未来推理将吃掉70%算力，30%留给训练丨硅谷投资人张璐@AIGC2026

编辑部 整理自 AIGC2026
量子位 | 公众号 QbitAI

从硅谷投资人的视角看，AI的叙事正在悄然转变。Fusion Fund创始合伙人张璐指出，过去两年行业聚焦于模型和算力，但真正的战场正向基础设施的“通信层”和物理世界的“数据层”转移。

在2026中国AIGC产业峰会上，张璐直言：推理将成为算力消耗的主要部分，而非训练；数据中心中通信环节的耗电量可能是计算本身的百倍以上。她认为，未来值得押注的方向并非更大的模型，而是高质量的真实数据，以及医疗、太空、纳米机器人三大AI应用领域。

以下是核心观点梳理：
1. 算力重心转向推理：训练是一次性投入，而推理是长期需求。随着智能体交互兴起，推理算力占比将从当前的50%攀升至70%。
2. 通信是电老虎：AI数据中心中，通信耗电量可能比计算高出百倍，光学通信等新技术因此变得关键。
3. 物理AI卡在数据层：架构与算力已具备，但缺乏高质量真实世界数据，合成数据虽可补充，但无法完全替代。
4. 数据质量优先于数量：医疗是高质量数据密度最高的行业之一，这也是AI科技公司集中入局医疗的原因。
5. 产业整合加速AI落地：大企业AI预算从千万级跃升至数十亿级，采购周期缩短至一两个月，这种加速度推动了模型和应用的快速迭代。

AI叙事的新拐点

张璐表示，过去两年硅谷经历了快速创新周期，AI驱动的产业植入显著。如今，AI叙事正从大语言模型转向行业专属应用，从小语言模型到低成本垂直植入，再到物理AI和世界模型的讨论。同时，推理对算力的需求正超越训练，成为长期焦点。

重新定义AI基础设施

英伟达已将自身定位为“AI基础设施公司”。AI基础设施的核心挑战包括电力消耗、通信能耗等。推理优化将成为未来重点，而通信能耗可能比计算高出百倍。为此，光学通信等新技术正快速发展。

物理AI的突围

物理AI涉及三维数据和真实世界数据，其瓶颈在于缺乏高质量数据。虽然合成数据发展迅速，但边缘场景的真实数据收集仍不可或缺。新型传感器（如人工皮肤）和边缘计算正成为突破方向。

关注三大应用方向

1. 医疗AI：制药巨头与AI公司合作频繁，个性化治疗（如帕金森、老年痴呆）成为热点。
2. 太空科技：物理AI和机器人将在太空基础设施、太空工厂等领域发挥重要作用。
3. 纳米机器人：微米级或纳米级机器人可用于清除血栓、靶向药物递送等，前景广阔。

技术整合加速AI落地

张璐强调，技术创新只是起点，产业整合才是AI落地的关键。大企业预算激增、采购周期缩短，这为技术快速迭代提供了燃料。

最后，张璐呼吁更多创业者加入探索，并期待AI生态持续繁荣。