科技领域增长最快的市场并非AI，而是数据基础设施

一个反直觉的判断

当整个科技圈的注意力都被人工智能牢牢吸引时，知名风险投资人 Tomasz Tunguz 提出了一个值得深思的观点：科技领域增长最快的市场，可能并不是AI本身，而是支撑AI运转的底层数据与基础设施。

这个判断之所以引人关注，在于它挑战了当下几乎一边倒的叙事。市场、媒体和资本都在追逐大模型、生成式应用和AI Agent，而Tunguz的视角则把目光引向了那些不那么耀眼、却真正支撑整个AI浪潮的环节。

需要说明的是，本文基于 Hacker News 上传播的标题与讨论线索进行解读。原始帖子信息有限（6个点赞、暂无评论），具体论证细节建议读者查阅 Tomasz Tunguz 的原文博客。

为什么说AI不是增长最快的市场

从表面数据看，AI无疑是增长最迅猛的领域——融资额、估值、用户规模都在爆发式扩张。但Tunguz这类长期关注SaaS与数据市场的投资人，往往会区分"热度"与"可持续的市场增长"。

AI应用层的高增长背后，隐藏着一个现实：模型训练与推理需要海量的数据、存储、计算与管道工具。每一个成功的AI产品，都建立在数据采集、清洗、标注、向量化、检索等一系列基础工作之上。换句话说，AI的繁荣直接转化为对数据基础设施的刚性需求。

卖铲子的逻辑

这其实是经典的"淘金热中卖铲子"逻辑。当所有人都涌入淘金时，真正稳定赚钱的往往是提供工具和基础设施的一方。数据仓库、向量数据库、数据编排、可观测性工具等赛道，正因AI的爆发而获得了前所未有的增长动力。

这些市场不像消费级AI产品那样容易被公众感知，但它们的收入增长、客户黏性和扩张速度，可能比许多光鲜的AI应用更为健康和持久。

具体到当前AI周期，"铲子"涵盖的范围相当广泛。向量数据库（如Pinecone、Weaviate、Milvus）专门存储和检索高维嵌入向量，是RAG（检索增强生成）架构的核心组件；数据编排工具（如Airflow、Prefect、dbt）负责调度和转换进入模型的训练与推理数据；可观测性平台（如Arize、WhyLabs）则监控模型在生产环境中的表现漂移与数据质量。此外，数据标注服务、特征存储、模型注册表等细分赛道也随AI需求同步扩张。这些工具往往以用量计费（按存储量、查询次数或处理数据量收费），意味着客户规模越大、使用越深，收入就越高，天然具备与AI采用率正相关的增长曲线。

基础设施市场的结构性优势

相比应用层，基础设施层有几个结构性优势值得关注。

一是需求的确定性。无论最终哪家大模型胜出、哪款应用成为爆款，底层的数据处理与计算需求都会持续存在。这让基础设施厂商处于一个"旱涝保收"的位置。

二是替换成本高。一旦企业将数据流水线、仓库和工具链搭建完成，迁移的成本极高，这带来了更强的客户锁定与续费率。

三是增长的复利效应。数据量本身在不断膨胀，AI的使用又进一步推动数据生成与消费，形成正向循环。基础设施的市场规模随着整个生态的扩张而水涨船高。

从历史先例来看，这一逻辑在上一波云计算浪潮中已得到验证。2010年代移动互联网爆发期间，AWS、Twilio、Stripe等基础设施与工具层公司的市值增长，长期跑赢了大多数应用层明星公司。原因正在于此处提到的三点结构性优势：无论哪款App胜出，服务器、支付通道和短信接口的需求始终存在。当前AI周期中，Snowflake、Databricks等数据平台已率先受益，其企业客户的数据处理量因AI工作负载而显著提升，反映在财报上即为净收入留存率（NRR）的持续走高。

对创业者与投资者的启示

对于创业者而言，这个观点提示了一条不那么拥挤的赛道。与其在应用层与无数团队和大厂正面竞争，不如审视AI浪潮中那些"卖铲子"的机会——数据管理、工具链、运维与安全等环节，往往竞争格局更清晰、商业模式更扎实。

对于投资者，Tunguz的判断是一种提醒：不要被表层的叙事所裹挟。真正的增长有时藏在不起眼的管道里，而非聚光灯下的明星产品中。

当然，这一观点也并非没有争议。AI应用层同样可能孕育出规模惊人的赢家，基础设施市场也存在同质化与价格战的风险。理性的做法，是把两个层面的机会放在一起评估，而非简单地在"AI"与"非AI"之间二选一。

结语

Tomasz Tunguz 的这一观点，本质上是在提醒行业回归商业的基本面：增长最快的市场，未必是声量最大的市场。在AI热潮之下，支撑这股浪潮的数据与基础设施，正悄然成为最值得关注的增长引擎之一。

由于原始素材信息量有限，建议对此话题感兴趣的读者进一步查阅 Tunguz 的原文及其配套数据，以获得更完整的论证与市场数据支撑。