黄仁勋在 GTC Berlin 2026 提出 AI 工厂：把能源、芯片、计算系统、网络、存储、冷却组织进同一套生产体系，持续制造可被 AI 应用消费的 Token，正卡在“五层蛋糕”的第三层。

最近，黄仁勋在 GTC Berlin 2026 提出了一个新概念：AI 工厂，这不只是一次技术概念升级，也是在重新定义 AI 产业的生产方式。过去，算力更像产品背后的资源；现在，它正被组织成一套持续生产 token 与数字智能的基础设施。而对于产品设计来说，这也意味着设计对象正在逐渐变化 ——

01 什么是 AI 工厂？

黄仁勋提到的 AI 工厂（AI Factory），是一种作为能持续“生产智能”的新型基础设施，它把能源、芯片、计算系统、网络、存储、冷却等 AI 基建设备组织在同一套生产体系中，持续制造可被 AI 应用消费的 Token。

英伟达曾将 AI 描述为一块“五层蛋糕”，AI 工厂位于其中承上启下的第三层黄金位置：

第一层：能源层，即 AI 所需的稳定、巨量、低成本的能源。

第二层：芯片层，即 GPU、CPU、DPU、网络芯片等高性能计算系统。

第三层：基建层，即“AI 工厂”，包含数据中心建筑、机柜、网络、冷却系统、调度系统、软件栈等等设施。

第四层：模型层，即大语言模型、世界模型、机器人模型、自动驾驶模型等等。

第五层：应用层，即现实的生活中常见的企业 Agent、工业机器人、医疗研发智能体等 AI 产品形态。

可以看到，AI 工厂的作用极其重要，能够把底层资源转化为上层应用可调用的智能。AI 工厂的产物不是实体商品，而是 token 和 digital intelligence（数字智能），是用最低能耗、最快速度、最高吞吐，把算力转化成智能产出，也即：电力进去，智能出来。

黄仁勋之所以现在讲 AI 工厂这个概念，其实是在帮助英伟达实现产业转型和升级：

早期，英伟达讲的是：“我们的 GPU 很强、适合 AI 训练”；

后来，讲的是：“我们有数据中心级平台，可以训练和推理大模型”；

现在，讲的是：“AI 工厂，把芯片、系统、网络、软件、模型、数据中心、能源和行业应用全部串到了一起”。

它想要表达的其实是：AI 时代需要的已经不只是产品功能，而是下一代工业基础设施。换句话说，英伟达通过“AI 工厂”把自己从 “卖芯片” 升级为卖 “智能生产系统” 的 AI 基础设施提供商，以参与各行业的智能化转型。

02 对设计师的启发

如果智能变成一种稳定、持续、可调用的供给，设计师面对的需求就不再只是“给现有产品增加一个 AI 功能”这么简单了，而是一轮产品形态、交互关系和设计约束的共同变化：

启发一：AI 将从工具变成基础设施

就像电的普及一样，电力带来了新的产品形态，重塑了整套社会生产范式。 在电力普及之前，人类习惯用蒸汽机、人力、畜力完成生产。而当电力变成随处可得、随取随用的基础设施之后，它带来的变化不再只是一个单独的设备，而是一套底层供给，有了稳定供电，才有电灯、电机、家电，才有流水线工厂、全新的城市配套，催生了过去完全不存在的产业。

AI 的发展亦是如此。今天，我们还会把“AI 功能”当作单独卖点：AI 生成、AI 搜索、AI 助手等等。而未来，当智能像电力一样成为默认供给，产品就不再需要反复强调自己“用了 AI”，而是围绕新的能力边界思考产品设计，我们也将看到更多意想不到的产品形态。

对设计师而言，真正值得思考的问题就不在是“这个页面怎样接入 AI”；而会变成：

1. 当系统能够持续观察、预测和执行任务时，哪些页面会消失，哪些新的交互会出现？
2. 当智能随取随用，产品的核心价值是提供功能，还是帮助用户定义目标、校准结果并承担决策？
3. 新的产品形态不会只是原有界面加一个聊天框，那又该是什么样子？

产品可能是持续运行、能够感知环境的设备，可能是能主动协作的 Agent 工作流，也可能是弱界面、甚至是无界面的服务。

启发二：要建立一定的算力感知思维

理解 AI 工厂，不是为了让你转行去做数据中心，而是为了建立一张更完整的 AI 系统地图。我们设计的每一次生成、每一次自动执行、每一轮“再试一次”的背后，都对应着真实的模型调用、算力消耗和责任边界。

智能不是免费的，也不是永远即时的。算力会成为企业的成本之一，也会成为产品体验需要平衡的约束之一。

传统体验设计常见的约束是屏幕尺寸、网络状态、加载速度和研发成本。未来的产品设计还会增加一组新的现实条件：推理成本、上下文长度、模型选择、并发容量、能耗，以及不同任务对延迟的容忍度等等。这会直接改变交互方式，也会成为产品功能体验里绕不开的部分。

启发三：重新定义人与智能的关系

AI 工厂把“智能”变成一种可以被生产、计量和分配的资源；设计师要做的，是让这种资源以一种可理解、可信任、可控制的方式进入人的工作与生活。你需要做的是：

1. 把 AI 当成协作者，而不是功能按钮。

随着 AI 基础设施和产品的普及，使用 AI 就像用电、甚至就像是呼吸一样，将会变得司空见惯。未来的设计内容将不只是用户如何使用 AI 工具，而是用户如何与 AI 更和谐的相处、高效的分工。

2. 为不确定性而设计。

过去的数字产品大多遵循一种确定性逻辑：用户点击按钮，系统执行规则，结果相对可预期。而 AI 系统则会给产品带来更多的不确定性：AI 能够理解模糊目标、生成多个方案、调用工具并代替用户执行部分任务，但同时也可能会犯错。所以设计特殊状态和边缘场景也和设计理想通路同样重要。

3. 把成本和等待显性化。

针对不同任务类型，分层提供即时反馈、异步处理、队列状态、通知提醒、额度预警等差异化反馈机制，避免采用统一的加载交互。对于产品体验的评估体系来说，不只覆盖点击率与任务完成率，同时观测单次资源消耗、人工接管率、任务撤回率、输出采纳率以及用户等待时长，建立更全面的效果衡量标准。

4. 观察界面之外的机会。

思考 Agent、主动服务、环境感知和跨工具工作流是否会替代现有页面。设计师需要决定人和 AI 如何分工协作，设计师的角色会从“界面设计者”扩展为智能信任机制的设计者，以及人与 AI 协作流程的定义者。设计师的机会，将在屏幕之外。