#AIInfraShiftstoApplications 過去兩年，有關人工智慧的討論一直被一個詞主導：基礎設施。我們迷戀於GPU叢集、CUDA核心、向量資料庫、模型訓練成本，以及不斷擴大的、更智能的基礎模型的競賽。但如果你仔細聽從矽谷到深圳的訊號，一個深刻的轉變正在進行中。崇拜純粹AI基礎設施的時代正逐漸讓位給一個新的王者：應用層。

歡迎來到#AIInfraShiftstoApplications ——一場構造板塊的運動，正在重塑初創企業的建立方式、企業的擴展方式，以及在生成式AI經濟中價值的捕捉方式。

基礎設施黃金潮正在成熟

讓我們說得清楚：基礎設施不會消失。Nvidia的H100晶片不會消失，OpenAI的GPT-5仍然需要數百萬TB的資料。但純粹基礎設施的低垂果實已經摘盡。市場已經見證了大量資本流入計算提供商、模型協調層和微調平台。現在，投資者、創始人和CTO們關心的問題不再是「哪個模型的基準最高？」而是「我能用這個做出什麼，解決一個真正的問題？」

這個轉變讓人聯想到早期的互聯網。在1990年代，大家談論路由器、光纖和伺服器機架(基礎設施)。隨後來了網路泡沫——但真正持久的財富不僅由思科創造，而是由亞馬遜、谷歌和eBay這樣利用這些基礎設施建立變革性應用的公司創造的。今天的邏輯亦是如此。模型正逐漸商品化；差異化現在在於用戶體驗、工作流程整合，以及圍繞應用的獨特數據護城河。

為何應用現在更勝一籌

多種力量推動#AIInfraShiftstoApplications：

1. 模型商品化與價格崩潰
像GPT-4o-mini、Claude 3.5 Haiku或Llama 3.2這樣的模型推理成本在短短18個月內下降超過90%。開源模型在多項基準上已經可以媲美封閉源巨頭。當底層的原材料(智慧)變得廉價且豐富，價值就轉向了包裝方式。能智能協調多個廉價模型的應用，將每次都勝過單一昂貴的基礎設施。

2. 複合AI系統的崛起
沒有單一模型能做好所有事情。當今最強大的應用不僅是包裝一個LLM，而是複合系統——結合檢索增強生成(RAG)、程式碼解釋器、外部API和多個專用模型。設計、測試和優化這些系統是一種應用層技能，而非基礎設施技能。像Perplexity (搜尋+綜合)或Harvey (法律AI)這樣的公司成功，靠的是它們的應用邏輯，而非從零訓練一個新LLM。

3. 用戶體驗與垂直整合
基礎設施是看不見的。用戶不在乎代幣吞吐量或延遲基準。他們在乎的是應用是否幫助他們更快起草合約、生成逼真的產品圖像，或在不切換上下文的情況下除錯SQL查詢。贏得應用浪潮的公司，是那些深刻理解特定工作需求並打造無縫界面的人。想像Canva的AI設計助手或Replit的Ghostwriter——它們將所有基礎設施的複雜性藏在令人愉悅的用戶體驗背後。

4. 專屬工作流程數據作為護城河
雖然基礎模型在公共數據上訓練，但應用會產生專屬數據：用戶的互動方式、他們的修正、他們偏好的輸出。隨著時間推移，這些工作流程數據將成為無法攻破的護城河。一個從數百萬實際用戶會話中學習的應用，將超越技術上更優的通用模型。這將競爭優勢從模型大小轉向應用速度。

轉變的實例

看看周圍，你會看到這一切無處不在：

· 客戶支持：不再建立定制微調模型，企業部署像Intercom的Fin或Zendesk的Answer Bot這樣的應用——薄包裝，深度CRM整合。
· 編碼：GitHub Copilot從一個酷炫的示範起步；現在它是具有上下文感知建議的關鍵應用，涵蓋整個代碼庫。競爭者如Cursor或Windsurf在應用設計上取勝，而非模型權重。
· 醫療：沒有醫院會從零訓練放射學LLM。他們使用像Abridge (臨床筆記記錄)這樣的應用，利用現有模型，並加入工作流程特定的隱私、合規和整合層。

甚至大科技公司也在轉型。微軟的Copilot堆疊、谷歌的Gemini for Workspace，以及亞馬遜的Q，都是以應用為先的投資。它們擁有所有想要的基礎設施——但都知道，收入和黏性來自應用層。

這對你意味著什麼 (建築師、創始人或技術領導)

如果你在建立一家初創公司：停止思考哪個LLM需要微調。開始關注用戶工作流程中仍然痛苦的那5%。你能否用一個簡單的界面、自動評估和人機循環反饋來包裝模型？那就是你的應用。你不需要$100 百萬資金用於GPU——你需要的是產品敏感度和速度。

如果你是企業領導：你的競爭優勢在於你的專屬數據和業務流程。不要浪費時間從零建立定制模型。將基礎設施作為公用事業購買，並將內部人才專注於建立將AI連接到你特定CRM、ERP或工單系統的定制應用。投資回報率將高出十倍。

如果你是開發者：你的協調、評估和用戶體驗技能如今比知道如何運行torch.distributed更有價值。學習LangChain、DSPy或LlamaIndex——但更重要的是，學會建立反饋循環和評估流程。新的“全棧”流程是提示→檢索→行動→反饋→微調。

未來之路：混合未來

明確地說，這不是基礎設施的訃告。我們仍然需要更快的晶片、更好的資料中心，以及更高效的模型架構。但創新和價值創造的焦點正在轉移。#AIInfraShiftstoApplications 意味著未來的獨角獸不會是「XYZ的Nvidia」，而是「AI的Salesforce」——那些深度嵌入日常工作的應用，變得不可或缺。

我們正進入一個階段，AI不再是科學實驗，而是像電力一樣的公共事業。正如真正的工業革命發生在停止建造發電機、開始建造馬達、工廠和電器之後，真正的AI革命將在我們停止迷戀模型、轉而專注於改變我們生活、工作和創造方式的應用時到來。

所以，讓我們擁抱這個轉變。建立一個每位醫生每位患者節省五分鐘的應用。打造一個幫助小企業像這樣快速撰寫千字貼文的工具。設計一個界面，讓青少年變成電影製作人。

基礎設施已經準備就緒。現在，是應用閃耀的時候。

你會打造什麼應用？分享你的想法吧