问题：人工智能快速扩张之下，就业是被“替代”还是被“重塑”，各国应以何种路径参与新一轮技术与产业竞赛，成为论坛讨论焦点。
黄仁勋在对谈中将人工智能界定为“人类历史上规模最大的基础设施建设”的底座，并用“五层蛋糕”作比：第一层是能源与电力供给；第二层是芯片与计算基础设施；第三层是云与数据中心；第四层是模型；第五层则是面向行业与公众的应用。
其核心判断是，人工智能并非单点技术革命，而是一套贯穿上游资源、中游制造与下游服务的系统性工程。
原因：这一轮人工智能浪潮之所以呈现“基础设施化”特征，既源于算力需求的指数级增长，也与产业组织方式变化有关。
一方面，大模型训练与推理对电力、网络、机房、先进制造形成持续需求，推动资金从软件投资扩展到能源、建筑、装备、通信等传统领域的“再升级”。
另一方面，人工智能应用从试点走向规模化落地，需要稳定可靠的底层供给与平台能力支撑，倒逼形成更完整的产业链分工。
黄仁勋提到，风险投资正以较快速度向“AI原生公司”集中，覆盖医疗健康、机器人、制造、金融服务等领域，反映出资本对“以模型为起点重构业务流程”的预期在上升，也意味着更多围绕场景开发、系统集成与运维服务的需求正在形成。
影响：从用工结构看，人工智能带来的变化更像“岗位再分配与能力升级”。
在上游，能源建设与电力保障、数据中心建设、网络布设与设备安装维护等环节需要大量工程与技术人员，涉及电气工、管道工、建筑工人、钢铁工人、网络技术人员及先进设备运行团队等，带动多类型岗位需求扩张。
在中游，芯片制造、服务器与关键设备生产、散热与供电系统等先进制造领域可能进一步提升对高技能人才与产业工人的需求。
在下游，行业应用落地将推动开发、运营、合规与安全等岗位增长。
黄仁勋认为，应用层将成为释放经济效益的关键所在，人工智能将更深度嵌入金融、医疗、制造等部门，推动工作内容从重复性任务转向更高价值的判断、协同与服务。
对“替代就业”的担忧，黄仁勋以医疗场景为例给出解释：放射学领域引入人工智能后，并未导致放射科医生减少，反而可能因为效率提升、服务能力扩大而需要更多专业人员。
他强调，诊断与治疗服务的目标并不等同于“读片”这一单项任务，技术提升减少了耗时环节，有助于将更多时间用于与患者沟通和与临床团队协作，从而提升整体服务质量与覆盖面。
在护理领域，部分国家面临护理人员短缺，且大量时间消耗在病历记录与归档等事务性工作上。
随着相关工具用于转录与记录，可能释放护理人员时间，改善医院运营效率，并在服务扩张时形成新增用工需求。
由此可见，人工智能对就业的冲击更可能体现为“任务自动化+岗位价值重估”，对劳动者提出结构性转型要求。
对策：在应对路径上，黄仁勋提出“把人工智能当作基础设施来建设”的主张，认为各国应像建设电力、道路等公共基础能力一样布局人工智能相关能力，尤其要结合本国语言与文化，构建可持续迭代的模型与应用生态。
对各国而言，这一观点至少提示三方面工作重点：其一，统筹能源、算力、网络与数据中心等新型基础设施规划，强化安全可靠与绿色低碳导向，降低算力供给波动对产业发展的掣肘；其二，围绕关键软硬件与核心环节加大研发与制造能力建设，完善产业链协作，提升供应链韧性；其三，推动行业应用规范化落地，加强数据治理、隐私保护、网络安全与算法治理，形成可复制、可推广、可监管的应用模式。
同时，面向劳动力市场，应加快职业教育与继续教育体系建设，推动更多劳动者向运维、集成、应用开发、行业数字化等方向转岗升级，减少结构性摩擦。
前景：从全球趋势看，人工智能“基础设施化”将长期存在，竞争重点或将从单纯模型能力比拼，扩展到能源保障、算力供给、工程能力、产业生态与治理体系的综合较量。
随着模型能力提升与成本下降，应用层扩张速度可能进一步加快，推动更多传统行业以流程重构方式提升效率，并带动对复合型人才的持续需求。
同时，技术普及的门槛下降也意味着更广泛人群可接触并使用相关工具，推动“技术红利”向更多行业与中小机构扩散，但也对公平可及、能力培训与风险治理提出更高要求。
黄仁勋在达沃斯论坛的论述为全球经济面临的AI转型提供了一个系统性的认识框架。
他用"五层蛋糕"的比喻将复杂的AI产业链条清晰化，用具体的行业案例消解了对AI导致失业的恐惧，用国家基础设施的视角提升了AI发展的战略高度。
这些观点表明，AI的真正价值不在于替代人类，而在于赋能人类、提升人类的工作效率和生活质量。
当前全球经济正处于AI驱动的深刻变革之中，关键是要认识到这种变革的系统性和长期性，积极适应新的就业结构，投资于人力资本的升级，才能在AI时代实现包容性和可持续的经济增长。