AI到底有沒有泡沫？吳恩達最新發聲：訓練設施過度投資可能導致崩盤

↑閱讀之前記得關注+星標??，，每天才能第一時間接收到更新

隨著OpenAI 高達1.4萬億美元的基建計劃，以及英偉達市值短暫觸及5萬億美元大關，越來越多的聲音開始質疑：炒作和投機是否已將AI投資推高到了不可持續的水平？

對此，吳恩達老師給出了最新的詳細研判。他認為，AI并非鐵板一塊，不同領域的泡沫程度各不相同

核心觀點如下：

AI應用層：投資不足。其潛力遠超大多數人的認知

AI推理基礎設施：仍需大量投資

AI模型訓練基礎設施：持謹慎樂觀態度，但可能存在泡沫

注：吳恩達老師強調，這不是投資建議

以下是吳恩達對這三個領域的具體分析

1. AI應用層：被嚴重低估

未來十年，基于新AI技術構建的應用將層出不窮。

吳恩達提出了一個基本邏輯：建立在AI基礎設施/技術（如LLM API）之上的應用，其價值必須高于基礎設施本身。 原因很簡單，應用層需要有能力向基礎設施和技術提供商付費

目前，在許多業務中已經可以看到應用Agentic工作流（智能體工作流）的萌芽，這一趨勢必將增長

然而，投資界對此反應不一：

許多風險投資人（VC）對投資AI應用猶豫不決，因為他們覺得難以挑選贏家，相比之下，投入10億美元建設AI基礎設施的配方更為人熟知

部分人受到炒作影響，認為只要前沿LLM公司的基礎模型一升級，絕大多數AI應用就會被抹平

吳恩達明確反對這種看法。他認為AI應用層存在嚴重的投資不足，這也將是他的風投工作室AI Fund的重點關注領域

2. 推理基礎設施：供應受限是幸福的煩惱

盡管目前AI的滲透率還不高，但基礎設施提供商已經在為滿足代幣（Token）生成的算力需求而掙扎。

現狀：多個團隊都在擔心能否獲得足夠的推理能力。成本和推理吞吐量正在限制更廣泛的使用

供需關系：這是一個好問題。企業面臨的是供應受限，而非需求受限（即產品無人問津）

吳恩達舉例稱，高度Agentic的編碼工具正在快速發展：

Claude Code備受推崇

隨著 GPT-5 的發布，OpenAI Codex 取得了顯著進步

Gemini 3也讓 Google CLI 極具競爭力

雖然目前很多開發者仍在使用舊一代工具（甚至不使用Agentic工具），但隨著市場滲透率的提升，對Token生成的總需求將持續增長。

吳恩達早在去年初就預測我們需要更多的推理能力，如今這一需求變得更加迫切。

風險提示：如果最終建設過剩——目前尚不確定——提供商可能不得不虧本或以低回報出售算力。這對投資者可能是壞消息，但對于應用構建者來說，這意味著算力會被充分利用，是個利好

3. 訓練基礎設施：風險最大

這是三個投資籃子中風險最高的一個

吳恩達指出，雖然很高興看到資金流入大模型訓練，但存在兩個關鍵隱患：

1.開源/開放權重模型的市場份額若持續增長，那些斥資數十億訓練模型的公司可能無法獲得誘人的財務回報

2.技術護城河薄弱。算法和硬件的進步使得訓練特定能力水平模型的成本逐年下降

不過，頭部玩家仍有優勢：ChatGPT已建立強大的消費者品牌護城河，而Gemini依托Google巨大的分發優勢也表現強勁。

警惕連鎖反應

吳恩達最擔心的一種下行場景是：如果AI技術棧的一部分（可能是訓練設施）因過度投資而崩盤，可能會導致市場對整個AI領域的情緒惡化，引發非理性的資金外流，哪怕整個領域的基本面依然強勁

他引用了巴菲特推廣的本杰明·格雷厄姆名言：從短期來看，市場是一臺投票機；但從長期來看，它是一臺稱重機

短期股價受情緒和投機驅動，長期則取決于基本面價值。吳恩達表示，難以預測情緒和投機，但他對AI的長期基本面充滿信心。

--end--

最后記得??我，這對我非常重要，每天都在更新：

歡迎點贊轉發推薦評論，別忘了關注我