一句话看懂：投资人 Matt Turck 与 VAST Data CEO Renen Hallak 的对谈指出，在英伟达 CEO 黄仁勋提出的 AI 五层结构（能源、芯片、基础设施、模型、应用）中，中间那层软件基础设施最不被外界理解，而 VAST Data 正是靠这一层做到约 300 亿美元估值。
事件核心：发生了什么
Matt Turck 在 X 上发布了他与 VAST Data 联合创始人兼 CEO Renen Hallak 的对话，并配以黄仁勋的“五层蛋糕”比喻：能源、芯片、基础设施、模型、应用。Turck 认为，五层中最容易被忽视的是中间的基础设施层，尤其是软件基础设施部分。VAST Data 就是这一层的代表性公司，据其说法估值已达约 300 亿美元，客户或合作方包括 SpaceXAI、CoreWeave、Nebius、Mistral AI、Nscale 等。对谈话题覆盖“AI 工厂”的构成、企业是否该自建 AI、白天推理夜间微调、向量数据规模、KV cache、RAG、多智能体记忆、机密计算、循环融资风险以及 VAST 为何能盈利等。
为什么重要
算力和芯片常被视为 AI 竞争的主战场，但真正决定大模型能否稳定跑起来、数据能否被高效读写的，往往是存储、数据调度和共享架构这类不显眼的软件层。VAST 的核心思路是 DASE 架构，用“共享一切”的方式处理海量数据和非结构化负载。随着向量检索、Agent 记忆、模型路由和 KV cache 成为推理阶段的刚需，传统数据库和对象存储的边界正在被重新划定。目前公开信息显示，VAST 声称在 AI 基础设施公司普遍亏损的背景下保持盈利，这一点如果成立，说明中间层可能比外界想象的更有定价权。
对用户/开发者/创作者的影响
对开发者而言，这类基础设施的成熟会直接影响 API 延迟、RAG 效果和多智能体应用的稳定性；如果存储层能原生支持向量与权限管理，团队自建检索和记忆系统的成本可能下降。对企业采购来说，对谈中提到的“是否自建 AI 工厂”是一个现实问题：并非所有公司都需要自建训练集群，推理与微调的分时复用可能是更务实的路线。对创作者和普通用户，这些变化不会立刻体现在产品界面上，但会更早反映在 AI 应用的响应速度和可处理数据规模上。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 VAST 提到的机密计算与前沿模型、敏感数据相关的新产品能否落地，以及它是否被更多模型厂商采用；二是 S3、Snowflake、Databricks 等既有数据平台会如何回应 AI 负载对存储层的新要求；三是 Turck 提到的循环融资风险是否会在 AI 基础设施领域进一步累积。这些观察点目前均来自对谈内容，落地情况仍需跟踪。
