7 月 17 日，TechCrunch 发了一篇不起眼但值得细读的文章：“Why the first GPU financiers are turning to inference chips in a $400 million deal”。标题里的”第一批 GPU 资方”是关键——这批在 2022-2023 年 GPU 最紧张时期入场的人，正在悄悄调仓。
一个被忽视的信号
很多人把 AI 投资等同于”买英伟达训练卡”，但真正在算力市场摸爬滚打过的人，视角早就变了。
文章里提到的那笔 $400M 交易，买的不是 H100/H200 这类训练集群的核心组件，而是推理型 GPU——更适合大批量、低成本部署的那种。这个选择背后是一个简单但被大多数散户和二级市场分析师忽视的逻辑：
训练是一次性投入，推理是持续现金流。
当你建设一个 10 亿美元的训练集群，你实际上是在赌这家 AI 公司未来能靠模型本身赚钱。但推理基础设施不同——它是 API 调用的底层，每一次模型输出都是一次收入。规模越大，边际成本越低，利润率越稳定。
为什么是现在
2024-2025 年 AI 投资热钱大量涌入时，几乎所有资金都指向训练侧。原因很简单：那时谁能搞到 H100，谁就能训练出更强的模型，谁就能讲出更大的故事。
但 2026 年的格局变了：
- 模型能力趋于平台化：GPT-5、Claude 4、Gemini 2 这一代模型，单次训练的边际收益在下降。厂商开始卷微调、卷垂直场景，而不是卷基础模型参数。
- 推理需求爆发：ChatGPT API 调用量、企业 AI Agent 调用量、 embedding 需求——这些都在指数增长，而且增长的是实际使用，不是 Demo。
- 推理芯片竞争加剧：NVIDIA 的 Blackwell 架构、AMD 的 MI350、以及 Groq、Cerebras 等专用推理芯片，正在打破 NVIDIA 在推理市场的垄断。价格战要来，采购方受益。
这批 GPU 资方看到了什么
文章里提到的那批”第一批 GPU financiers”，是 2022-2023 年 GPU 短缺时最早下场扫货的机构。他们不是傻子——他们当时看到了云厂商对 GPU 资源的恐慌性囤积，借势拿了大量配置。
现在他们出货推理卡，本质上是在做一个周期性的止盈：
训练需求峰值已过（各厂商自研芯片陆续到位）
→ 云厂商 GPU 库存充足
→ 训练卡租赁价格开始松动
→ 推理侧需求还在涨
→ 资金从训练侧流向推理侧
这不是唱衰 AI，而是 AI 算力基础设施进入第二个阶段的标志性事件。
对创业者和投资人的含义
如果你是 AI 创业者：
推理成本正在下降，这对你利好。但更重要的是——推理芯片的多元化意味着算力供应端在去中心化。你不再只能依赖 AWS、Azure 的 GPU 实例了。Foundry、Modal、Railway 这些新兴推理基础设施提供商正在崛起，价格比云厂商低 30-50%。
如果你是科技股/风投：
NVIDIA 的训练卡业务增速会放缓，但推理侧业务还有增长空间。不过要注意：推理芯片的毛利率远低于训练芯片，NVIDIA 的估值逻辑要跟着变。AMD 和新兴推理芯片公司在这个窗口有机会。
一个冷知识
文章里提到的那批 GPU financiers，有一个很有意思的共同点：他们大多不投 AI 应用层，只投基础设施。他们不关心你的 AI 产品能不能打败 ChatGPT，他们只关心你用谁的算力、你用多少。
这种”卖水人”思维，在每一波科技浪潮里都能看到。互联网泡沫时他们卖服务器和网络设备，移动互联网时他们卖云服务和广告库存，现在他们卖 GPU 和推理芯片。
真正赚大钱的，往往不是站在浪尖上的那个，而是给浪尖上所有人卖铲子的那个。
来源： TechCrunch, 2026-07-17
原文链接： https://techcrunch.com/2026/07/17/why-the-first-gpu-financiers-are-turning-to-inference-chips-in-a-400-million-deal/
本文相关平台：