未来推理将吃掉70%算力，30%留给训练丨硅谷投资人张璐@AIGC2026

算力天平彻底翻转：推理吃掉70%，训练只剩30%

过去几年，AI行业对算力的关注几乎全部集中在训练环节——训练一次大模型，动辄消耗数万张GPU。但硅谷知名投资人、Fusion Fund创始合伙人张璐在2026中国AIGC产业峰会上发出明确信号：这一格局正在被彻底颠覆。她指出，几年前训练与推理的算力占比还是70%对20%-30%，如今推理已经占到一半，而未来这一比例将变为30:70——推理将吃掉70%的算力，训练仅剩三成。

核心驱动力来自交互方式的演变。张璐解释，从简单的聊天对话转向智能体（Agent）交互后，用户希望AI永远在线、持续响应，这种持续性需求让推理的算力消耗从“一次性投入”变成了“长期刚需”。训练是烧钱建楼，而推理是持续运营——后者的算力需求更稳定、更巨大，也将成为AI基础设施最核心的优化方向。

数据中心里的“隐形电老虎”：通信耗电量是计算的百倍

当外界都在头疼AI数据中心“吃电”时，张璐揭示了一个更惊人的事实：真正的电老虎不是计算，而是通信。她在与Alphabet董事会主席、斯坦福前校长John Hennessy的对谈中得知，在AI数据中心内，通信环节的整体耗电量可能比计算本身高出几十倍甚至上百倍。原因在于，把数据从一个芯片挪到另一个芯片、从一个节点传到另一个节点，其能量消耗远超在本地执行计算。

这直接催生了对新一代通信技术的迫切需求。张璐强调，光学通信等前沿技术正在成为关键突破口——通过降低数据传输过程中的能耗，从底层重构数据中心的能耗结构。此外，通信层面还涉及交换机、内部互联等大量创新机会，这些环节以往被忽视，如今却可能成为决定AI基础设施效率的胜负手。

物理AI的拦路虎：数据荒，人工皮肤成破局利器

从语言模型到世界模型，再到物理AI，AI的进化正从虚拟世界踏入真实物理空间。但张璐指出，物理AI目前最大的瓶颈并非算力或架构——这两者都已具备，真正的卡点是数据。传统制造业、医疗、无人驾驶等领域产生了大量高质量的三维真实世界数据，却缺乏标准化的收集平台和数据治理工具，导致这些数据无法直接被用于AI训练。

一个令人眼前一亮的技术突破来自斯坦福大学鲍哲南教授团队的“人工皮肤”。这种基于柔性电路的传感器可以薄如手套，套在机械手或人手上，提供高精度的触觉数据，从而为物理AI提供关键的触觉输入。与此同时，边缘AI也在快速进化——张璐介绍，一家被高通收购的公司开发了不足10亿token的模型，可在树莓派上运行，性能与GPT-4相当。边缘端AI与新式数据收集平台结合，能在本地完成数据采集、处理和应用，尤其适合对隐私敏感的工业场景。

三大黄金赛道：医疗、太空与比细胞还小的机器人

张璐明确指出了三个最值得押注的AI应用方向：医疗、太空和纳米机器人。在医疗领域，2026年已成为关键转折年——礼来与英伟达达成10亿美元合作，Claude推出Claude for Health，默克与谷歌Gemini达成战略合作。AI医疗已从简单的问诊辅助，深入到个性化治疗，特别是脑部疾病（帕金森、老年痴呆、抑郁症）以及细胞疗法等垂直领域。物理AI与机器人也在生命科学实验中大规模部署，自动化整个科研流程。

太空领域同样是AI原生的天然舞台。随着SpaceX IPO临近，未来3-5年太空经济将高速崛起。从太空基础设施搭建、太空工厂到太空加油站，机器人将先于人类完成大量工作。张璐透露，相关公司已经获得上亿美元订单。

最令人兴奋的是纳米机器人——更小的机器人可以进入人类血管清除血栓，甚至可以缩小到DNA级别进行靶向药物递送。这项技术已进入商业化初期，例如微米机器人用于血栓清除，DNA引擎和纳米泳者则瞄准免疫隐形靶向给药。这些方向看似科幻，但张璐认为未来几年就将迎来快速发展。

“对于创业者来说，挑战就意味着机会。”张璐最后强调，500强企业的AI预算正从千万级跃升至数十亿级，采购周期从半年压缩到一两个月，这种产业整合的加速度才是AI落地的真正竞争力——只有快速进入真实场景，获取高质量数据，才能让模型和应用不断迭代。