大规模科技公司在数据中心领域的投入正引发广泛关注。今年，这一领域的支出规模在人类历史上位居第五，仅次于铁路建设和两次世界大战的投入。数据显示，每从人工智能业务中获取1美元收入，企业需在基础设施上投入12美元，这种投入产出比引发了对资本博弈和行业变革的深入思考。
在最新一期的创投行业播客中，Theory Ventures普通合伙人Tomasz Tunguz与GTMfund团队展开深入对话。作为硅谷数据与AI基础设施领域的资深投资人，Tunguz曾在Redpoint任职15年，成功投资多个明星项目。他指出，AI价值链条正在发生结构性转变，从模型层向能源、芯片、数据中心等上游领域，以及应用层等下游领域同步延伸，私募市场的投资方向也随之向软硬一体模式转变。
Tunguz预测，到2030年，数据中心资本开支可能占美国GDP的5%至7%。当前AI竞赛的瓶颈已从模型能力转向电力供应、芯片性能和推理成本。他特别强调，数据栈和AI栈的融合正在重塑企业组织架构，产品与市场的匹配不再是终点，而是持续演进的过程。同时，AI代理正成为企业采购决策的新参与者，迫使营销策略必须同时针对人类和机器两类受众。
对话中，GTMfund的两位合伙人Max Altschuler和Paul Irving首先指出，AI价值沉淀的层级结构正在改变市场格局。在公开市场，能源、存储、芯片等基础设施类公司表现强劲；私募市场则出现从纯软件向软硬一体解决方案的转型趋势。他们观察到，技术性能竞争已快速映射到物理世界，能源、电力、内存等成为制约发展的关键因素。
Tunguz进一步解释，超大规模云厂商每从AI业务赚取1美元，需在基础设施上投入12美元，这种"胆小鬼博弈"正在上演。全球最赚钱的科技公司纷纷将自由现金流用于数据中心建设，甚至通过举债扩大投入。他们赌的是在市场份额争夺战中占据先机，未来再通过利润率游戏实现盈利。关键指标"每瓦电力输出的智能量"正在快速提升，但仍有巨大发展空间。
在数据投资领域，Tunguz观察到数据栈与AI世界的深度融合。过去为商业智能构建的数据管道，如今被用于训练和运行机器学习模型。这种变化反映在企业组织结构上，数据团队开始直接向工程负责人汇报。他以英伟达最新Infiniband网络设备为例，说明数据处理规模已达到前所未有的水平，两个生态系统必须合流。
对于创业企业，Tunguz建议要认识到数据世界与AI世界的融合是现实而非概念。在快速变化的环境中，企业需要成为客户未来3-5年的可信伙伴，提供持续演进的解决方案。他特别指出，产品市场匹配已从静态概念转变为持续状态，基础模型公司必须在短时间内将技术突破商业化，否则就会被竞争对手超越。
在销售与营销领域，AI代理的参与正在改变游戏规则。Tunguz引用Notion前CMO的观点指出，买家决策过程已发生根本变化，代理在前期筛选中扮演重要角色。这意味着企业需要同时优化面向人类和代理的内容展示方式，文本信息的质量和权威性变得至关重要。营销团队可能需要建立两条并行轨道，分别服务人类受众和机器受众。
当被问及个人最有变革感的AI应用时，Tunguz提到AI在知识拓展方面的作用。他举例说明，AI可以快速总结专业书籍内容，并分析其对特定领域的启示，这种能力极大拓宽了个人的认知边界。在团队建设方面，Theory Ventures大量招聘AI工程师，旨在深入理解技术原理，从而做出更准确的投资判断。
对于数据公司的创业方向，Tunguz认为图像和视频领域充满机遇。这些领域的数据量远超文本，单张图片可能比文本文件大1000到10000倍，视频则更大几个数量级。随着定制化视频和机器人技术的快速发展，行业需要更强大的基础设施支持。他特别强调，对行业历史的深刻理解是成功创业者的共同特质，这种专精知识在AI时代依然具有不可替代的价值。
在定价模型和分发渠道方面，Tunguz指出推理市场的规模远大于数据仓库计算，企业需要重新设计定价结构以捕捉增长机会。同时，AI代理正在成为新的分发渠道，企业需要思考如何进入代理的决策路径。他观察到，成功企业正在从招聘专才转向招聘通才，以适应岗位被重新想象的趋势。
对于当前被低估的AI影响，Tunguz认为组织设计领域的变革才刚刚开始。现代公司结构仍沿用计算机发明前的管理假设，而AI将彻底改变企业组织方式。他预计，未来五年内，企业高层、中层和执行层的比例将发生显著变化。最后，他鼓励创业者积极投身实践，通过亲身尝试找到应对行业巨变的解决方案。
