是否存在AI泡沫？随着巨额资金涌入AI基础设施——例如OpenAI的1.4万亿美元计划、英伟达市值一度突破5万亿美元——不少人质疑，投机与炒作是否已将AI投资推高至不可持续的水平。然而，AI并非铁板一块，不同领域的泡沫程度各异。- AI应用层：投资不足。其潜力仍被普遍低估。 - AI推理基础设施：仍需大量投入。 - AI模型训练基础设施：我对此保持谨慎乐观，但泡沫也可能存在。免责声明：我绝非在提供投资建议！AI应用层。未来十年，基于新型AI技术（如大模型API）的应用远未建完。按定义，这些应用必须比基础设施更值钱，才能反哺技术与基础设施提供商。我已看到众多企业采用智能体流程的“绿芽”，并确信其将壮大。许多风投因“不会挑赢家”而回避应用层，宁愿把10亿美元投入“套路清晰”的基础设施；也有人被“前沿模型一升级，应用全归零”的 hype 吓退。总体而言，AI应用严重投资不足，这仍是我所在AI Fund创投工作室的核心关注点。AI推理基础设施。尽管AI渗透率仍低，供应商已难以满足token生成的算力需求。我多个团队常为拿不到足够推理容量发愁，成本与吞吐量限制了更大规模的使用。供不应求是“幸福的烦恼”，远好过需求不足。行业正加大扩产，这是好事。以“高智能体程序员”为例，Claude Code、GPT-5版Codex、Gemini 3的Google CLI都在快速进步，渗透率却尚低，多数开发者仍在用旧工具或不用智能体编码。随着渗透率提升，token总需求还将激增。我去年初就预测推理容量会紧张，如今需求更迫切。当然，若最终过度建设，供应商可能亏损出货，但即使如此，多余容量终将被应用层消化，对开发者仍是利好。AI模型训练基础设施。我乐见更大模型的训练投入，但三类投资中此项风险最高。若开源/开放权重模型继续抢占市场，那些豪掷数十亿美元训练闭源模型的公司可能回报惨淡。加之算法与硬件每年降低同等能力模型的训练成本，“技术护城河”被不断削弱。（当然，ChatGPT已成强势消费品牌，Gemini亦凭谷歌的分发优势表现亮眼。）整体而言，我仍长期看好AI。但 downside 场景是：若某一环节（或许是训练基础设施）因过度投资而崩盘，可能引发市场对AI的全面负面情绪，导致资金非理性外逃，而行业基本面其实依旧强劲。我不认为这一定会发生，但若成真，将令人遗憾，因为仍有许多AI方向值得加大投入。巴菲特曾引用格雷厄姆的名言：“短期看，市场是投票机；长期看，是称重机。”我无法预测短期情绪，但对AI长期基本面充满信心。所以，我的计划只有一句话：继续建造！
