要超大并行度、高带宽内存（HBM）、高速互连 。

- 代表产品：英伟达Blackwell/Rubin GPU、Grace/Vera CPU、LPU；3nm、HBM4、光互连成主流。

- 关键方向：先进制程、封装、HBM、高速光模块（如康宁扩产的CPO/高速光连接）。

第三层：基础设施（Infrastructure）——“AI工厂”

- 核心逻辑：把数万颗芯片组成单一超级计算机，造“智能”而非存数据；含厂房、电力、散热、网络、调度系统 。

- 代表形态：英伟达DGX SuperPOD、Vera Rubin超算；CPO光互联支撑集群间TB级带宽。

- 关键方向：超大规模数据中心、液冷集群、高速光网络、分布式调度软件。

第四层：模型（Models）——智能的“大脑”

- 核心逻辑：在AI工厂上训练的基础模型，理解语言、图像、蛋白质、化学、物理、机器人等 。

- 代表类型：GPT-5、Claude 4（语言）；AlphaFold 3（蛋白质）；物理/自动驾驶/医疗专用模型。

- 关键方向：通用大模型、行业专用模型、小模型+智能体（Agent）、多模态融合。

第五层：应用（Applications）——价值变现层

- 核心逻辑：把模型能力落地到行业，产生经济价值；一个应用拉动下四层的全部投入。

- 代表场景：AI制药、自动驾驶、人形机器人、工业质检、法律/教育/医疗助手、创意生成。

- 关键方向：垂直行业解决方案、AI原生应用、人机协作工具。

核心一句话

能源→芯片→基础设施→模型→应用：上层需求拉动下层投资，下层突破支撑上层创新；AI是人类史上最大规模的基础设施建设，数万亿美元级 。