黄仁勋在达沃斯论坛上，话说得很直接。现在最重要的事情，就是基础设施。别的都是次要的。他说，AI 已经启动了人类历史上最大规模的基础设施建设。而且这事才刚开始。
我们先要明白一个词，叫“平台迁移”。这个词听起来有点复杂。但其实很简单。你想想看，我们用电脑的方式一直在变。最早，我们在个人电脑（PC）上装软件用。后来，我们用浏览器上网。再后来，我们用手机上的App。每一次变化，都不是小打小小闹。整个行业的基础都变了。从硬件到软件，再到商业模式，全都要重新来过。现在，AI 就是这个最新的平台。它正在改变一切。
黄仁勋有个“AI五层蛋糕”的比喻。这个比喻把AI的结构说清楚了。
最下面一层是能源。AI要实时生成东西，非常耗电。没有电，什么都别谈。
第二层是芯片和基础设施。英伟达就是干这个的。它像是AI的心脏。
第三层是云服务。大公司提供计算平台。这像是建AI工厂的土地和厂房。
第四层是AI模型。比如我们知道的GPT。这是AI的大脑。
最上面一层是AI应用。比如自动驾驶、聊天机器人。这是我们能直接看到、用到的产品。
现在的情况是，所有人的目光都盯着最上面那层，也就是AI应用。风险投资的钱，大部分都投给了“AI原生公司”。这些公司从一成立，就是围绕AI来设计产品和商业模式的。它们不是传统公司加个AI部门那么简单。
比如礼来制药公司。他们以前开发新药，主要是在实验室里做化学试验。这是一个很慢、很花钱的过程。但现在，他们投钱建了一个大型AI实验室和超级计算机。他们把一部分新药开发的工作交给了AI。黄仁勋说，礼来公司发现AI在理解蛋白质方面进步很快。未来，我们甚至可以像跟人聊天一样，去跟蛋白质“对话”。这样能带来重大的科学突破。
这种变化不只发生在制药行业。很多行业都在变。比如机器人制造、医疗诊断、金融交易、客服系统。过去这些领域都需要大量的人。现在AI原生公司的做法是这样的。第一步，拿一个现成的AI大模型。第二步，用自己行业的专业数据去训练它。让它变成一个懂行的专家。第三步，把这个能力做成可以直接用的产品。
拿客服系统举个例子。以前公司要建一个呼叫中心，得雇几百个人。成本很高。现在用AI客服系统就行了。它可以一天24小时工作，回答问题标准统一。而且成本只有人工的十分之一。这种产品已经有很多公司在用了。而且真的能帮公司省钱、赚钱。
为什么AI应用会突然这么多？黄仁un的回答是，因为AI模型的能力变强了。他说2025年模型层有三件大事。第一，模型越来越可靠，可以帮你做研究、做计划。AI正在变成一个能干活的智能体。第二，开源模型很重要。他特别提了DeepSeek。开源让更多公司和大学能用上好模型，开发自己的东西。第三，AI开始理解物理世界了。它不只懂语言，还开始懂蛋白质、化学这些复杂的东西。
那么，AI应用公司越来越多了，会发生什么？黄仁un的回答很干脆：上层的应用爆发了，下层的基础设施就必须跟上。这就好比路上跑的车突然多了好几倍，加油站和公路肯定就不够用了。他说，英伟eida已经投了几千亿美元搞基建。但这还远远不够。未来需要建的是数万亿美元级别的基础设施。
所以我们看到，整个行业都在快速扩张。台积电宣布要建20座新的晶圆厂。英伟达要和富士康、纬创这些公司一起，合作建30座新的计算机工厂。内存行业也在扩张。美光科技宣布在美国投资几千亿美元。SK海力士、三星也都在建新工厂。这说明，AI不是飘在天上的概念。它背后是实打实的工厂、设备和投资。
AI会创造大量工作岗位，技工类职业非常吃香
很多人都在担心一个问题。AI这么厉害，会不会抢走我的工作？这个问题，几乎每个人都会想。
黄仁勋的看法很明确：不会。而且，AI还会创造出大量新的工作岗位。他经常举一个放射科医生的例子。大概十年前，AI教父辛顿说，大家不要再培养放射科医生了。因为AI看医学影像又快又准。五年后这些医生可能就没工作了。但现在十年过去了，发生了什么？事实是，AI已经用在了放射科的各个环节。但是放射科医生的数量，不但没减少，反而增加了。
为什么会这样？因为AI的工作是“任务”，而医生的工作是“目的”。我们要把这两个东西分开看。放射科医生的“目的”，是诊断病人的疾病，帮助病人康复。而“解读影像”，只是他工作中的一项“任务”。现在，AI可以把“解读影像”这个任务做得很好。这样就把医生的时间省下来了。医生就可以花更多时间跟病人沟通，或者跟其他科室的医生协作。医院能看的病人变多了，收入也增加了。所以对医生的需求自然也增加了。AI成了医生的好帮手，而不是来抢饭碗的。
那么，AI创造的新工作岗位都在哪里呢？根据黄仁勋的观察，主要集中在“技工类岗位”上。这可能跟很多人的想法不一样。
这些岗位包括：水管工、电工、钢结构工人、网络技术人员，还有那些负责设备安装、调试和维护的人。为什么是这些工作？原因很简单。前面说了，AI正在引发人类历史上规模最大的基础设施建设。我们要建芯片工厂、计算机工厂、AI工厂。这些工厂不是凭空出现的。你得有人去建。
具体来说，建一座AI工厂，流程是这样的。第一，你要规划土地，打地基，这需要建筑工人。第二，你要搭建厂房的钢结构，这需要钢结构工人。第三，你要铺设复杂的管道系统，用来输送水、气体和化学品，这需要水管工。第四，你要连接整个工厂的电力网络，成千上万台机器都要用电，这需要电工。第五，所有设备都要联网，形成一个巨大的计算网络，这需要网络技术人员来安装和调试。
所以，你看，虚拟世界的进步，离不开物理世界的支持。黄仁勋透露，只在美国，这些技工岗位的需求就出现了很明显的增长。而且工资也涨得很快，差不多翻了一倍。现在去参与建设芯片工厂或AI工厂的人，基本上都能拿到六位数的年薪。这说明，动手能力强、懂工程技术的人，在AI时代会非常受欢迎。相比之下，那些在办公室里做重复性文书工作的人，可能需要考虑学习新技能了。
每个国家都应该建设AI基础设施，欧洲的机会尤其难得
在访谈的最后，黄仁勋把话题提高到了国家层面。他呼吁每个国家都应该立刻行动。特别是发展中国家。要赶紧建设自己的AI基础设施。
他认为，AI不会扩大技术鸿沟。反而会缩小它。因为在未来，AI本身就是一种基础设施。就像我们现在用的电和公路一样。他说，他很难想象，未来会有哪个国家不把AI看作是基础设施的一部分。一个国家不能没有自己的公路和电网。同样，一个国家也不能没有自己的AI能力。
因此，打造属于自己的AI模型，对一个国家来说会很重要。“国家智能”这个词会成为常态。因为每个国家的文化、语言、国情都不一样。用本国的数据训练出来的AI，才能更好地为本国服务。如果一个国家的“智能”完全建立在别人的平台上，这是很危险的。
而且AI的使用门槛其实很低。黄仁勋认为，ChatGPT可能是历史上最成功的消费级AI产品。它的用户规模在短短几年里就接近了十亿。它的界面很简单，几乎任何人都能上手。不管你是在发达国家，还是在发展中国家，只要有网络，就能接触到AI。所以，每个人都应该去学习怎么使用AI，怎么管理它。未来，我们可能不只要管理人，还要管理数字化的AI。AI会成为我们工作中的一部分。
最后，话题转到了欧洲。欧洲在这一波AI浪潮中，声音似乎不大。黄仁勋直接指出了欧洲的机会。他说，这是一个“一代人只有一次”的机会。
欧洲的强项不是互联网公司，而是强大的工业基础。黄仁勋建议，欧洲应该把自身强大的工业制造能力和AI结合起来。这样就能直接进入“物理AI”和机器人时代。举个例子，德国的制造业很厉害。如果他们的工厂能深度使用AI，就能造出更智能的机器人，生产线会变得更高效、更灵活。这才是欧洲应该走的路。但是，这有一个前提。欧洲必须严肃对待能源供给问题。而且要加大对基础设施层的投入。
那么，现在到底有没有AI泡沫？黄仁un的回答很直接：没有。他给了一个简单的判断标准。他说，英伟达的GPU现在遍布所有云平台。但是你想租到一块GPU仍然很难。而且不只是最新一代的卡，连两代之前的GPU，租赁价格都还在上涨。
这个现象说明了一切。当供给远远跟不上需求的时候，就不存在泡沫。这说明，AI基础设施的缺口还非常大。所以黄仁勋大声呼吁，投资AI基础设施，是一次历史级别的机会。
