人工智能领域正经历前所未有的投资热潮。从OpenAI的1.4万亿美元扩张计划，到英伟达短暂达到的5万亿美元市值，市场对AI技术的热情持续高涨。然而，随着资金大量涌入，一个关键问题浮出水面：我们是否正处于一个AI泡沫中？本文将深入分析AI领域的三个关键层次，揭示当前投资状况的真实图景。
AI领域的多层次投资格局
AI并非一个单一实体，而是由多个相互关联但特性各异的层次组成。理解这些层次的不同投资状况，对于判断AI是否存在泡沫至关重要。
应用层：投资不足的蓝海
在AI投资的三个领域中，应用层似乎是最被低估的。尽管AI应用的前景远比大多数人所认识到的更为广阔，但实际投入却相对不足。
从经济学角度看，构建在AI基础设施/技术（如LLM API）之上的应用必须比基础设施更有价值，因为我们需要这些应用能够支付基础设施和技术提供商的费用。
我观察到许多采用智能工作流(agentic workflows)的业务正在蓬勃发展，并且确信这一趋势将持续增长。然而，许多风险投资投资者对投资AI应用持谨慎态度，因为他们觉得自己不知道如何挑选赢家，相比之下，投入10亿美元构建AI基础设施的"配方"则更容易理解。
部分投资者也接受了这样一种炒作：几乎所有AI应用都将仅因前沿LLM公司改进其基础模型而被淘汰。总体而言，我相信AI应用领域存在显著的投资不足，这也是我风险工作室AI Fund的重点关注领域。
推理基础设施：需求驱动的投资增长
尽管AI的普及率目前仍然较低，但基础设施提供商已经难以满足生成tokens所需的处理能力需求。我的多个团队都在担心我们能否获得足够的推理能力，而成本和推理吞吐量都在限制我们更广泛地使用AI。
企业供应受限而非需求受限是一个好问题。后者是更常见的问题，即没有足够多的人想要你的产品。但供应不足仍然是一个问题，因此我很高兴我们的行业正在大力投资扩大推理能力。
以代码生成领域为例，高度智能化的编程工具正在快速发展。我一直很欣赏Claude Code；OpenAI Codex随着GPT-5的发布也取得了显著改进；而Gemini 3使Google CLI变得非常有竞争力。随着这些工具的改进，它们的采用率将会增长。同时，整体市场渗透率仍然很低，许多开发者仍在使用旧一代的编码工具（有些甚至没有使用任何智能编码工具）。随着市场渗透率的增长——我相信会增长，因为这些工具非常有用——对token生成的总需求将会增长。
我去年就预测我们将需要更多的推理能力，部分原因是智能工作流的发展。自那时以来，这一需求变得更加紧迫。从社会层面来看，我们需要更多的AI推理能力！
当然，这并不意味着投资这一领域不可能亏钱。如果我们最终过度建设——目前我不知道是否会这样——那么提供商可能最终不得不以亏损或低回报出售产能。然而，好消息是，即使我们过度建设，这些产能也会被使用，这对应用开发者来说是有益的！
训练基础设施：风险最高的投资领域
在三个投资领域中，我对看到更多资金投入到训练更大模型感到高兴。但在这三个投资类别中，这似乎是最危险的。
如果开源/开放权重模型继续增加市场份额，那么投入数十亿美元训练模型的一些公司可能无法获得有吸引力的财务回报。
此外，算法和硬件的改进正使每年训练给定能力水平的模型的成本降低，因此训练前沿模型的"技术护城河
