来自投资人 @JTLonsdale 的见解。

根据国际能源署，数据中心电力消耗预计到 2030 年将增加一倍以上，达到约 945 太瓦时。 以这个数据为背景，这超过了大多数国家。 例如，德国在 2024 年大约产生了 431.7 太瓦时的电力。

Tier 1 一级芯片层。

由于通用 CPU 无法处理 AI 的需求，您需要为所有这些并行处理提供完全不同的硅架构。 随着 AI 模型复杂性的增加，为其提供动力的芯片也必须保持同步。

一些关键的近期芯片“军备竞赛”统计数据： - Groq 在 69 亿美元估值下融资 7.5 亿美元，以挑战 NVIDIA。 - 台积电将其美国投资扩大至 1650 亿美元。 2024 年，整个 AI 芯片市场达到 1230 亿美元，预计到 2030 年将以 33% 的年增长率增长。

Tier 3 覆盖基础模型公司

这些公司需要大量的前期资本进行训练，但它们创造了推动堆栈中所有上层功能的能力。 例如 OpenAI、Anthropic 和谷歌的 Gemini。

这些公司层次似乎是一个明显的投资选择，因为它们总是成为头条新闻。 OpenAI 的估值达到了 3000 亿美元，收入从 37 亿美元增长到 127 亿美元，年化增长仅几个月。Anthropic 的最新估值也增长了 3 倍，达到 1830 亿美元。 这里的限制是，这些公司的训练成本呈指数级增长。GPT-4 的训练成本为 1 亿美元，未来的模型将超过 10 亿美元。

Tier 4 软件基础设施

把这想成是 AI 的镐子和铲子。 没有部署平台、检索向量数据库和用于管理整个流程的 MLOps 工具，模型将无法存在。

Databricks 的估值达到 1000 多亿美元，推动企业 AI 工作流程。 就在去年，矢量数据库初创公司筹集了 2 亿美元（Vespa、Weaviate、Pinecone 和 Chroma）以支持 LLM 基础设施。langchain完成了1.25亿美元的融资，估值已经达到了12.5亿美元。

Tier 5 AI 原生应用

在这个级别上，我们看到了最多的 alpha 创造，因为采用率倾向于这一层级。 人们直接与应用程序互动并从中获得价值：它们解决问题，提供服务，并产生可衡量的结果。 基础设施使这一切成为可能，但正是应用程序吸引了用户的参与和忠诚度。

这里的大问题是哪个级别能带来最高的投资回报率。 在 2024 年，69%的资金流向了基础设施大型融资轮，但几乎所有交易中的近四分之三都是应用层的早期投资。 这种模式在每个主要科技周期中都重复出现。

举个互联网例子：互联网服务提供商（ISPs）构建了基础，但谷歌和 Facebook 等公司获得了回报。 我们再次看到了同样的原则在起作用： 基础设施层推动了革命，但应用层获得了经济价值。
@JTLonsdale