他提出，当前AI产业仍处于极早期，尽管已投入数千亿美元，但未来仍需数万亿美元的持续投资来完善底层基础设施。黄仁勋预判，传统软件和APP形态或将消失，AI Agent将成为主流，每个国家都将建设AI基础设施。黄将能源层定义为”第一性原理”，承认能源供给已成为AI规模化发展的紧迫瓶颈，但又设想依赖天然气与小型核能……

本文来自微信公众号： 评论员毕舸 ，作者：毕舸

他提出，当前AI产业仍处于极早期，尽管已投入数千亿美元，但未来仍需数万亿美元的持续投资来完善底层基础设施。

黄仁勋预判，传统软件和APP形态或将消失，AI Agent将成为主流，每个国家都将建设AI基础设施。

黄将能源层定义为”第一性原理”，承认能源供给已成为AI规模化发展的紧迫瓶颈，但又设想依赖天然气与小型核能来支撑数万亿美元的基础设施扩张。

黄仁勋对能源瓶颈的认知本身是清醒的。

他强调实时生成的智能需要实时产生的电力，生成的每一个Token都是电子移动、热量管理以及能源转化为计算能力的结果。

因此，这个五层结构里，黄仁勋把能源放在了最底下，管它叫“第一性原理”。

对此，黄也承认，能源供给已经是AI规模化发展的瓶颈，但又说可以靠天然气和小型核电站来撑起几万亿美元的扩张计划。

能源是黄氏AI帝国梦想的底层支撑么？

错，是物理天花板。

先看一组数据。

国际能源署2025年报告显示，当前全球数据中心电力消耗约为415至650太瓦时，占全球总用电量的1.5%至2%。

黄仁勋预测未来AI算力需求可能达到每年300吉瓦，相当于美国年发电总量的三分之二；若要实现更高阶发展，算力需求将突破1太瓦。

摩根士丹利预测更为具体：2025年至2028年，美国数据中心累计电力缺口将达到47吉瓦，相当于约9个迈阿密城市的总用电规模。

北京大学研究员王娟指出，前沿AI模型训练的峰值电力需求每年以2.2至2.9倍的速度膨胀，指数级增长已远超能源基础设施的线性扩展能力。

黄仁勋跟马斯克在2025年的美沙投资论坛主会场上聊天时，暴露了一个细节。

马斯克说，以后会有500兆瓦的AI工厂。

兆瓦是1000千瓦，一座小型数据中心的规模。

黄仁勋当场打断他，说不是500兆瓦，是吉瓦。

吉瓦是1000兆瓦，相当于100万千瓦。

一个500兆瓦的工厂，已经得专门拉电网了。

一个吉瓦级的工厂，用电量抵得上一座中型城市。

问题在于，黄仁勋可能觉得能源也能像芯片一样，跟着摩尔定律走，几年翻一番。

但电网扩容不是那么回事。

要增加供电能力，挖沟埋电缆、架高压塔、建变电站。

混凝土浇下去，就得等它慢慢凝固。

电网的建设周期是5到10年，AI算力需求翻倍只需要一年。

这个时间差，钱解决不了。

再说能源结构。

黄仁勋设想的几万亿美元投资，总不能全烧煤吧？

但现在全球数据中心60%的电还是来自化石燃料，可再生能源只有27%，核电15%。

国际能源署预测，到2035年，数据中心烧的天然气要从120太瓦时增加到293太瓦时，翻一倍还多。

清洁能源增长速度跟不上，电网又扩得慢。

黄仁勋说可以靠天然气和小型核电站，关键在于天然气电厂建起来要3到5年，核电站10到15年，小型核电站技术还没成熟。

还有一个细节。

黄仁勋说，他们造的超级计算机，一个机架重两吨，其中1.95吨是用来散热的。

97.5%的重量，都在对付同一个问题：怎么把电变成的热量排出去。

芯片越来越强，散热越来越难。

这不是软件能解决的，由热力学第二定律说了算的。

热量不会凭空消失，只能从高温传到低温，传到空气里、水里。

黄仁勋的”AI工厂”设计初衷不是为了存储信息，而是为了制造智能，但制造智能的过程就是制造热量的过程。

土地、电力输送、冷却系统、建筑施工、网络，每一环节都在消耗能源，每一环节都有物理极限。

在此提醒又一个常识：能源压力不是均匀分布的。

按照黄仁勋的构想，未来每个国家都要建AI基础设施，但电网扩容的物理约束摆在那儿，不是每个地方都能接得住。

爱尔兰的数据中心，已经用掉了全国21%的电，2026年要到32%。

美国弗吉尼亚州，26%的电力喂给了数据中心。

新加坡的数据中心占了9%的电，政府已经停批新建项目。

局部电网过载意味着，即便全球能源总量充足，特定区域的电力基础设施也无法承受AI工厂的密集部署。

黄仁勋想的分布式AI，在现实中只能往电力便宜、气候凉爽的地方挤，最后还是会扎堆。

按照目前最先进的特高压直流技术，从东亚到西欧8000至10000公里的输电距离，电力损耗约为10%到15%，即100度电送到目的地剩下85至90度。

损耗主要来自电流发热和电晕放电，可通过升高电压、优化导线材料来降低，但成本会大幅上升。

真正棘手的问题不是技术损耗，而是全球电网频率同步、故障隔离保护、跨国政策协调和天文数字的投资成本。

洲际输电在物理上可行，但经济上缺乏精确账本，政治上难以协调，因此从愿景到落地仍有巨大鸿沟。

有人把AI叫硅基文明，人叫碳基生命，那能源算什么基？

能源是熵基。

热力学第二定律规定，能量转化一定伴随熵增，有序变无序。

AI每生成一个Token，都是电子在跑，热量在散，没有哪一层抽象能绕过这个物理事实。

黄仁勋说实时生成的智能需要实时产生的电力，他只说了一半，另一半是实时产生的电力一定产生实时的热量。

芯片的晶体管密度快到头了，1纳米以下量子效应就出来了。

数据中心的能效也快见底，空调越装越多，电都耗在降温上了。

化石燃料烧一点少一点，太阳能风能又看天吃饭。

三层物理极限叠在一起，AI发展有个不可能三角。

黄仁勋把能源放在最底层，说它是第一性原理，但他又想用商业逻辑绕过它。

不过，第一性原理不是起点，是边界。

边界的意义，不是告诉你从哪儿开始，是告诉你到哪儿必须停。

黄仁勋的”五层架构”是一个美好的商业叙事，但商业叙事必须服从物理叙事。

硅基智能的扩张，受限于碳基能源的供给，而碳基能源的供给，最终受制于熵基宇宙的规律。

AI不能违背这一规律，不是因为技术不够先进，是因为规律不允许被违背。

黄仁勋说当前AI产业仍处于极早期发展阶段，AI的真正潜力尚未被完全发掘。

他是对的，但早期阶段的特征不是潜力无限，是约束尚未显现。

随着投资规模从数千亿美元迈向数万亿美元，约束会一个接一个地显现：首先是电力缺口，然后是土地限制，然后是冷却瓶颈，然后是环境抗议，然后是政策监管。

每一个约束都是前一阶段成功的副产品，每一个约束都需要重新定义”发展”的含义。

黄仁勋的“五层架构”理论在逻辑上是自洽的，它清晰地描绘了AI产业的层级关系和依赖链条。

遗憾的是，理论的正确性并不等同于实施的可行性。

将能源置于最底层，恰恰说明了它是整个大厦的地基。

地基不牢，地动山摇。

数万亿美元的投资如果不能转化为实实在在的电力供应和散热能力，上层的芯片、模型和应用都将成为空中楼阁。

当前的能源体系是按照过去的负荷曲线设计的，无法适应AI带来的指数级负荷增长。

改造电网、建设新电厂、研发新型冷却技术，这些都需要漫长的时间。

在这个意义上，能源不仅是AI发展的瓶颈，更是检验科技构想是否尊重物理规律的试金石。

黄仁勋的讲话其实反证了一个常识，在狂热追逐算法突破和模型参数的时候，不能忘记脚下的土地和手中的电线。

每一个Token的背后，都是真实的电子流动和热量排放。

AI不是魔法，它是建立在真实硬件、能源和经济基础之上的工业体系。

未来的AI竞争，将是能源获取能力、散热技术、电网韧性的综合竞争。

只有解决了能源层的问题，黄仁勋描绘的那个万物皆用AI、智能无处不在的未来，才有可能从蓝图变为现实。

重力拉扯每一个物体，无论它是苹果还是AI工厂。

苹果落地启发了牛顿，AI工厂落地会启发谁？

也许是下一个认识到天花板存在的人，也许是下一个试图突破天花板而撞得头破血流的人。

历史会记住黄仁勋的”五层架构”，也会记住架构背后的物理边界。

记住边界不是为了嘲笑野心，是为了理解野心必须在边界内寻找形状，也定义了技术的未来，以及未来的代价。