當英偉達（Nvidia）的市值在近期短暫觸及那令人眩暈的5萬億美元歷史高點，當OpenAI那一紙高達1.4萬億美元的基礎設施藍圖令華爾街既興奮又戰慄時，全球科技界正站在一個前所未有的十字路口。這究竟是第四次工業革命的輝煌黎明，還是另一場即將破滅的互聯網泡沫？在這個資本狂歡與技術焦慮交織的時刻，人工智慧領域的泰斗級人物吳恩達（Andrew Ng）發出了一份冷靜而詳盡的研判，直指當前AI投資版圖的結構性錯位。
吳恩達的核心論點犀利而獨到：AI並非鐵板一塊。將整個行業混為一談是危險的簡化。他將AI生態系統精準地解構為應用層、推理基礎設施和訓練基礎設施三個維度，並指出這三個領域的泡沫程度呈現出截然不同的光譜——從嚴重的價值低估到潛藏的高風險泡沫，投資者正面臨著一場複雜的博弈。
應用層的價值窪地與「贏家詛咒」
在資本瘋狂追逐GPU和超級數據中心的喧囂背後，吳恩達指出了一個令人意外的現象：AI應用層正處於嚴重的投資不足狀態。這一判斷與當前矽谷主流風投（VC）的遲疑形成了鮮明對比。
邏輯上，基於AI基礎設施構建的應用層，其長期價值理應高於基礎設施本身。這遵循了一個樸素的商業公理：應用層必須產生足夠的利潤來支付底層算力的成本。然而，現實卻是風投圈的集體躊躇。這種猶豫源於一種被稱為「模型焦慮」的心態——許多投資者擔心，隨著基礎大模型（如GPT-5或Gemini 3）的能力不斷迭代，構建在現有模型之上的應用護城河會被瞬間填平。他們不僅難以挑選出最終的贏家，更傾向於將資金投向那些商業模式簡單粗暴、看似穩賺不賠的基礎設施項目。
對此，吳恩達持強烈反對意見。他認為，這種觀點極大地低估了垂直領域專用知識和工作流整合的價值。未來十年，真正的價值爆發將源於那些利用通用大模型API，解決具體、複雜業務痛點的應用。特別是在「智能體工作流」（Agentic Workflows）日益成熟的今天，AI不再僅僅是一個聊天機器人，而是能夠自主規劃、執行複雜任務的數字員工。
目前，雖然許多開發者仍停留在上一代工具的使用習慣中，但在醫療、法律、編程等垂直領域，高度智能化的Agent已經開始展現出驚人的效率提升。這種從「對話式AI」向「行動式AI」的範式轉移，正在孕育一批未來的科技巨頭。然而，由於市場的短視，這一領域目前的估值遠未匹配其潛在的顛覆性能量。對於具有長遠眼光的資本而言，這裡或許是整個AI版圖中性價比最高的「價值窪地」。
算力饑渴：推理基礎設施的「幸福煩惱」與訓練端的隱憂
如果說應用層是「被遺忘的角落」，那麼基礎設施層則呈現出一種微妙的分裂：推理（Inference）與訓練（Training）正面臨截然不同的命運。
吳恩達將推理基礎設施面臨的局面描述為「幸福的煩惱」。隨著Claude Code、OpenAI Codex以及Gemini 3加持下的Google CLI等新一代編碼工具的普及，市場對Token生成的總需求正在經歷指數級增長。目前的現狀是供應受限，而非需求不足。這對於基礎設施提供商而言是一個極其健康的信號——意味著每一塊上架的GPU都能迅速找到買家，算力被充分利用，沒有任何閑置的浪費。
這種供不應求的局面，本質上是由AI滲透率的提升所驅動的。即便是在目前的早期階段，基礎設施提供商已經在為滿足巨大的推理算力而掙扎。可以預見，隨著更多企業將AI集成到核心業務流程中，這種對推理算力的渴求將持續存在。這種基於實際業務需求的增長，是支撐英偉達等硬體廠商高市值的堅實基本面之一。
然而，當我們把目光轉向「模型訓練基礎設施」時，畫風突變。吳恩達將其列為三個投資籃子中風險最高的領域，並對此持「謹慎樂觀」甚至略帶警惕的態度。
風險的核心在於商業模式的可持續性。目前，大量的資本正湧入大模型的預訓練環節，旨在爭奪那唯一的「皇冠上的明珠」。但兩個關鍵因素正在侵蝕這一領域的利潤空間：
首先是開源與開放權重模型的強勢崛起。Meta的Llama系列及其他開源模型的性能日益逼近閉源模型，這使得那些斥資數十億美元訓練私有模型的公司面臨巨大的定價壓力。如果客戶可以用極低的成本在本地部署一個性能相近的模型，那麼閉源模型的商業護城河將變得岌岌可危。
其次是技術門檻的相對降低。雖然訓練頂尖模型依然昂貴，但演算法優化和硬體效率的提升使得訓練特定能力水平模型的成本逐年下降。這意味著，先發者的優勢並不像人們想像的那樣牢不可破。除了像ChatGPT這樣已經建立起強大消費者品牌認知，或者像Google Gemini那樣擁有龐大分發渠道的頭部玩家外，處於中間層的模型廠商可能面臨「燒錢無止境，回報遙無期」的尷尬境地。
市場情緒的連鎖反應與長期主義的錨點
在深入剖析了三個層面的異同後，吳恩達表達了他對市場情緒可能引發「連鎖崩盤」的擔憂。儘管他堅信AI技術的長期基本面依然強勁，但短期內的市場是非理性的。
最壞的情景是：如果AI技術棧中的某一個環節——極有可能是過度擁擠的訓練基礎設施領域——因為產能過剩或回報不及預期而發生崩盤，這種恐慌情緒極易傳染給整個行業。市場往往缺乏分辨能力，一旦「AI泡沫破裂」的敘事成為主流，資金可能會不分青紅皂白地從健康的推理層和應用層撤出，導致整個生態系統的流動性枯竭。
這種擔憂並非杞人憂天。歷史無數次證明，本傑明·格雷厄姆那句名言的正確性：市場在短期是投票機，長期是稱重機。目前的AI股價，很大程度上是由情緒、投機以及對未來的線性外推所驅動的「投票」結果。當數十萬億美元的預期與實際的財報數字發生碰撞時，劇烈的波動在所難免。
對於身處2025年末的觀察者而言，吳恩達的分析提供了一個清晰的導航圖：警惕那些純粹依賴算力堆疊的訓練項目，關注那些受限於算力供應的推理需求，並大膽押注那些能夠解決實際問題、被市場低估的AI應用。
AI的未來不會因為一次股市的調整而終結，正如互聯網沒有因為2000年的泡沫破裂而消失一樣。相反，只有當潮水退去，那些真正創造價值的應用和基礎設施才會顯露出它們堅硬的岩石根基。對於投資者和從業者來說，現在的任務不是盲目恐慌或狂熱，而是穿透市值的迷霧，尋找那些能夠經受住時間「稱重」的真實資產。
