当推理成为稀缺资源，价值由谁捕获

AI 摘要

一句话摘要: AI推理正取代训练成为算力稀缺瓶颈，价值捕获向推理侧转移。 关键事实: 1. 2023年Sequoia提出的“2000亿美元问题”（GPU过度建设）在2024年扩大为“6000亿美元问题”，但缺口被推理侧需求填补。 2. Cerebras IPO获20倍超额申购，市场认可其推理优化芯片架构，推理市场规模被J.P. Morgan估为训练的10-50倍。 3. Nvidia财报确认推理需求呈抛物线增长，Jensen Huang称“Tokens现在有利可图”，agentic AI推动推理算力持续消耗。 涉及主体: - 公司/项目: Nvidia、Cerebras、Sequoia、J.P. Morgan - 人物: David Cahn（Sequoia）、Jensen Huang（Nvidia）、Frank Fu（IOSG） 可能影响: - 算力栈价值从训练硬件向推理优化层（芯片、服务、token化）转移，推动新商业模式（如按token计费）。 - agentic AI的扩张使推理需求从用户驱动转向算力自循环，可能加速算力基础设施投资。 - 传统GPU厂商（如Nvidia）需强化推理能力，新兴推理芯片公司（如Cerebras）获得市场机会。 是否值得继续跟踪: 是 原因: 推理稀缺性正在重塑AI基础设施价值分配，涉及硬件、云服务、token经济等多个层面，且市场定价刚刚开始反映这一趋势，后续可能引发产业链重构。 噪音/炒作风险: 中 判断依据: 推理需求增长有真实数据支撑（如Cerebras IPO、Nvidia财报），但agentic AI的规模化落地尚需时间验证，部分市场预期可能超前于实际应用渗透率。