近期，OpenAI宣布高达1.4万亿美元的基建规划，英伟达市值也一度冲破5万亿美元大关，这一系列动态引发了市场对AI投资热潮的深度思考：当前的投资规模是否已超出合理范畴，是否存在过度炒作与投机行为？针对这一疑问，人工智能领域知名学者吴恩达给出了专业研判，他认为AI并非单一整体，不同细分领域的投资现状与泡沫程度存在显著差异。
吴恩达将AI投资划分为三个核心领域：应用层、推理基础设施与模型训练基础设施，并逐一剖析其投资价值与潜在风险。他特别强调，以下分析仅代表个人学术观点，不构成任何投资建议。
在AI应用层领域，吴恩达指出其当前存在严重的投资不足现象。他提出一个核心逻辑：基于AI基础设施（如大语言模型API）构建的应用，其市场价值必须高于底层技术本身，因为应用层需要向技术提供方支付费用。目前，智能体工作流（Agentic Workflow）已在多个业务场景中初现端倪，且呈现快速增长趋势。然而，风险投资界对此反应谨慎，多数投资人因难以预判应用层竞争格局而持观望态度，相比之下，他们更熟悉大规模基建项目的投资模式。部分观点甚至认为，前沿大模型公司的技术升级将使现有应用失去竞争力。对此，吴恩达明确反驳，他认为应用层的潜力远被低估，其风投工作室AI Fund已将该领域作为重点布局方向。
关于推理基础设施，吴恩达认为当前面临的是"幸福的烦恼"——供应端瓶颈制约了技术普及。尽管AI整体渗透率仍处于低位，但基础设施提供商已难以满足算力需求。多个开发团队正为获取足够推理能力而焦虑，成本与吞吐量限制成为技术落地的关键障碍。这种供需矛盾实际上反映了市场需求的旺盛，而非产品缺乏吸引力。以编码工具为例，Claude Code、OpenAI Codex（GPT-5版本）及Google CLI（Gemini 3加持）等智能体工具的快速发展，预示着随着市场渗透率提升，代币生成需求将持续攀升。吴恩达去年初就曾预警推理算力短缺问题，如今这一需求愈发迫切。他同时提醒，若基建过度扩张导致产能过剩，虽然可能影响投资者收益，但对应用开发者而言反而是利好，因为算力成本将进一步降低。
在模型训练基础设施方面，吴恩达认为这是三个领域中风险最高的投资方向。尽管资金持续涌入大模型训练领域，但存在两大隐患：其一，开源模型的市场份额持续扩大，可能削弱商业模型训练的财务回报；其二，算法优化与硬件迭代导致训练成本逐年下降，技术壁垒不断削弱。不过，头部企业仍具备竞争优势，ChatGPT凭借强大的消费者品牌形成护城河，Gemini则依托Google的生态分发优势占据有利地位。吴恩达特别警示，若训练设施领域因过度投资出现崩盘，可能引发市场对整个AI行业的情绪性抛售，导致资金非理性流出，即便行业基本面依然稳健。他引用巴菲特推崇的格雷厄姆名言指出："短期市场是投票机，长期是称重机"，强调虽然短期波动难以预测，但对AI的长期价值充满信心。
该分析在业界引发广泛讨论。部分投资人开始重新审视应用层投资机会，也有观点认为推理基建的供需矛盾可能催生新的商业模式。市场普遍认同，AI投资需要更精细化的领域划分与风险评估，而非简单追随热点趋势。
