<p>“我認為這可能是一個罕見的案例，雙方公司都能獲利。兩家公司都可以在人工智能領域擁有龐大的廣告業務，與商業相輔相成。” 這是 Deepwater Asset Management 的管理合夥人 Gene Munster 的觀點，這一觀點與當前主導人工智能投資領域的零和博弈敍事相悖，特別是在 Alphabet（谷歌）與 OpenAI 之間的競爭中。傳統觀點往往將成熟的搜索巨頭與顛覆性的初創公司對立起來，但 Munster 認為，革命正在顯著擴大可尋址市場的總量，因此共存和共同增長是高度可能的結果。</p>
<p>Munster 在 CNBC 的《收盤鈴》節目中，對當前人工智能交易的狀態進行了深刻分析，不僅強調了在廣告等面向消費者的應用中的競爭動態，還指出了投資者對推動人工智能經濟所需後端基礎設施的基本誤解。他的評論為專注於真正長期價值創造的創始人和風險投資者提供了重要的警示。</p>
<p>谷歌和 OpenAI 都能在廣告領域蓬勃發展的想法源於對消費者行為變化的觀察。隨着大型語言模型逐漸融入日常工作流程，消費者越來越多地通過對話界面尋求信息——無論是通過增強了人工智能的傳統搜索框，還是通過專用的聊天機器人。Munster 認為，這種信息尋求的擴展意味着搜索信息所花費的總時間在增加，為貨幣化提供了新的空間。採訪者使用大型語言模型為她的服裝選擇珠寶的事實突顯了這一應用轉變的緊迫性和廣度，表明人工智能正在超越純技術任務，進入消費者商業和生活方式策劃領域——這些都是適合上下文廣告的領域。</p>
<p>這一廣泛的應用層依賴於仍處於初期階段的基礎設施建設。根據 Munster 的説法，人工智能交易已經成功通過了 2024 年的前兩個檢查點——來自 TSMC 的積極指導，受加速的人工智能需求驅動，以及 Nvidia 在 CES 上的鼓舞人心的評論。下一個關鍵障礙，預計在 1 月底和 2 月初，將是超大規模雲服務商（谷歌、微軟、亞馬遜）的資本支出（CapEx）指導。超大規模雲服務商的資本支出增長預期已經從 30% 上調至 34%，Munster 預計可能會達到 40% 或更高，表明對必要硬件基礎的深度承諾。</p>
<p>然而，投資者對這一基礎設施建設的更深層次、結構性誤解依然存在。當前的敍事往往集中在訓練上——構建和完善大型語言模型本身的昂貴且計算密集的過程。Munster 認為，這種關注錯失了整體，指出投資者 “陷入了人工智能是關於訓練的思維模式。”</p>
<p>長期的經濟現實，受到每日使用量的驅動，明顯指向推理。推理是運行訓練模型以生成結果的過程——人工智能的實際 “思考” 和智能應用。Munster 引用 Deepwater 的內部研究和行業數據來強調巨大的規模差異：“去年 2025 年的推理市場是訓練市場的五倍。” 展望未來，這種差距將呈指數增長。</p>
<p>人工智能的智能不在於訓練，而在於應用。隨着數百萬用户、企業和專業代理開始依賴這些模型進行日常任務，專用於推理的計算週期將遠遠超過專用於訓練的週期。Munster 強調了未來需求的規模，表示 “推理將比訓練大數十萬倍；智能在於思考，而不是訓練。” 這種差距表明，專注於優化推理——人工智能的實時部署和擴展的公司，遠比那些僅專注於模型創建的公司更具爆發性增長潛力。</p>
<p>這一基礎設施動態對市場結構有直接影響。雖然 “魔法七”（最大的科技公司）主導了初期的人工智能熱潮，但所需基礎設施投資的龐大規模，加上對專用推理芯片和服務的廣泛需求，表明人工智能機會將向下滲透。Munster 堅持他的預測，專注於基礎設施和應用層的小型公司將開始超越大型公司，推動強勁的盈利修正，隨着推理市場的加速。最近在 AMD 等公司的市場強勁表現，受到積極的供應鏈消息的推動，是這一基礎設施供應鏈廣泛參與的早期指標。</p>
<p>對於創始人和風險投資者來説，結論很明確：人工智能的淘金熱正在從挖掘黃金（訓練）轉向銷售鏟子和處理工具（推理）。下一階段的巨大價值創造將出現在那些能夠在技術和商業的各個方面實現經濟、可擴展和普遍部署人工智能智能的公司，確認人工智能基礎設施建設遠未完成。</p>

OpenAI

谷歌-C

谷歌-A

<p>Deepwater Asset Management 的 Gene Munster 認為，隨着消費者行為的變化，Alphabet 和 OpenAI 都可以在人工智能廣告領域蓬勃發展。他強調了人工智能基礎設施的重要性，並指出雖然投資者關注訓練，但真正的增長在於推理——即人工智能模型的應用。Munster 預測，優化推理的公司將會看到顯著的增長，建議將投資重點從訓練轉向基礎設施和應用層，因為人工智能市場將繼續演變</p>

<p>“I think that this can be one of those rare cases when both companies can win. Both companies can have massive advertising businesses within AI, adjacent to commerce.” This assertion by Gene Munster, Managing Partner at Deepwater Asset Management, cuts against the prevailing zero-sum narrative dominating the AI investment landscape, particularly concerning the rivalry between Alphabet (Google) and OpenAI. The conventional wisdom often pits the established search behemoth against the disruptive startup, but Munster argues that the revolution is expanding the total addressable market so significantly that coexistence and mutual growth are highly probable outcomes.</p>
<div class="lb-trans"><p>“我認為這可能是一個罕見的案例，雙方公司都能獲利。兩家公司都可以在人工智能領域擁有龐大的廣告業務，與商業相輔相成。” 這是 Deepwater Asset Management 的管理合夥人 Gene Munster 的觀點，這一觀點與當前主導人工智能投資領域的零和博弈敍事相悖，特別是在 Alphabet（谷歌）與 OpenAI 之間的競爭中。傳統觀點往往將成熟的搜索巨頭與顛覆性的初創公司對立起來，但 Munster 認為，革命正在顯著擴大可尋址市場的總量，因此共存和共同增長是高度可能的結果。</p>
</div><p>Munster, speaking on CNBC’s Closing Bell, provided a sharp analysis of the current state of the AI trade, highlighting not only the competitive dynamics in consumer-facing applications like advertising but also the fundamental misconceptions investors hold regarding the backend infrastructure necessary to power the AI economy. His commentary serves as a crucial check for founders and VCs focused on where the true long-term value creation resides.</p>
<div class="lb-trans"><p>Munster 在 CNBC 的《收盤鈴》節目中，對當前人工智能交易的狀態進行了深刻分析，不僅強調了在廣告等面向消費者的應用中的競爭動態，還指出了投資者對推動人工智能經濟所需後端基礎設施的基本誤解。他的評論為專注於真正長期價值創造的創始人和風險投資者提供了重要的警示。</p>
</div><p>The idea that both Google and OpenAI can thrive in the advertising space stems from an observed shift in consumer behavior. As large language models become integrated into daily workflow, consumers are increasingly seeking information through conversational interfaces—whether via a traditional search bar enhanced by AI or a dedicated chatbot. This expansion of information seeking, Munster posits, means the total time spent searching for information is increasing, offering new real estate for monetization. The fact that the interviewer used an LLM to select jewelry for her outfit highlights the immediacy and breadth of this application shift, demonstrating that AI is moving beyond purely technical tasks into consumer commerce and lifestyle curation—areas ripe for contextual advertising.</p>
<div class="lb-trans"><p>谷歌和 OpenAI 都能在廣告領域蓬勃發展的想法源於對消費者行為變化的觀察。隨着大型語言模型逐漸融入日常工作流程，消費者越來越多地通過對話界面尋求信息——無論是通過增強了人工智能的傳統搜索框，還是通過專用的聊天機器人。Munster 認為，這種信息尋求的擴展意味着搜索信息所花費的總時間在增加，為貨幣化提供了新的空間。採訪者使用大型語言模型為她的服裝選擇珠寶的事實突顯了這一應用轉變的緊迫性和廣度，表明人工智能正在超越純技術任務，進入消費者商業和生活方式策劃領域——這些都是適合上下文廣告的領域。</p>
</div><p>This broadening application layer relies on an infrastructure buildout that is still in its nascent stages. According to Munster, the AI trade has successfully navigated the first two checkpoints of 2024—positive guidance from TSMC driven by accelerating AI demand, and encouraging commentary from Nvidia at CES. The next critical hurdle, expected in late January and early February, will be the capital expenditure (CapEx) guidance from the hyperscalers (Google, Microsoft, Amazon). Expectations for hyperscaler CapEx growth have already inched up from 30% to 34%, and Munster anticipates they may hit 40% or more, indicating a deep commitment to the necessary hardware foundation.</p>
<div class="lb-trans"><p>這一廣泛的應用層依賴於仍處於初期階段的基礎設施建設。根據 Munster 的説法，人工智能交易已經成功通過了 2024 年的前兩個檢查點——來自 TSMC 的積極指導，受加速的人工智能需求驅動，以及 Nvidia 在 CES 上的鼓舞人心的評論。下一個關鍵障礙，預計在 1 月底和 2 月初，將是超大規模雲服務商（谷歌、微軟、亞馬遜）的資本支出（CapEx）指導。超大規模雲服務商的資本支出增長預期已經從 30% 上調至 34%，Munster 預計可能會達到 40% 或更高，表明對必要硬件基礎的深度承諾。</p>
</div><p>Yet, a deeper, more structural misconception persists among investors regarding this infrastructure buildout. The current narrative often centers on training—the expensive, computationally intensive process of building and refining the large language models themselves. Munster argues that this focus misses the forest for the trees, noting that investors are “stuck in the mentality that AI is about training.”</p>
<div class="lb-trans"><p>然而，投資者對這一基礎設施建設的更深層次、結構性誤解依然存在。當前的敍事往往集中在訓練上——構建和完善大型語言模型本身的昂貴且計算密集的過程。Munster 認為，這種關注錯失了整體，指出投資者 “陷入了人工智能是關於訓練的思維模式。”</p>
</div><p>The long-term economic reality, driven by the sheer volume of daily usage, points overwhelmingly toward inference. Inference is the process of running the trained models to generate results—the actual “thinking” and application of intelligence by the AI. Munster cites Deepwater’s internal research and industry data to underscore the massive scale difference: “That inference market last year in 2025 was five times as big as the training market.” Looking forward, this disparity will grow exponentially.</p>
<div class="lb-trans"><p>長期的經濟現實，受到每日使用量的驅動，明顯指向推理。推理是運行訓練模型以生成結果的過程——人工智能的實際 “思考” 和智能應用。Munster 引用 Deepwater 的內部研究和行業數據來強調巨大的規模差異：“去年 2025 年的推理市場是訓練市場的五倍。” 展望未來，這種差距將呈指數增長。</p>
</div><p>The intelligence of AI is not in the training, but in the application. As millions of users, businesses, and specialized agents begin to rely on these models for daily tasks, the computational cycles dedicated to inference will dwarf those dedicated to training. Munster emphasizes the scale of this future demand, stating that “Inference will be hundreds of thousands of times bigger than training; intelligence is in thinking, not in the training.” This disparity suggests that companies focused on optimizing inference—the real-time deployment and scaling of AI—are positioned for explosive growth far beyond those merely focused on model creation.</p>
<div class="lb-trans"><p>人工智能的智能不在於訓練，而在於應用。隨着數百萬用户、企業和專業代理開始依賴這些模型進行日常任務，專用於推理的計算週期將遠遠超過專用於訓練的週期。Munster 強調了未來需求的規模，表示 “推理將比訓練大數十萬倍；智能在於思考，而不是訓練。” 這種差距表明，專注於優化推理——人工智能的實時部署和擴展的公司，遠比那些僅專注於模型創建的公司更具爆發性增長潛力。</p>
</div><p>This infrastructure dynamic has immediate implications for market structure. While the “Mag 7” (the largest technology companies) have dominated the initial AI run-up, the sheer scale of the required infrastructure investment, combined with the broadening need for specialized inference chips and services, suggests that the AI opportunity will trickle down. Munster maintains his prediction that small-cap companies focused on the infrastructure and application layers will begin to outperform their large-cap counterparts, driven by strong earnings revisions as the inference market accelerates. The market strength seen recently in companies like AMD, following positive supply chain news, is an early indicator of this broadening participation in the infrastructure supply chain.</p>
<div class="lb-trans"><p>這一基礎設施動態對市場結構有直接影響。雖然 “魔法七”（最大的科技公司）主導了初期的人工智能熱潮，但所需基礎設施投資的龐大規模，加上對專用推理芯片和服務的廣泛需求，表明人工智能機會將向下滲透。Munster 堅持他的預測，專注於基礎設施和應用層的小型公司將開始超越大型公司，推動強勁的盈利修正，隨着推理市場的加速。最近在 AMD 等公司的市場強勁表現，受到積極的供應鏈消息的推動，是這一基礎設施供應鏈廣泛參與的早期指標。</p>
</div><p>For founders and VCs, the takeaway is clear: the AI gold rush is shifting from digging for gold (training) to selling shovels and processing tools (inference). The next phase of massive value creation will be found in the companies that enable the affordable, scalable, and ubiquitous deployment of AI intelligence across every facet of technology and commerce, confirming that the AI infrastructure buildout is far from complete.</p>
<div class="lb-trans"><p>對於創始人和風險投資者來説，結論很明確：人工智能的淘金熱正在從挖掘黃金（訓練）轉向銷售鏟子和處理工具（推理）。下一階段的巨大價值創造將出現在那些能夠在技術和商業的各個方面實現經濟、可擴展和普遍部署人工智能智能的公司，確認人工智能基礎設施建設遠未完成。</p>
</div>

The AI Infrastructure Buildout is Still Early and Investors Are Stuck on Training

- Gene Munster 認為，Alphabet 與 OpenAI 在 AI 廣告業務中可共贏。  
- 他分析了 AI 領域基礎設施的重要性及投資者普遍存在的誤解。  
- Munster 預計，聚焦推理的公司將迎來更大的增長機會。

人工智能基礎設施的建設仍在初期階段，投資者仍然專注於訓練階段