AI 巨变中，普通人如何抓住新机遇？

开场图：AI 基础设施的五层架构

过去这一年，大众对 AI 的感知多集中于应用层面：智能问答、图像生成、文案创作以及代码编写。

这些自然至关重要。毕竟，普通用户最先接触到的，正是这些产品。

但若深入探究，便会发现决定 AI 发展上限的，并非仅仅是模型的智商，更在于其背后是否拥有坚实的基础设施支撑。

英伟达的观点十分明确：AI 犹如一块“五层蛋糕”。自下而上，依次是能源、芯片、AI 工厂、模型及应用。

应用是我们所见之果。真正支撑这一结果的，是底层那一整套物理世界中的要素。

AI 并非单一应用，而是一场计算范式的变革

在传统软件时代，机器更多是执行人类预设的规则。

一旦流程、表格及数据库设计完毕，系统便负责检索、计算并输出结果。

然而 AI 有所不同。它需实时理解上下文，并生成全新答案。文本、图像、音频及视频，皆成为其处理的原材料。

这意味着计算方式发生了改变。随之演变的，还包括对算力、电力、存储、网络及散热的巨大需求。

因此，这一轮 AI 革命，不能仅用“模型更强”来概括。它更像一个庞大的生产系统：电力输入，经由芯片与数据中心，最终转化为智能服务。

从能源、芯片至应用，AI 的五层基石

许多人不禁发问：AI 如此强大，普通人还有立足之地吗？

若仅盯着大模型本身，答案或许令人焦虑。模型研发需巨额资金、顶尖人才及海量算力，普通人难以直接涉足核心竞争。

但若将 AI 视为基础设施，机会版图便会拓宽。

能源供应、电网建设、机房搭建、液冷系统、网络布线、芯片供应链以及行业应用落地，这些绝非仅靠算法工程师就能完成。

AI 普及度越高，越能反向拉动底层建设。更多用户意味着更多推理、训练、芯片消耗及电力需求，同时也需要更多人来构建、连接及维护这些设施。

芯片将电力转化为算力，支撑大规模并行运算

AI 工厂：数据中心正从存储信息转向生产智能

英伟达曾举过一个典型例子：放射科医师。

往昔，医生大量时间耗费在常规影像扫描、数据处理及初步诊断上。

当 AI 接管部分常规计算后，人类角色并非被简单替代，而是更可能回归高价值环节：复杂研判、医患沟通、深度护理及最终责任承担。

这实则是 AI 更值得关注的价值所在。

它不仅能提升效率，更会重新定义“何种工作更具价值”。重复性计算将被压缩，而依赖经验、判断、沟通及现场执行能力的部分，反而愈发关键。

应用层创造价值，却离不开底层能力支撑

应用需求将反向驱动底层基础设施建设

即便你非大模型公司或芯片企业成员，这轮机遇也绝非与你无关。

我更建议关注三大方向。

第一，现实世界中的 AI 基建岗位。如电力、机房、散热、网络、设备运维及工程建设。AI 运行规模越大，这些环节越不可或缺。

第二，行业内的 AI 应用落地。医疗、物流、制造、法律、教育及财务等领域，均需有人将 AI 融入真实流程，而非仅停留在演示页面。

第三，人机协作催生的新岗位。具备判断力、沟通能力、懂业务且能熟练驾驭 AI 工具的人，将更具优势。

换言之，AI 并非只奖赏“擅长编写模型的人”。

它同样奖赏那些能将 AI 接入真实世界、真实流程及真实产业的人。

AI 越强，现实世界的执行、维护与协作越显重要

这场 AI 浪潮，表面是模型与应用的角逐，底层实则是基础设施的较量。

谁能更快获取能源，谁能更优地组织芯片、机房、散热及网络，谁能将模型落地至真实行业，谁便更有可能占据下一阶段的制高点。

因此，普通人的机会并未消失，只是转移了阵地。

它未必在“构建更大模型”之中，也可能存在于修路架桥、铺设电网、建设机房、优化流程、深耕行业及高效协作等具体事务里。