哈喽，大家好，今天小睿这篇评论，主要来分析英伟达市值短暂冲上5万亿美元，OpenAI抛出1.4万亿美元基础设施蓝图，当下的AI圈堪比当年互联网狂欢，
这到底是技术革命的开端，还是泡沫破裂的前兆？AI领域泰斗吴恩达最近发声，一句话点透关键：训练设施过度投资可能引发崩盘，但有些领域却被严重低估。
吴恩达最出人意料的判断是，AI应用层正处于投资不足的价值洼地。按常理说，应用层靠基础设施赚钱，价值该比底层更高，可硅谷风投偏偏集体犹豫。他们怕基础大模型一升级，比如GPT-5出来，现在的应用就全白做了，不如投算力来得“稳”。
但现实狠狠打了脸。波士顿有家做医疗AI的初创公司Viz.ai，就靠通用大模型API做中风诊断辅助。医生以前要花45分钟分析脑部扫描图，他们的AI工具3分钟就能定位病灶，还能自动联系神经科医生。就这么个解决具体痛点的应用，去年营收翻了3倍，可融资额还不到一家训练型初创公司的零头。
国内也有类似案例。深圳有家做工业质检的公司，用AI模型检测手机屏幕划痕，准确率比人工高15%，还能24小时连轴转。他们没自己训练大模型，就是用现成的API做定制化开发，客户从华为拓展到苹果，今年订单排到了年底。吴恩达说的没错，垂直领域的专业知识和工作流整合，才是应用层的护城河。
吴恩达把AI基础设施拆成推理和训练两部分，两者境遇天差地别。推理基础设施是真的“香”，属于需求推着供给走；训练基础设施却有了泡沫的苗头。
推理层的火爆肉眼可见。字节跳动去年给推荐系统加了AI推理模块，用户刷到的精准内容多了30%，后台对GPU的需求直接翻了两倍。他们找英伟达加购芯片，排了三个多月才拿到货。不止字节，阿里的智能客服、美团的外卖调度，都在加推理算力，现在市面上的GPU基本是到货就被抢空，根本不愁卖。
训练层就危险了。硅谷有家初创公司去年砸了8亿美元训练通用大模型，想跟OpenAI抢市场。结果Meta的Llama 3开源后，性能跟他们的模型差不了多少，还能免费商用。这家公司的客户全跑了，今年初直接宣布破产，8亿美元打了水漂。吴恩达说的训练设施过度投资，就是这种情况——大家都想做下一个ChatGPT，却忘了开源模型正在拉低门槛。
吴恩达最担心的不是技术不行，是市场情绪的连锁反应。他怕训练层的崩盘会连累整个AI行业，就像2000年互联网泡沫时，好公司也跟着遭殃。
这种情况不是没发生过。今年初，美国有家做AI训练服务器的公司股价暴跌70%，原因是客户取消了大量订单。消息一出，连做AI医疗应用的Viz.ai股价都跟着跌了20%，可Viz.ai当时的营收还在增长。就因为市场听到“AI相关”就恐慌，根本不看具体业务。
更关键的是，现在训练层的投资太盲目。有数据显示，2024年全球AI训练设施投资增长了300%，但真正能盈利的项目不到5%。很多资本根本不看技术落地能力，只看“是不是大模型”“有没有买足够多的GPU”，这种狂欢跟当年互联网泡沫时炒概念如出一辙。
AI不是整体泡沫，是结构性分化。训练层要警惕过热，推理层需求扎实，应用层藏着机会。对投资者和从业者来说，别跟着凑训练的热闹，沉下心解决具体问题才是正道。
热门跟贴