最近，字节跳动通过银团贷款296亿美元，阿里巴巴800亿港元配售，再往前几个月，谷歌和亚马逊融了800多亿美元，NVIDIA抛出5000亿美元“大计划”，全球所有大厂都在疯狂找钱，花钱的方向只有一个：AI基建。

宏大叙事一点说，近代产业史每一轮重塑时代格局的底层机遇，本质都是一场顶级的基建升级。

19世纪轰轰烈烈的铁路狂热和美国西部淘金热、国内的房地产城镇化，再到现在的全球AI基建热，虽然资本大手笔砸钱的过程，可能市场争议不会断，过程也会伴随着泡沫，但最后沉淀下来的基础设施，能稳稳托举未来几十年的产业发展。

只不过跟之前的全球基建相比，这场AI基建的覆盖范围更广，砸钱规模史无前例，产业迭代也快得离谱，争议自然也更大。

7月份，AI基建就经历了一轮剧烈波动，资本市场对AI基建的巨额投入，和回报之间的gap产生了疑问。无脑堆卡、疯狂扩集群的粗放时代还没结束，但市场开始关心，砸出去上万亿算力投资，未来真的能赚到钱吗？

这是在资本端和产业端的变化信号。而与去年的区别是，今年大家能明显感觉到，普通用户已经开始常态化使用各类桌面Agent。AI不再是简单的聊天工具，真正变成了可以自动运行、循环干活的智能体。今年是真正的Agent元年。

C端智能体开始大范围普及，也让Token消耗不断超出预计。今年3月国内日均Token调用突破140万亿，相比2024年初直接翻了千倍以上。

而且现在还有个挺拧巴的问题。都在喊缺卡，抢算力，但实际上还有大量GPU天天在空转、闲置和浪费。卡内基梅隆大学做了一次实测，用756张GPU连续跑了31天，发现集群近两成的时间都在“等待”。

比如OpenAI的推理业务，一半以上能耗都耗在了空转上；国内智算中心更夸张，GPU平均利用率还不到30%。前几年，AI基建野蛮生长，堆规模还能掩盖住效率问题。但现在快到了要回报的时刻，拼的是谁能把Token成本打下来、谁能把算力利用率提上去。

效率，成了AI Infra新的胜负手。于是现在紧要的问题是，空转的算力怎么盘活，推理成本怎么打下来。而随着AI Infra的行情进入深水区，行业噪音也逐渐多了起来。

AI赛道铺得太开，芯片、电力、硬件、软件、模型、应用层层叠加，每天都有新融资、新故事、新概念冒出来，每一方都在讲符合自己利益的自洽的版本。就如《信号与噪声》所说，信息爆炸的时代，噪音永远比信号多、比信号快。

AI行业正处于这种状态，大家都在讲狂热的长线故事，但没人敢笃定短期的确定性。千亿级基建投入，长期红利和短期泡沫的比例是多少？AI Infra到底有没有真壁垒？市场情绪降温，会不会影响一级市场融资和退出？中美在AI Infra的差别和差距在哪里？又哪些弯道超车的机会？这些问题需要去掉“噪声”，找到那些真正的“信号”。

带着这些趋势和问题，投中网联合中关村科学城公司、中关村创业大街共同举办了，“Agent元年，重构AI Infra新势力”深度闭门沙龙，本次沙龙由投中网主编曹伟钰、副主编张楠主持，参与嘉宾包括：

九章云极联合创始人暨COO尚明栋、海松资本董事总经理刘忱、象帝先副总经理王耀宇、趋境科技总裁兼CFO武文洁、君科丹木管理合伙人张瑞琪、冯源资本执行董事刘思远、特斯联AI Infra业务总经理刘跃、燕缘创投管理合伙人李军、科安创能创始人兼CEO姜伟、祥峰投资执行董事姜煦、未名智芯联合创始人陈凤云、水木梧桐创投董事总经理杨锐、真成投资管理合伙人李剑威、焦耳传热总经理刘旭、荆华密算副总裁王珂、光擎源COO张振、蔻町智能Co-Founder&CTO陈秋武。

“七姐妹抱团，中国散装”

在本次的AI Infra沙龙中，九章云极、特斯联、趋境科技，都是国内核心的Token直接供给玩家。凭借自研调度、异构整合与全链路优化能力，它们有各自的思路解决GPU空转、算力利用率低、推理成本高昂等问题。

恰逢Agent规模化爆发，全网Token需求井喷，这类能实实在在提效降本、稳定算力供给的企业，已然成为AI Infra精细化升级的核心底层支撑。

九章云极在国内布局了12个智算中心节点，并已拓展至东南亚市场，业务覆盖智算新云、训练工厂与Token工厂三大板块。

九章云极联合创始人暨COO尚明栋观察到一个行业趋势：美国市场算力供给呈现高度集中的格局，头部云厂商与AI基础设施公司形成了紧密的生态协同；中国市场则更多由实际需求驱动，呈现出更分散、更贴近产业的特点。

趋境科技核心团队成员具有清华大学计算机系高性能计算研究所的科研和工程背景，承接了相关团队十余年的技术积累，研发核心团队成员多具有清华背景。2023年底成立时，正值“百模大战”热度较高的阶段，趋境科技就选定了推理明确聚焦大模型推理，这在当时的行业创业公司中并不多见。

趋境科技总裁兼CFO武文洁三年前还是这一行业的投资人和研究者，如今投身创业。她的感触是：“真正的创业者、实践者还是深感国产卡和海外高性能卡有很大的差距，获得这些卡越来越难。”

特斯联AI Infra业务负责人刘跃看的是场景这一端。特斯联2015年成立于重庆，从AIoT场景做起，一路成长为AI-IoT独角兽，股东阵容涵盖国央企、IDG资本、AL Capital等知名投资机构，以及京东、科大讯飞、商汤等头部产业资本；截至目前，其产品已部署于全球170多个城市、服务超过900个客户。

他的核心观点是：特斯联的打法是用垂直场景驱动AI Infra和Agent的产品迭代，这与市面上以通用Token服务和算力租赁为主的路径不是一回事。“美国厂商更多集中在基础设施和上层通用模型；国内市场不一样，场景密度高、产业门类全，应用层百花齐放。”

芯片这一层的差距，还有另一种形态。海松资本董事总经理刘忱举例说，现在有一些专做推理芯片的新公司，甚至直接把某家模型公司的架构写进芯片，等于给一款模型做一颗专用芯片，运行效率比现有方案高出100倍。代价也明显，换个模型，或者模型一迭代，这颗芯片就用不上了。

刘忱进一步解释说，从绝对的通用性到绝对的效率有很多中间地带，每个芯片解决的只是中间地带的某个场景，“很难通过一个公司、一个产品解决所有的问题”，大厂买不了整个公司，就买人、买专利。

国产通用GPU这一路，象帝先的经历本身就很说明问题。象帝先2020年9月在重庆成立，创始人唐志敏参与过龙芯1号、2号的研发，也是海光信息的创始人之一，80%的研发人员来自海光同芯，在售产品已到第三代。公司累计融资约30亿元，估值一度到过150亿元，但资金压力一直悬在头顶，2025年靠投资方数亿元战略投资缓了过来，今年4月已与中信建投证券签约启动上市前各项准备工作。

象帝先王耀宇的判断是，NVIDIA不是纯粹的硬件公司，制胜在软件，打通了CUDA生态，各家软硬件基于生态对接才形成行业壁垒。“目前国内还没有能力做到这个程度，国产GPU市场要想做成完全通用化难度确实很大，因为没有行业统一的接口。”他给出的路径是先定制化，“区别于通用化的难度，国产芯片企业可以达成，应该是比通用化更快。随着AI Agent的需求迅速扩大，通过定制化，国产GPU可以满足快速增长的市场需求”。

而且海内外芯片供给的差距，相比过去还在进一步拉大。AIGCode联合创始人&CTO陈秋武在沙龙现场给出一组直观对比数据，去年NVIDIA产出的算力卡规模，是昇腾的100倍，到了今年，这一差距进一步扩大到约200倍。

作为长期深度适配国产算力的技术团队，AIGCode一直在做国产芯片的训练及推理性能优化工作，服务对象不仅有昇腾，近期也陆续承接了国内大厂的模型训练及推理优化需求。团队的国产大模型适配能力也在快速迭代，2025年底就已经和海思合作完成130B参数模型的预训练工作，时至今日，已经可以在国产硬件底座上完成700B参数大模型的训练任务。

但硬件产能的硬鸿沟依然客观存在，即便软件优化可以把单卡、集群的有效算力往上拉，硬件供给总量的不足，依旧是国产AI Infra绕不开的现实约束。

君科丹木管理合伙人张瑞琪之前在君联资本天使基金，美元基金天生拥有双币视角。他的判断是，中美会慢慢形成两套不一样的体系，“中国短期内封装和散热会比较重要，因为制程还没起来、功耗较高，而美国一直追求的是更先进的芯片算力”。

从创业生态上来说，他打了一个比方，美国创投生态有点像比萨，两层，相对简单；中国的则更像千层饼，更加丰富。

他在资本端的观察是，美股“七姐妹”去年发起超过300起并购，国内并购数量则有限，这是资本体量的差距。“中国创业者受限于国家整体的资本不足，跟美国创投机构拿到的资金体量相比，至少还差着货币单位，就是美元到人民币汇率”。

祥峰投资执行董事姜煦重点关注数据中心的存储与互联。她认为，随着AI算力从单卡、单机走向万卡级集群，瓶颈正在从单点计算能力逐步延伸到数据如何在计算、网络与存储之间高效流动。算力规模越大，数据搬运和资源协同的重要性越高，存储与互联也越成为决定集群实际算力利用率的关键基础设施。

这一趋势在超节点和大规模集群中更加明显。Scale Up和Scale Out不仅要求更高的多卡互联能力，也对网络架构、存储访问和异构算力协同提出更高要求。即使单卡性能持续提升，如果互联带宽、通信效率或存储访问速度无法匹配，新增算力也难以充分释放。因此，存储和互联不仅是算力基础设施的配套环节，更是将芯片理论性能转化为集群有效算力的关键。

从投资角度看，姜煦认为，AI Infra的机会在于随着集群规模扩大而产生的存储与互联增量需求。尤其是高速互联、高性能存储以及软硬件协同等环节，其价值来自对集群效率的直接影响：一方面支撑更大规模的算力扩展，另一方面减少通信和数据访问带来的算力损耗。在国产AI算力生态持续建设、集群规模不断提升的背景下，这类连接计算与数据的基础设施能力值得重点关注。

焦耳传热深耕高功率设备热管理领域，业务全面覆盖商业航天、激光通信、5G装备及AI算力四大核心方向。焦耳传热总经理刘旭强调，散热是保障算力集群稳定运行的关键防线——电子设备温度每上升10℃，故障率便会翻倍。

在技术实力方面，刘旭指出，国内散热技术水平已跻身全球第一梯队。以某类高端散热系统为例，全球目前仅3套系统能够实现稳定运行，国内便独占一席。

然而，在产业落地规模上，国内市场的需求牵引力仍显不足。相较于美国百万颗级别的部署量，国内目前规模约为20万颗。这表明，尽管我国在核心技术上已具备领先优势，但在规模化应用与商业闭环方面仍有待进一步突破。

真成投资主要看AI应用和前沿科技两个方向，航空航天、先进制造也在射程内，不过真成投资管理合伙人李剑威坦率承认，过去错过了大模型、芯片和模型的早期阶段，去年才看到明确的拐点，最硬的证据出在编程，“去年10月份开始，至少Coding已经实现了AGI”，研究报告的质量、幻觉率和研究深度都在变好。

他直观感受到全球算力处于极度紧缺状态，在美国、欧洲，合适的算力选址很快就会被抢光，中国企业与海外企业一同争夺有限资源。能够找到稳定50MW规模、电价条件相对友好的算力站点，在当下市场已经属于十分抢手的稀缺资源。

李剑威还抛出了一个关于国产算力和英伟达的疑问：智GLM5.3在OpenRouter的上，大概一天有100T的算力调用量，据说都是用国产算力来支持的。如果这个数据可以被验证，那是否会颠覆市场长期信奉的、AI必须依赖先进制程芯片的主流叙事？

机会在哪

钱已经在往推理挪了。2026年一季度，约三分之二的AI资本开支已经转向推理，重点在跑模型而不是训模型；做SGLang的RadixArk拿了1亿美元种子轮、估值4亿美元，从开源到融资的周期被压缩到几个月，意味着Infra这层的竞争正从技术比拼前移到生态比拼。

不过推理需求确实在涨，但涨的方式未必是线性暴涨，它会通过算法和软件被反复压缩，做Infra的人真正的对手，很可能是模型公司自己把Token消耗降下来的速度。

“美国在前沿技术探索上保持领先，中国则更擅长把技术做扎实、把成本算清楚，让AI能力以低成本、规模化方式进入千行百业。”

尚明栋认为，训练是提前准备，推理才是真正使用的过程。顺着推理这条主线，他看到存储正在成为新的机会点——通过优化数据存取架构减少重复计算，HBM、SSD与企业级存储有望衍生出新的技术形态。

在趋境科技的评价体系中，Token被分为L1至L5五个等级，其中L3、L4和L5被定义为面向企业实际应用需求的高品质Token。公司采取“少模型、深优化”的技术路线，围绕少数具有明确生产需求的主流大模型进行持续优化。“我们会选择行业最大参数的顶级智能大模型进行深度优化，目标是超过模型公司自己的能力。”武文洁说。

电力是另一个绕不开的机会。科安创能创始人兼CEO姜伟给的数很惊人，现在需要485TWh的电量消耗，占全球电力1.5%，如果把IDC换成AIDC，数据可能上涨10倍甚至200倍，变成全球电力消耗的两倍左右。

而在海外，以泰国为例，姜伟看到老园区基本没有多余的电网留给数据中心，新建园区有50MW容量，也不可能全给数据中心；美国在建的99个发电项目8成是为数据中心建设的独立电站，主要的州已经立法不需要数据中心接入公共电网，欧洲不少国家同样是电网不给数据中心。

姜伟的结论是，除了中国之外，电网容量就是核心卡点，美国用天然气解决，卡在燃气轮机上，电价大概0.25美金，“太阳是最大的取之不尽的能源，唯一的限制就是土地，但土地恰恰是够的”。

但光伏风电天然具备间歇性，没法直接满足算力中心7×24小时不间断供电的硬性要求，科安创能的思路就是通过不同储能技术排列组合，打造配套方案，在保障稳定供电的同时把用电成本压下来，全球平均1元人民币1度电，这也正是能源侧对接AI算力的现实商业机会。

李剑威看到了AI应用端的变化，真成投资的AI应用公司，收入增长、毛利率、客户刚需的程度都已经得到比较好的验证，付费意愿比想象中强。至于7月出现过行情暴跌，甚至有公司爆仓，他认为是情绪和博弈的结果，基本面基本没变。

冯源资本长期聚焦半导体，也是AI Infra的底层基础设施。冯源资本执行董事刘思远表示，半导体领域中美脱钩严重，大量先进设备、材料没法互通，“半导体制造整体还是一个系统工程，脱钩背景下，国产厂商绕开西方卡脖子节点，进行了大量的独立开发，以及生态配套，事实上看到演进出了很多新的细分机会”。

刘思远未来也会关注光互联、机柜以及新工艺新技术新材料，散热也是持续关注的方向。在他看来散热不只是简单节约电力，算力芯片温度控制到位，更核心的是能充分释放芯片本身的计算性能。目前算力紧缺，通过良好散热实现的收益十分可观。

而目前行业内部液冷、风冷各类技术路线并存，方案还没有完全收敛，需要结合客户的实际场景做落地选型，刘思远认为，这其中蕴藏不少细分投资机会。

光擎源成立于今年6月，创始团队在Micro LED光通信领域已经积累17年的研发经验，在2026年的时间节点，AI Infra对低功耗需求的激增使得micro-LED互联技术备受关注的切入了光互联赛道。创始团队参与过“天琴计划”等产品交付，在micro-LED可靠性方面具备十足的研究，使器件可靠性具备航天级的标准，如今公司正在进行天使轮融资。

光擎源COO张振判断，推理和训练的区别主要是延迟，下一代互联方式用光是主要趋势，NVIDIA也在主推“光进铜退”，“MicroLED瞄准低功耗和高带宽，成本也可以做的比较低”。

张振表示，传统电互联架构很难同时兼顾带宽密度与能耗，算力系统经常出现芯片等待数据传输的情况，传输环节本身消耗不少功率，导致能耗较大。随着Agent兴起，推理侧对延迟愈发敏感，MicroLED光通信的特性刚好匹配AI集群内部大规模高速交互的需求，把团队在低功耗、高速、高可靠性的技术经验迁移到算力场景，也成为这家新公司的差异化。

未名智芯联合创始人陈凤云表示：国产算力落地的真正难点，不只是“有没有芯片”，而是能否把理论算力转化为可部署、可运营、可规模复制的有效算力。未名智芯由北京大学计算机学院教授、原北京大学软件与微电子学院创始院长陈钟领衔发起，成立两周完成天使轮融资。公司聚焦面向高交互智能体的模型原生推理基础设施，核心主张是“让模型定义数据中心——从一台模型原生机柜开始”，也就是把数据中心编译成模型的形状。

不同于“先造通用GPU、再寻找应用”的传统路径，未名智芯坚持真实负载驱动、软件先行和软硬件协同，从模型计算图与Token负载出发，先在真实业务和第三方平台上验证编译器、运行时、数据流、分层存储及多芯片协同，再将结果反向固化为专用芯片、机柜拓扑和数据中心级系统。核心创新在于把模型计算图编译映射到芯片、存储、互联和机柜拓扑，让数据中心按照模型的结构组织和运行。

首代产品聚焦高交互智能体场景下的MoE模型Decode推理，以机柜级软硬件一体化系统为主要交付形态，不追求通用训练芯片的全场景覆盖。目前，团队正通过头部云厂商真实业务场景验证性能、稳定性与部署能力：第三方平台用于技术验证，国产异构平台承接产业落地，自研芯片固化最终架构，形成“软件栈—模型原生机柜—专用芯片”的演进闭环。公司的目标不是再增加一款参数更高的芯片，而是以更低的Token成本，将国产芯片的理论算力转化为可交付的有效算力，重新定义芯片、机柜乃至整个数据中心。

场景驱动也在塑造AI Infra的产品形态。刘跃观察到两个方向：一是算力从云端向边缘侧延伸——企业客户对数据敏感，又有与物理空间联动的刚需；二是在通用大模型之外，长出了面向具体行业的垂类模型。

特斯联对应的产品形态是空间智能体和基于T-AgentBox的边缘侧产品，数据不出本地、买断式算力替代持续的云端Token支出。因为形态上强调数据本地化和垂直场景闭环，外界有人把它比作“中国版Palantir”——但区别是特斯联的壁垒既有场景数据与领域Know-how，又有物理空间的设备感知-决策-执行闭环。

还有一块容易被忽略的地方是加密算力。荆华密算副总裁王珂负责的正是这条线：把AI推理和训练的加密做成能交付、能签的生意，帮算力中心提供可信Token。公司孵化于清华大学计算机系，项目发起人是清华计算机系教授任炬。

王珂的判断是，国家政策把AI安全提到了新的高度，央国企的AI应用安全加密、加密算力改造、可信算力中心建设，都落在这条业务线的射程内。现在客户的加密算力消耗，已经能做到单周100亿 Token的规模。在他看来，加密算力是个能长到千亿美元级的市场，按行业年复合34.7%的增速，2030年前后就该摸到1000亿美元。

全场最反共识的声音来自陈秋武。他明确提出“推理的生意到后面会急剧下降”，理由是当前模型建模方式存在局限，处理任务时是在复杂空间里探索而非直达最优结果。未来如果能把长程复杂的规划任务收敛到最优决策路径，现在完成一项任务需要消耗百万Token，未来可能压缩到千或者万Token级别，即陡降三个数量级。

他还重新测算过大模型市场增长空间，并不认同摩根大通给出的370倍增长预期。参照行业现有数据，随着轻端重云大模型普及，覆盖率有望达到85%～90%以上，渗透率可以轻松突破60%，对应的增长倍率大约63倍，远低于370倍。

在他看来硬件受限物理条件如产能，供电量，能源稳定等，不可能五年实现370倍的算力扩张，算力供给不足的现实下，产业资源必然涌向软件优化与算法优化方向。

资本和产业能对齐吗

全球AI融资里前三大单笔轮次拿走了约51%的资金，前十笔融资拿走约83%，呈现典型的赢家通吃格局。北美融资占比从2024、2025年的超80%降到2026年的约66%，欧洲、亚太、中东机构开始频繁出现在大额基建和硬件融资轮次当中。

资本一边向少数头部项目疯狂集中，一边地域格局发生迁移，但热闹的投融资数据之下，资本市场的剧烈震荡，暴露出产业与资本之间的显著gap。

拿到钱的创业者必须直面落地难题，关心的核心是能不能交付、毛利多少、订单在哪；投资人思考的是能不能退出、估值贵不贵、下一轮由谁接盘。现在，两方越来越难对齐了。

相比清华在硬科技时代VC层面的“多点开花”，强北大属性的创投机构并不多，北大系基金燕缘创投在北大科技成果转化部门指导下设立，并在北大临港国际科创中心体系下坚持市场化、专业化经营管理，联动持股主体“燕缘孵化器”主做投孵一体型深度投资。燕缘创投主要投资北大科技成果转化和北大校友创业项目，近三年在AI Infra领域相继投资布局了新型存算一体、AI矩阵计算、光通信、光计算和量子计算等早期前沿科技方向项目。

在燕缘创投总经理、管理合伙人李军看来，科技类投资分为两类：一是商业应用类，追求具体场景和落地，强调本地化部署或C端用户突破和收入增长曲线。二是创新型突破，这类项目更加非线性增长，前期需要大量研发投入和里程碑验证，突破关键节点后才会迎来增长性爆发，二者没有优劣之分，不同的投资逻辑会考验投资机构的节奏与策略选择。

今年项目估值短期内快速增长，首轮项目估值也较前两年提升较多，优质项目进入壁垒抬高，很多机构机构很难拿到早期阶段投资份额。赛道快速达成共识之后，估值也随之抬升，相关投资的风险补偿收益曲线在明显下降。

对于目前火热的市场，李军给创业者的建议是把握好企业融资和发展的自身节奏，不要被市场过度影响，在融资金额和估值之外要多考虑商业化和技术里程碑等节点，“不仅要考虑当下，还要考虑更长远”。

张瑞琪的感受是今年市场很繁荣，但钱大量集中到少数头部，对生态不一定是好事，“AI共识下很多非共识的路线具有巨大的创投价值”。他还提到一个具体的障碍，监管对于并购仍然充满条条框框，希望能放开，让企业以更宽松的架构去收购前沿技术。

水木梧桐创投董事总经理杨锐从一个深耕半导体的机构视角提出了他的理解。水木梧桐的管理团队以清华校友为主，资深管理合伙人冯明宪博士是台湾清华大学校友，80年代末留学美国后回到台湾交通大学任教，此后多年深入地参与见证了台湾半导体产业发展，2002年曾主持台积电一厂整厂转移落地宁波。水木梧桐的投资版图紧密围绕着半导体产业，过去一年投资方向包括用于光刻机的微环境控制技术、薄膜沉积设备、半导体高纯度石英材料等。

杨锐将水木梧桐的核心投资领域形容为“Infra的Infra”，大模型不一定是一门好生意，但支持AI飞速发展的产业链条可能有好生意。“AI应用厂商的上游是基座模型厂商，模型厂商上游是芯片厂商，fabless需要晶圆厂和封装厂代工，而他们再上游是前道后道各类设备公司和材料公司，我们核心关注的就是最上游那一层的突破性技术带来的投资机会”。

他的观点是，AI的“速胜论和失败论属于一体两面，往往会互相转化，这样是不对的”，市场上普遍存在两种极端心态，一边幻想AI产业短期就能迎来巨大胜利，而一旦落地不及预期，过度乐观又会直接反转成全盘看空。在面对一些我们认为不合理的估值或业绩表现时，也应该做出清醒分析，是暂时性的行业波动，还是根植于其技术路线的真实价值体现。

蔻町智能Co-Founder&CTO陈秋武以昇腾910B的B3为例，月租金1.6万，但如果卖Token，月收益大概只有4000元。他举了一个极端的例子，AIGCode将客户原优化结果：8台GLM5.2上输出172 token/s，优化到1100到1600 token/s，“这么大的优化空间，为什么还亏？市面上很多国产算力原来是空闲的、浪费的，没有真正懂行的人把毛利做出来”。

他进一步补充说，“为什么会看到很多技术比较差的Token工厂能够拿到市场？因为从事最有挑战如基模的这帮人没有去做推理”。推理生意到一定规模很快会急剧下降这个非共识判断如果成立，那些按Token线性增长给出估值的公司无疑会受到非常大的影响。

而从现实的投资视角出发，他则表示，还是应该回归到技术和产品实力做判断，在任何生态位，有核心技术优势的公司不愁没有资本化的价值。比如无问芯穹这样的明星企业，虽然估值高，虽然难投进，但作为投资人可能依然想投。这也是AI Infra这个市场有意思的地方。

另外还有投资人和创业者抛出了自己的问题困惑，比如做商业应用能很快看到收入，但毛利没那么高；做前沿科技是非线性增长，前期要大量投入，谁也不知道什么时候才能跨过那个节点。短期和长期，怎么平衡。

这一瞬间，我好像回到了在2024年那场人形机器人论坛，对于要不要做自己的“大脑”，大家也是争论纷纷。这大概也是办这类沙龙最实在的意义，创业和投资都是长跑，类似问题也未必有标准答案，但值得被摆到桌面上。

这场沙龙开了一下午，开始时阴雨阵阵，散场时雨已经停了，北京即将进入最美好的秋天，但一场秋雨一场寒，四季交替不会停，周期也不会停止。市场奖励β的阶段正在过去，敢重仓算力、敢押注赛道的勇气依然值钱，但光有勇气不够了。面对宏大叙事市场开始出现分歧，AI Infra不会是一路向上的直线，它会像所有基建浪潮一样，经历泡沫挤压和重新定价，淘汰掉虚浮的参与者，最终沉淀下真正解决实际问题的人。