Andrew Ng分析AI泡沫，认为应用层投资不足，推理需更多投资，训练层风险大

是否存在AI泡沫？随着大量资金涌入AI基础设施，如OpenAI的1.4万亿美元计划以及英伟达短暂达到5万亿美元市值，许多人质疑投机和炒作是否已将AI投资价值推高至不可持续的水平。然而，AI并非铁板一块，不同领域泡沫程度各异。
- AI应用层：投资不足。潜力远超多数人的认知。
- AI推理基础设施：仍需大量投资。
- AI模型训练基础设施：对此领域仍持谨慎乐观态度，但可能存在泡沫。

警告：我绝对不是在提供投资建议！

AI应用层。未来十年，利用新AI技术将构建大量应用。几乎可以肯定，基于AI基础设施/技术（如LLM API）构建的应用必须比基础设施更有价值，因为我们需要用它们来支付基础设施和技术提供商。

我看到许多企业在应用智能体工作流方面出现诸多积极迹象，并确信这将增长。我还与许多风险投资家交谈过，他们对投资AI应用犹豫不决，因为感觉不知道如何挑选赢家，而部署10亿美元构建AI基础设施的路径更为清晰。有些人也相信了炒作，认为几乎所有AI应用都会被前沿LLM公司改进基础模型所淘汰。总体而言，我认为AI应用领域存在严重投资不足。这个领域仍然是我创投工作室AI Fund的焦点。

AI推理基础设施。尽管AI渗透率目前较低，但基础设施提供商已难以满足对算力生成token的需求。我的几个团队担心能否获得足够的推理容量，成本和推理吞吐量限制了我们进一步使用的可能。企业受供应限制而非需求限制是个好问题。后者更为常见，即没多少人想要你的产品。但供应不足仍是问题，因此我很高兴业界正大力投资扩大推理容量。

一个具体的高token生成需求例子：高度智能体的编码工具发展迅速。我一直是Claude Code的粉丝；OpenAI Codex在GPT-5发布后也大幅改进；Gemini 3使Google CLI非常有竞争力。随着这些工具改进，它们的采纳率将增长。同时，整体市场渗透率仍低，许多开发者仍在使用旧一代编码工具（有些甚至未使用任何智能体编码工具）。随着市场渗透率增长——鉴于这些工具非常有用，我确信会增长——token生成的总体需求也将增长。

去年初我预测我们需要更多推理容量，部分原因是智能体工作流。自那以后，需求更加迫切。作为社会，我们需要更多AI推理能力。

话虽如此，我并非说投资这个领域不可能亏钱。如果我们最终过度建设——目前我不知道是否会——那么提供商可能不得不亏本或低回报地出售容量。我希望该领域的投资者财务上表现良好。然而好消息是，即使过度建设，这些容量也会被使用，对应用开发者有利！

AI模型训练基础设施。我很高兴看到对训练更大模型的投资。但在三类投资中，这似乎风险最大。如果开源/开放权重模型市场份额继续增长，那么一些投入数十亿美元训练模型的公司可能不会看到a（原文截断）。