3月10日，英伟达CEO黄仁勋发了一篇长文《AI是一块五层蛋糕》。

在文章中，黄仁勋提出了一个五层蛋糕理论——

AI产业，本质是“五层蛋糕”的赛道机会，分别是能源、芯片、基础设施、模型、应用，这里面有数万亿美元的市场前景。

他预判，未来几年，传统的软件和APP形态或将消失，一种全新的软件范式AI Agent（智能体）极有可能成为主流。

今天这篇文章，君临结合IDC、摩根士丹利等的行业报告数据，把这“五层蛋糕”拆解一下，看看每一层的核心机会在哪里。

一、底层：能源层

黄仁勋开篇就说：

AI的基础不是算法，是能源。

传统软件是“预编程”，人类写死SQL查询、预设算法，输出的结果是固定的。

而AI是“实时生成智能”，每一个token（文本/图像/声音的最小单元）的输出，都是电子流动、热量管理、能量转化的结果。

没有能源，再强的芯片、再先进的模型，都只是一堆废铁。

过去几年，AI对能源的消耗，超出了绝大多数人的想象。

举例来说：

一台搭载8张高端AI芯片的服务器，满载功率7000瓦，一天耗电168度，相当于20个普通家庭一年的用电量；

一个中型AI智算中心，上千台服务器机柜，单柜功率60-120千瓦，一年耗电将超过6亿度，这等于大约20万人口的中等县城的全年居民用电量；

全球数据中心2025年用电量约536太瓦时（TWh），占全球的总电力需求2%；

2026年将接近1050TWh，同比增长95%，用电量介于日本和俄罗斯之间。

能源层的机会，不在发电侧的红海竞争，而在AI专属的能源配套。

1，AI专用电网与储能。

AI用电是很特殊的“波峰波谷的极端波动”。

训练时满负荷运转，推理时出现瞬时爆发，所以传统的电网承载不了。

这就需要对传统电网进行专门改造。

2026年起，各地智算中心配套的专用储能电站、柔性电网、备用燃气发电机需求开始出现暴发。

2，绿电+AI算力绑定。

目前国内政策有强制要求，新建的智算中心绿电占比超80%，PUE（能源使用效率）控制在1.25以内。

这推动光伏、风电配套的AI数据中心，成为新风口。

3，冷却与能源管理。

由于AI芯片功耗极高，传统空调不够用。

所以液冷技术、AI驱动的能源管理系统需求预计2026年开始爆发，市场规模增速超60%，这是能源层的“隐形金矿”。

二、算力核心：芯片层

能源之上是芯片。

芯片的使命，是把能源高效转化为算力——并行计算、高带宽内存、快速互连。

这决定了AI的扩展速度与智能上限。

黄仁勋在文章里强调，AI芯片不是普通芯片，是“加速计算”的核心。

过去三年，大家都在卷大模型参数，但真正决定AI落地的，是能承载海量参数、高效运行的芯片。

从全球视角来看，AI芯片目前正处于超级周期中，这个看看英伟达的股价就知道了。

市场规模方面，2026年全球AI芯片预计突破2800亿美元，同比增长40%。

其中推理芯片占比52%（1450亿美元），成为绝对主力，这标志着AI芯片的需求正从训练，转向大规模化的应用。

2025-2035年，全球AI芯片复合年增长率预计可达36.6%，2035年的规模将达到4453.5亿美元。

其中，中国市场是核心增长极，2030年中国AI芯片规模将突破7200亿元，AIoT终端芯片占比超50%。

从结构看，AI芯片分为三大类：

1，训练芯片。

2026年预计占比34%，约950亿美元市场规模。

用于大模型训练、科学计算，门槛极高，英伟达Blackwell系列、华为昇腾等主导。

2，推理芯片。

2026年预计占比52%，约1450亿美元市场规模。

用于场景落地，比如聊天机器人、自动驾驶、工业质检，需求爆发快，国产芯片凭借性价比迎来快速替代机会。

3，边缘AI芯片。

2026年预计占比14%，约400亿美元市场规模。

用于手机、机器人、传感器等终端，2024年中国市场规模867亿元，2030年预计将达3200亿元。

从产业链来看，芯片层的机会集中在：

1，AI芯片设计。

聚焦推理芯片、边缘芯片赛道，避开与英伟达的正面竞争。

国产推理芯片（如壁仞、沐曦）在金融、工业场景渗透率快速提升，2026年国产AI芯片市场份额将达50%。

2，先进封装。

AI芯片对算力、带宽要求极高，先进封装（如Chiplet）是核心技术壁垒。

2026年，先进封装市场规模增速超50%，是芯片层的“黄金配角”。

3，配套硬件。

高带宽内存（HBM）、高速互连芯片、AI服务器主板。

这些环节技术壁垒高、竞争小，是芯片层的“刚需配套”，2026年需求增长60%+。

三、智能工厂：基础设施层

芯片之上，是黄仁勋定义的“AI工厂”——这跟传统数据中心是有区别的。

传统数据中心的核心是“存储信息”，而AI工厂的核心是“制造智能”。

它涵盖土地、供电、冷却、建筑工程、网络通信，以及把成千上万芯片编排成一台机器的系统。

简单说，AI工厂就是“把芯片、能源、软件整合起来，批量生产AI能力”的地方。

IDC数据显示，AI基础设施市场已进入持续扩张周期：

2025-2032年，全球AI基础设施市场复合年增长率21.3%，2032年规模将达2212亿美元。

中国市场增速更快，2025年上半年中国AI基础设施服务市场同比增长122.4%，规模达198.7亿元。

从结构看，AI基础设施的核心是“AI工厂建设+运营服务”：

1，AI工厂建设。

包括智算中心、超算中心、AI数据中心的土建、机电、网络布线。

2026年，预计全球AI工厂建设市场规模将达820亿美元，同比增长55%。

2，AI基础设施运营。

包括算力租赁、能源管理、运维服务。

算力租赁是“轻资产、高现金流”赛道，预计2026年市场规模增速超70%，成为AI基础设施的核心盈利模式。

3，综合布线与网络设备。

AI工厂对网络带宽、延迟要求极高，综合布线、高速交换机、光模块需求暴增。

2025年全球铜缆综合布线收入规模87.85亿元，预计2032年将接近180亿元。

四、智能大脑：模型层

基础设施之上，是模型层。

这是AI的“大脑”，负责理解非结构化信息——文本、图像、声音、生物学、化学、物理学，甚至物理世界本身。

过去三年，大家都在卷“通用大模型”，但黄仁勋在文章里指出：

语言模型只是模型层的一个类别，未来最具颠覆性的AI，将出现在蛋白质AI、化学AI、物理模拟、机器人技术等领域。

IDC数据显示，模型层的市场规模正处于快速扩张阶段：

2026年，全球AI模型市场规模将达1200亿美元，同比增长55%。

其中，中国AI大模型市场2026年预计达680亿元，2030年增长至3250亿元，复合年增长率45%。

从细分赛道看，模型层的机会集中在三大类别：

1，行业大模型。

针对医疗、金融、制造、法律等垂直领域，定制化模型。

比如医疗AI模型用于影像诊断，制造AI模型用于工业质检，2026年市场规模增速超80%；

2，科学计算模型。

蛋白质AI、化学AI、物理模拟，这是黄仁勋重点强调的“未来赛道”。

比如用AI预测蛋白质结构、模拟化学反应，2026年市场规模将达200亿美元，同比增长100%。

3，开源模型与微调。

DeepSeek-R1等开源模型激活全产业链需求，模型微调（针对行业数据优化模型）成为刚需。

2026年，开源模型与微调市场规模将达300亿元，同比增长70%。

五、价值出口：应用层

最上层，是应用层，这是AI经济价值真正产生的地方。

自动驾驶、人形机器人、工业机器人、法律助手、药物发现平台，都是AI的价值出口。

黄仁勋在文章里重点强调：

具身智能（机器人、自动驾驶）是应用层的核心。当AI从数字空间走向物理世界，它的价值才会真正爆发。

IDC数据显示，应用层目前正进入“规模化落地元年”：

2026年，全球AI应用市场规模将达9000亿美元，同比增长18.7%，其中具身智能（机器人、自动驾驶）是核心增长极。

1，自动驾驶。

2025年全球核心市场规模950-1000亿美元，2026年将达1500-1800亿美元，2030年将达1.7-2.5万亿美元，复合年增长率25%-30%；

其中，中国市场2026年将达6500-7500亿元，2030年突破1.2万亿元，成为全球最大单一市场。

2，人形机器人。

2025年全球出货量约1.8万台，同比增长508%；2026年将突破5万台，同比增长超7倍，销售额达15亿美元。

其中，中国2026年具身智能机器人市场规模将突破110亿美元，领跑全球。

3，工业机器人。

2026年全球市场规模将达800亿美元，同比增长35%，其中AI驱动的工业机器人增速超50%。

从场景看，未来应用层的机会集中在：

1，具身智能。

自动驾驶、人形机器人、工业机器人。

这是AI落地最核心的场景，2026年是人形机器人商业化元年，也是自动驾驶L3规模化落地的关键年。

2，行业应用。

医疗AI（影像诊断、药物研发）、金融AI（风控、量化交易）等。

2026年，行业AI应用渗透率将突破30%，其中医疗、金融领域渗透率超50%。

3，AIGC（生成式AI）。

文本、图像、视频、音频生成。

2026年，全球AIGC市场规模将达1800亿美元，同比增长45%，成为应用层最成熟、最普惠的赛道。

4，AI Agent（智能体）。

企业数字员工、自动化办公、智能客服。

Gartner预测，2026年底约40%的企业应用将集成任务型AI Agent，替代重复性工作，人力成本下降30%、效率提升50%。

值得注意的是，应用层通常是五层蛋糕的放大器。

一个爆款应用，能拉动底层四层全链条需求。

这就是黄仁勋说的“应用繁荣→倒逼底层迭代→加速全产业投资”的正循环。

六、万亿基建盛宴刚刚起步

黄仁勋认为：当前全球AI投入仅仅数千亿美元，而未来，需要的是数万亿美金的完善基础设施。

这已经不是风口，而是人类历史上最大规模的基础设施建设，超越工业革命、互联网的史无前例的宏大机会。

根据麦肯锡的测算，到2030年全球数据中心与AI基建累计投资将达6.7万亿美元。

现在的AI，只是1995年的互联网，还处于基建投入期。

雅虎刚刚冒出来，谷歌、Facebook那些未来的科技巨头还没有诞生呢。

关于AI失业焦虑。

黄仁勋的认知是：AI不是取代人，只是重构了岗位。

首先，这是蓝领的黄金时代。

AI工厂、数据中心急需电工、管道工、暖通、制冷、土建施工等高技能蓝领。

美国未来十年需要新增30万电工，20万建筑工，持证电工年薪超12万美元；

中国制造业技能人才缺口超2000万，熟练电工、焊工月薪轻松过万，不存在35岁危机。

其次，是生产力悖论。

AI做重复工作，人可以做更高价值的工作。

比如放射科AI普及后，医生岗位反而增长，因为效率提升后，服务扩容，推动需求暴增。

第三，是新型劳动力。

不需要人人都是计算机博士，反而技能型、实操型、工程型人才，才是刚需。

这是AI时代最被低估的机会：读技校、学手艺，比挤破头考普通本科更有前途。

七、开源的杠杆效应。

黄仁勋特别点出开源生态的杠杆效应：

先进的开源模型，能激活从应用到能源的全产业链需求。

因为开源模型把创新门槛降到零，中小企业、个人开发者都能做应用。

应用爆发之后，算力需求暴涨，会推动芯片扩产、基建加码、能源紧缺等一系列连锁反应。

全链条被“开源”一把撬动，就这样形成了自下而上的扩张飞轮。

总之，DeepSeek‑R1等国产开源模型，证明中国有能力在模型层站稳脚跟，进而带动芯片、基建、应用全栈崛起。

开源不是内卷，反而是中国AI行业换道超车的最大机会所在。