在过去的几年里，AI的主导故事一直是基础设施。这意味着在GPU、数据中心、云平台、高性能计算集群及其支持的供应链上进行了大量投资。公司们争相确保计算能力，因为大家都相信：谁控制了AI的基础设施层，谁就掌控了未来。

而且一段时间内，确实如此。

基础设施曾是瓶颈。模型在快速改进，但计算资源有限。训练大规模系统需要巨大的资源，只有少数几家能负担得起竞争。这自然导致资本集中在基础设施提供商——芯片制造商、云服务商和专业硬件生态系统。

但市场和技术永远不会永远停留在某一阶段。

我们现在所看到的 #AIInfraShiftstoApplications 是从构建基础到在其上构建的轮换的开始。简单来说，基础设施不再是唯一的故事。焦点逐渐转向你实际上如何利用这些基础设施。

这种转变微妙但极其强大。

因为一旦基础设施变得普及，稀缺性就会转移到其他地方。它从计算转向实现，从硬件转向软件，从原始能力转向可用的智能。

这就是应用程序进入的地方。

应用程序是AI从抽象能力变成实用工具的地方。它是AI融入日常工作流程、商业流程、消费者平台和整个行业的层面。而且与基础设施不同，应用程序不仅资本密集——它们还依赖用户。它们依赖采用、易用性和实际的实用价值。

在这个转变中，我们开始看到回报产生地点的重新评估。基础设施公司可能会继续增长，但它们的增长变得更为渐进和由供应驱动。而应用程序，如果成功融入高频使用场景，则可以指数级扩展。

可以这样理解：基础设施是引擎，但应用程序是车辆。一旦引擎足够多，竞争优势就转向谁能制造出最好的车辆，以及谁能让人们真正使用它们。

这从市场角度来看变得非常有趣。

在早期的AI周期中，投资者高度看重基础设施公司，因为它们稀缺且必要。数据中心扩展，芯片需求激增，云服务商成为AI经济的核心。那一阶段是关于构建容量。

但现在，我们进入了能力变现的阶段。

而变现总比扩容复杂。

因为在基础设施中，需求相对可预测——你建算力，总会有人使用。但在应用中，需求是不确定的。你必须解决实际问题。你必须融入工作流程。你必须与现有的软件生态系统竞争。最重要的是，你必须证明AI确实能以可衡量的方式提高生产力。

这也是为什么从基础设施到应用的转变不仅是技术上的——它也是经济上的。

它改变了资本流动的方式。

基础设施投资通常集中、大规模，由少数主导者推动。应用投资则更分散、碎片化、竞争激烈。不是少数几个赢家，而是成百上千的试验在争夺采用。

这创造了一个截然不同的市场环境。资本不再追逐计算容量，而开始追逐用例验证。

这个转变的另一个重要维度是利润结构。

基础设施公司通常运作在重资本支出周期中。它们大量前期投资，通过使用和合同逐步收回价值。而应用一旦开发完成，边际成本相对较低，就可以实现规模化。这为强烈采用带来了显著更高的运营杠杆潜力。

但这也意味着失败率更高。不是每个AI应用都能成功。实际上，大多数都不能。因为技术上可行的东西与人们持续使用的东西是完全不同的。

这就需要产品设计、用户体验和分发变得至关重要。在基础设施时代，工程卓越已足够。在应用时代，则不然。你需要生态系统整合、实际的实用性，甚至用户的行为改变。

而这更难。

从宏观角度看，这一转变也反映了技术革命中的更广泛模式。在几乎每一次重大浪潮——互联网、移动、云——早期都由基础设施建设主导。然后，一旦基础设施达到足够成熟，价值就会转向其上的应用。

我们在互联网时代看到过：光纤网络和服务器先行建设，后来搜索引擎、电子商务平台和社交网络捕获了巨大的价值。移动时代也是如此：手机硬件先扩展，随后应用生态系统主导使用和收入。

AI现在也走在类似的轨迹上。

但规模更大，速度更快。

这次转变发生的原因之一是AI模型已达到一定的通用可用性。它们不再只是实验性工具——而是变成了集成助手、编码代理、内容生成器、分析系统和自动化层。这意味着限制因素不再只是计算——而是实现。

这创造了一个新的竞争格局。

之前专注于基础设施的公司，现在面临着寻找应用层价值的压力。与此同时，从未拥有基础设施的新进入者，也可以通过利用现有模型和API构建强大的AI原生应用。

这种民主化极其重要。它降低了创新的门槛，但也极大增加了竞争。

在金融市场中，这种转变常常导致行业轮动。资本逐渐从高资本、基础设施重的公司转向高增长、以应用为驱动的公司。但这种轮动不是立即发生的，而是以波浪式推进，伴随着波动和叙事转变。

投资者开始提出新的问题。不再是“谁拥有最多的计算能力？”而是“谁真正有效地在使用AI？”或“哪些公司将AI融入实际的收入生成流程中？”

这种提问的变化反映了价值认知的更深层次变化。

这个转变的另一个重要方面是生态系统依赖性。应用程序在很大程度上依赖于基础模型和基础设施提供商，这意味着它们并非完全独立。但同时，成功的应用也可以成为AI本身的强大分发渠道，形成反馈循环。

例如，如果一个AI驱动的生产力工具被广泛采用，它会增加对基础模型的需求，从而加强基础设施的利用率。因此，尽管焦点转移，层级之间仍然相互关联。

这种相互联系正是使AI经济如此复杂的原因。它不是一个简单的线性堆叠，而是一个动态系统，每一层都在不断影响其他层。

从长远来看，#AIInfraShiftstoApplications 最重要的结果是AI开始从“技术行业”转变为“通用经济层”。它不再局限于特定公司或行业，而是嵌入到一切之中——金融、医疗、教育、物流、娱乐等等。

当这一切发生时，价值的定义也会发生变化。

公司不再仅仅根据传统指标如软件许可证或硬件销售进行评估，而是根据它们如何有效地将智能融入工作流程以及释放了多少生产力进行评估。

这也是为什么应用如此重要。它们是AI能力与人类或商业实用性之间的接口。

如果基础设施关乎潜力，应用关乎实现。

而这种区别正是整个转变的核心。

在早期阶段，市场奖励潜力。现在，它们将越来越多地奖励实现。

所以当我们谈论 #AIInfraShiftstoApplications ，实际上是在谈论一个成熟周期。一个从构建智能系统到大规模部署智能系统的转变。

在之前的每一个技术周期中，这一转变都代表了最终最大价值的创造点。

因为基础设施奠定了基础——但定义经济的，是应用。

查看原文