未来推理将吃掉 70%算力，30%留给训练丨硅谷投资人张璐@AIGC2026

📌 一句话摘要

硅谷投资人张璐在 AIGC2026 峰会上指出，AI 算力需求重心正从训练转向推理，未来推理将消耗 70%算力，而数据中心通信环节的耗电量可能比计算本身高出百倍，高质量数据尤其是医疗数据将成为下一阶段的核心竞争力。

📝 详细摘要

本文是量子位对 Fusion Fund 创始合伙人张璐在 2026 中国 AIGC 产业峰会演讲的编辑整理。张璐从硅谷投资人视角，系统分析了 AI 产业叙事正在发生的深刻转变。核心观点包括：算力需求重心从训练转向推理，未来推理将消耗 70%的算力；数据中心通信环节的耗电量可能比计算本身高出百倍，催生光学通信等新技术；物理 AI 面临的最大瓶颈是缺乏高质量的真实世界数据，合成数据无法替代边缘场景的真实采集；医疗领域因其高质量数据密度成为 AI 公司集中布局的赛道；产业整合速度成为 AI 落地的核心竞争力，500 强企业 AI 预算从千万级跃升至数十亿级，采购周期大幅缩短。她还特别看好医疗 AI、太空科技与物理 AI 的结合、以及微米/纳米机器人三个具体应用方向。

💡 主要观点

- AI 算力需求重心正从训练转向推理，未来推理将消耗 70%算力。 训练是一次性投入，推理是可持续的长期需求。随着智能体交互替代对话交互，推理算力占比将从现在的 50%攀升至 70%，成为 AI 基础设施最核心的优化方向。

数据中心通信环节的耗电量可能比计算本身高出百倍。 移动数据的能耗远高于移动计算，这催生了光学通信等新一代通信技术的创新需求，以大规模降低通信过程中的能量消耗。

物理 AI 面临的最大瓶颈是缺乏高质量的真实世界数据。 架构和算力已基本具备，但合成数据存在盲点，无法替代边缘场景的真实采集。需要新型数据收集平台和边缘端 AI 部署来获取高质量三维数据。

医疗领域因其高质量数据密度成为 AI 公司集中布局的赛道。 数据的质量比数量更重要，医疗是高质量数据密度最高的行业之一。AI 医疗正从辅助问诊深入到个性化治疗，包括细胞疗法、脑部疾病等垂直领域。

产业整合速度是 AI 落地的真正核心竞争力。 500 强企业 AI 预算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。快速到达真实应用场景、获得用户反馈和高质量产业数据，是模型和应用持续迭代的燃料。

💬 文章金句

- 推理将超越训练，成为算力消耗的新主角。

• 在 AI 数据中心内，通信消耗的电量可能比计算本身高出百倍。
• 数据的质量比数量更重要，而医疗恰恰是高质量数据密度最高的行业之一。
• 技术创新只是起点，产业整合速度才是 AI 落地的真正竞争力。
• 挑战就意味着机会。

📊 文章信息

AI 初评：86

来源：量子位

作者：允中

分类：人工智能

语言：中文

阅读时间：28 分钟

字数：6896

标签： AI基础设施, 推理算力, 物理AI, 数据中心通信, 高质量数据

阅读完整文章