↑阅读之前记得关注+星标⭐️，，每天才能第一时间接收到更新

随着OpenAI 高达1.4万亿美元的基建计划，以及英伟达市值短暂触及5万亿美元大关，越来越多的声音开始质疑：炒作和投机是否已将AI投资推高到了不可持续的水平？

对此，吴恩达老师给出了最新的详细研判。他认为，AI并非铁板一块，不同领域的泡沫程度各不相同

核心观点如下：

AI应用层：投资不足。其潜力远超大多数人的认知

AI推理基础设施：仍需大量投资

AI模型训练基础设施：持谨慎乐观态度，但可能存在泡沫

注：吴恩达老师强调，这不是投资建议

以下是吴恩达对这三个领域的具体分析

1. AI应用层：被严重低估

未来十年，基于新AI技术构建的应用将层出不穷。

吴恩达提出了一个基本逻辑：建立在AI基础设施/技术（如LLM API）之上的应用，其价值必须高于基础设施本身。 原因很简单，应用层需要有能力向基础设施和技术提供商付费

目前，在许多业务中已经可以看到应用Agentic工作流（智能体工作流）的萌芽，这一趋势必将增长

然而，投资界对此反应不一：

许多风险投资人（VC）对投资AI应用犹豫不决，因为他们觉得难以挑选赢家，相比之下，投入10亿美元建设AI基础设施的配方更为人熟知

部分人受到炒作影响，认为只要前沿LLM公司的基础模型一升级，绝大多数AI应用就会被抹平

吴恩达明确反对这种看法。他认为AI应用层存在严重的投资不足，这也将是他的风投工作室AI Fund的重点关注领域

2. 推理基础设施：供应受限是幸福的烦恼

尽管目前AI的渗透率还不高，但基础设施提供商已经在为满足代币（Token）生成的算力需求而挣扎。

现状：多个团队都在担心能否获得足够的推理能力。成本和推理吞吐量正在限制更广泛的使用

供需关系：这是一个好问题。企业面临的是供应受限，而非需求受限（即产品无人问津）

吴恩达举例称，高度Agentic的编码工具正在快速发展：

Claude Code备受推崇

随着 GPT-5 的发布，OpenAI Codex 取得了显著进步

Gemini 3也让 Google CLI 极具竞争力

虽然目前很多开发者仍在使用旧一代工具（甚至不使用Agentic工具），但随着市场渗透率的提升，对Token生成的总需求将持续增长。

吴恩达早在去年初就预测我们需要更多的推理能力，如今这一需求变得更加迫切。

风险提示：如果最终建设过剩——目前尚不确定——提供商可能不得不亏本或以低回报出售算力。这对投资者可能是坏消息，但对于应用构建者来说，这意味着算力会被充分利用，是个利好

3. 训练基础设施：风险最大

这是三个投资篮子中风险最高的一个

吴恩达指出，虽然很高兴看到资金流入大模型训练，但存在两个关键隐患：

1.开源/开放权重模型的市场份额若持续增长，那些斥资数十亿训练模型的公司可能无法获得诱人的财务回报

2.技术护城河薄弱。算法和硬件的进步使得训练特定能力水平模型的成本逐年下降

不过，头部玩家仍有优势：ChatGPT已建立强大的消费者品牌护城河，而Gemini依托Google巨大的分发优势也表现强劲。

警惕连锁反应

吴恩达最担心的一种下行场景是：如果AI技术栈的一部分（可能是训练设施）因过度投资而崩盘，可能会导致市场对整个AI领域的情绪恶化，引发非理性的资金外流，哪怕整个领域的基本面依然强劲

他引用了巴菲特推广的本杰明·格雷厄姆名言：从短期来看，市场是一台投票机；但从长期来看，它是一台称重机

短期股价受情绪和投机驱动，长期则取决于基本面价值。吴恩达表示，难以预测情绪和投机，但他对AI的长期基本面充满信心。

--end--

最后记得⭐️我，这对我非常重要，每天都在更新：

欢迎点赞转发推荐评论，别忘了关注我