在当今科技投资领域，人工智能无疑是最受瞩目的焦点。从OpenAI宣布的1.4万亿美元基础设施计划，到英伟达市值一度突破5万亿美元大关，AI领域的投资热潮引发了广泛关注：这究竟是技术革命带来的合理估值，还是新一轮的投机泡沫？本文将深入剖析AI产业不同领域的投资现状，探讨是否存在泡沫以及各细分领域的真实发展态势。
AI产业的三层投资格局
人工智能产业并非铁板一块，而是由多个相互关联但又各具特点的层次组成。理解这些层次的投资状况，对于判断AI是否存在泡沫至关重要。
应用层：被低估的价值洼地
在AI投资的三个主要领域中，应用层可能是被最严重低估的环节。从本质上讲，构建在AI基础设施之上的应用必须比基础设施本身更有价值，因为只有这样才能确保应用层产生的收益足以支付基础设施和技术提供商的费用。
当前，许多企业正在积极探索基于智能体(Agentic)工作流的应用场景，这一趋势正在多个行业悄然兴起。我有幸见证了这一转变，并确信这将成为未来十年的主流发展方向。然而，许多风险投资机构却对AI应用投资持谨慎态度，主要原因在于他们认为自己缺乏挑选成功项目的能力。
相比之下，将10亿美元投入AI基础设施建设的"配方"似乎更为明确和成熟。此外，一些投资者也受到了"前沿大模型公司改进其基础模型将淘汰几乎所有AI应用"这一说法的影响，进一步抑制了应用层的投资热情。
事实上，这种担忧可能是多余的。随着大模型能力的提升，而非削弱，应用层的机会反而会更多。就像互联网基础设施的完善催生了无数创新应用一样，AI基础设施的进步也将为应用开发者提供更强大的工具和更广阔的舞台。
推理基础设施：需求驱动的投资热点
与应用层形成鲜明对比的是，AI推理基础设施领域面临着实实在在的需求压力。尽管AI在当前市场中的渗透率仍然不高，但基础设施提供商已经难以满足对计算能力的需求，特别是在生成式AI模型所需的token处理方面。
我所在的多个团队都在担忧能否获得足够的推理能力，而成本和推理吞吐量正成为限制我们更充分利用AI技术的主要瓶颈。这种供应受限而非需求受限的情况实际上是个好兆头——后者才是企业更常面临的问题，即产品无人问津。
然而，供应不足仍然是制约发展的因素，这也是为什么我对行业大幅扩展推理能力的投资感到欣慰。以智能编程助手为例，Claude Code、OpenAI Codex和Gemini 3等工具都在快速进步，它们的功能和用户体验持续改善， adoption率也在稳步提升。
值得注意的是，尽管这些工具进步显著，但市场渗透率仍然很低，许多开发者仍在使用旧一代的编程工具，甚至有些尚未采用任何智能编程助手。随着这些工具实用性的日益凸显，市场渗透率必将进一步提升，进而推动对token生成能力的整体需求增长。
去年我就预测我们将需要更多的推理能力，部分原因就是智能体工作流的兴起。此后，这一需求变得更加紧迫。从社会层面看，我们确实需要更多的AI推理能力！
当然，这并不意味着投资推理基础设施就一定不会亏损。如果我们最终过度建设——目前尚不清楚是否会出现这种情况——那么提供商可能不得不以亏损或低回报出售计算能力。希望这一领域的投资者能够获得良好的财务回报。好消息是，即使我们过度建设，这些计算能力最终也会被充分利用，这对应用开发者来说将是利好！
模型训练：风险与机遇并存
在三个投资领域中，模型训练看起来可能是风险最高的环节。看到大量资金投入训练更大规模的模型，我感到欣慰，但同时也存在隐忧。
如果开源/开放权重模型继续扩大市场份额，那么投入数十亿美元训练模型的某些公司可能无法获得有吸引力的财务回报。此外，算法和硬件的进步正在逐年降低训练特定能力水平模型的成本，这使得训练前沿模型的"技术护城河"变得薄弱。
不过，ChatGPT已经成为了强大的消费者品牌，享有强大的品牌护城河；而Gemini则借助谷歌庞大的分发优势，也在强势崛起。这些因素可能会为某些闭源模型提供商提供一定的竞争优势。
泡沫风险与市场情绪
尽管我对AI投资的总体前景保持乐观，但仍需警惕潜在的泡沫风险。最令我担忧的情景是：如果AI堆栈的某个部分（可能是训练基础设施）因过度投资而崩溃，可能导致对AI更广泛的负面市场情绪，以及资金从AI领域的不理性外流，尽管该领域整体基本面强劲。
我不认为这种情况会发生，但如果真的发生，将是令人遗憾的，因为AI领域仍有大量工作我认为值得更多投资。
沃伦·沃伦·巴菲特本杰明·格雷厄姆的名言广为流传："短期来看，市场是一台投票机；长期来看，它是一台称重机。
