黃仁勳在達沃斯2026揭示五層AI框架

Jensen Huang 定義人工智慧（artificial intelligence, AI）時代：「五層蛋糕」（Five-Layer Cake）框架在達沃斯 2026 的揭示

在本週於達沃斯舉行的世界經濟論壇（World Economic Forum）上，Nvidia 執行長 Jensen Huang 發表了一篇為人工智慧產業定調的重要論述，將討論重心從聊天機器人推進到關乎全球關鍵基礎設施的層面。在與 BlackRock 執行長 Larry Fink 的高規格對談中，Huang 介紹了一個完整的「五層 AI 框架」（Five-Layer AI Framework）— 一個將 AI 生態系統劃分為互相依存且各自不同層次的策略路線圖。

這個框架出現在一個關鍵時刻。隨著 2026 年展開，產業正面臨大量資本支出和所謂「AI 泡沫」可持續性的檢視。Huang 的反駁既精確又具結構性：我們不只是打造軟體；我們正在執行人類史上最大規模的基礎建設建設案。從能源電網到實體機器人，AI 的範疇已遠遠超出過往數位限制。

對業界觀察者和企業領導人而言，Huang 的「層蛋糕」不僅是比喻；它提供了一個理解未來十年價值將在何處被捕捉的評估標準。當 Creati.ai 分析這一新範式時，愈來愈明顯的是，焦點正從訓練模型轉向將模型部署到實體世界。

The Five-Layer Infrastructure Framework

Huang 在今年論壇上的核心貢獻是將 AI 堆疊劃分為五個不可或缺的層級。與先前高度聚焦於演算法的模型不同，這一框架強調了維持全球規模 AI 所需的實體與後勤現實。

根據 Huang 的說法，AI 的經濟價值僅在最頂層實現，但這種成功是建立在其下四層強韌度的基礎上。他所描述的「建設過程」意味著目前數兆美元的投資並非投機性賭注，而是對基礎公用事業的必要資本，堪比 20 世紀的電氣化或州際公路系統的建設。

下表詳列 Huang 在達沃斯所提出的五層框架：

Table 1: Jensen Huang’s Five-Layer AI Infrastructure Stack

Layer	Description	Strategic Importance
1. Energy	The foundational requirement; power generation, cooling, and sustainable energy grids.	AI cannot exist without massive, consistent power; shortages here bottleneck the entire stack. Investment focus: Nuclear, renewable, and grid modernization.
2. Compute & Chips	The hardware layer; GPUs, custom silicon, and manufacturing plants (fabs).	This is Nvidia’s stronghold; includes new fabs by TSMC, Foxconn, and Micron. Supply remains constrained despite record production.
3. Cloud Infrastructure	Data centers, sovereign clouds, and massive server clusters.	The distribution network for intelligence; requires physical land, steel, and skilled labor. Sovereign AI clouds are emerging as national priorities.
4. AI Models	The intelligence layer; foundational models, open reasoning models, and "digital brains."	Includes proprietary giants and open-source breakthroughs like DeepSeek. Democratization allows industries to build without starting from scratch.
5. Applications	The value layer; AI agents in healthcare, finance, manufacturing, and robotics.	Where economic ROI is generated; AI solves specific domain problems. Shift from "chatting with AI" to "AI doing work."

智慧的民主化：DeepSeek 效應（DeepSeek Effect）

對話的一大部分聚焦在第四層—AI 模型—以及該層正在發生的激進變化。Huang 明確指出，DeepSeek 以及類似的開放推理模型的釋出，對全球產業來說是一次「重大事件」。回顧從 2025 到 2026 的發展軌跡，高效能、開源的推理模型的可得性已從根本上改變了競爭格局。

「DeepSeek 是一個關鍵時刻，因為它是世界上第一個開放推理模型，」Huang 指出。這項發展打破了企業的進入門檻。過去，公司認為必須從頭訓練龐大的專有模型——對大多數企業而言，成本高不可攀。如今，「智慧」正日益商品化並變得可及。

這種「DeepSeek 效應」讓傳統科技以外的產業—例如藥品與重工製造—能夠直接在其工作流程中整合先進的推理能力，而無需一整套擁有博士學位的團隊來構建模型。結果是第五層應用的激增，在那裡 AI 的效用被精準調整為特定的高價值任務，而不是通用的對話。

超越數位：物理智慧（Physical Intelligence）的崛起

Huang 在達沃斯演說中最具前瞻性的部分，或許是他對「物理型人工智慧（Physical AI）」的強調。雖然第一波生成式AI（生成式AI（Generative AI））專注於掌握語言與像素（文字、程式碼、影像），當前這一波則在於掌握物理法則。

「AI 系統現在理解的遠超過語言，」Huang 解釋道。「它們正在學習蛋白質結構、化學交互、流體力學和粒子物理學。」

這一轉變標誌著 AI 進入實體世界，或如 Huang 所稱的「物理智慧（Physical Intelligence）」。這對製造與機器人領域至關重要。在這個願景中，AI 不只是寫詩或除錯程式碼；它會模擬風力發電機以優化氣流、預測新藥分子如何與蛋白質結合，或在工廠車間控制類人機器人。

對歐洲與其他工業強國而言，Huang 將此視為「世代難得的機會」。與偏向軟體為中心的消費者網際網路時代不同，物理型 AI 時代更偏好擁有深厚產業工程根基的地區。「你不再只是撰寫 AI；你去教它，」Huang 說，暗示機械工程與生物學等領域的專家正在成為新的 AI 建築師。

回應「AI 泡沫」：一個建設故事

達沃斯現場最大的疑問是財務可持續性問題。數千億美元被投入 GPU 與資料中心後，懷疑者—甚至部分投資人—開始擔心是否存在泡沫。代表資本配置者的 Larry Fink 直接提出了這個問題。

Huang 的防禦基於供需機制。「現在試著租一張 Nvidia GPU，看看能不能租到，」他挑戰道。即使是較舊世代的硬體，取得算力的困難也顯示需求遠大於供給。

然而，他更深的論點在於支出的性質。Huang 將「泡沫」重新框定為一個必要的基礎建設循環。他主張，我們正在目睹以加速運算取代價值 100 兆美元的傳統計算基礎設施。此外，這一建置也在創造就業，不僅僅是程式開發方面，而是在技藝工種上。

「我們需要水電工、電氣技師、建築工人、鋼鐵工人，」Huang 說，強調資料中心的實體建設本身就是一個龐大的經濟引擎。他將此情景描述為一個「建設故事」，而不僅僅是科技故事。所部署的資本正在購買有形資產——土地、發電廠、廠房外殼與矽晶片工廠——這些對於下個世紀的經濟活動至關重要。

Creati.ai 觀點：前路

從 Creati.ai 的角度來看，Jensen Huang 的 2026 框架為這個超高速成長的產業提供了一個穩定敘事。透過將生態系統拆解為五個層級，他提供了一份組織準備度的檢查清單。

對於我們的讀者與客戶，影響有三項要點：

基礎設施至關重要： 組織必須確保能取得必要的算力（第 2 層）與雲端（第 3 層）資源，因為稀缺性將持續存在。
善用開放模型： 價值不再在於囤積模型，而在於將開放模型（第 4 層）應用於專有資料。
為物理型 AI 做準備： 下一個競爭前線不在於更好的聊天機器人，而在於理解你業務實體運作的 AI（第 5 層），無論是供應鏈物流、藥物發現，還是自動化製造。

當「五層蛋糕」逐步搭建完成時，2026 年的重點將放在糖霜：應用層。這正是理論上的數兆投資必須最終轉化為具體生產力提升的地方。根據 Huang 的說法，我們才剛剛起步。