黄奇帆深度解析AI五层次：未来竞争的关键在于体系

近期阅读了黄奇帆一篇题为《黄奇帆：人工智能自身发展的五个层次 —— 从算力底座到能源支撑的完整生态》的文章，内容涉及人工智能的发展。

许多人在讨论AI时，往往聚焦于模型和应用层面，但他强调了一个更为根本的观点：

AI并非单一技术，而是一个完整的体系。

若仅关注其中一个方面，很容易产生偏差。

AI比拼的是"整体实力"

他将人工智能分解为五个层面：

芯片；

算力基础设施；

数据；

算法模型；

能源电力。

这五个要素，并非某一项突出即可，而是：必须协同配合，才能有效运行。

这也解释了为何有些公司模型实力强劲，却难以扩大规模； 有些国家技术水准不低，但产业未能兴起。

问题不在于个别环节，而在于整个体系。

为何多数人只关注"模型"？

因为模型最为直观。

ChatGPT问世后，众人普遍认为：

AI即模型能力，

然而实际上，模型仅仅是其中一个层面。

若缺乏前置条件：

无芯片 → 无法计算；

无算力 → 无法运行；

无数据 → 无法学习。

模型再强大，也只是"空有其表"。

真正的关键转折点，实际上在前三层

若将这五层逐一分析，会发现一个很实际的逻辑：

越靠下层，越能决定发展潜力。

特别是前三个层面。

1. 芯片

这是最基础的能力。

若他人不提供，你很难进行大规模训练。

这正是芯片始终是制约因素的原因。

2. 算力基础设施

不是单一设备，而是一整套系统：

数据中心；

GPU集群；

高速网络。

如今训练一个模型，动辄需要数万张显卡协同工作。

这非一般企业所能承担。

3. 数据

许多人对此认识不足。

模型的性能，很大程度上取决于：

你使用了何种数据进行训练。

特别是行业数据：

工业；

医疗；

能源。

这些才是真正"竞争壁垒"。

算法，反而开始"不那么绝对"

这部分他的观点颇为有趣。

过去人们认为：

算法最为关键。

但现状有所改变：

大模型发展路径已相对明确，

开源项目日益增多，

技术传播速度加快。

甚至像DeepSeek这样的项目，用较少资源也能取得不错成果。

说明一个问题：

算法的重要性依然存在，但已非唯一决定因素。

一个常被忽视的要素：电力

这个要素，确实相当重要。

AI目前耗电量有多大？

训练一个大模型，可能相当于数千个家庭一年的用电量。

而且未来还将持续增长。

因此一个很现实的问题：

谁拥有电力，谁就拥有算力空间。