以下是 AI 運算領域的分歧，許多人沒有正確解讀。

前沿訓練每季都更加集中——數千張 GPU 必須擺在同一個地方並相互連接。但訓練只佔 2026 年需求的 30%，其餘 70% 是推理。而在超大規模雲端上運行推理，意味著為最困難的工作負載所建的基礎設施，卻用來執行最簡單的任務。
在分散式網路上，同樣的推理可以便宜 45-75%。對於任何編列 AI 基礎設施預算的人來說，這個差距就是全部關鍵。
訓練因必要而集中。推理則走向分散，因為為了不需要 AWS 利潤率的工作負載而支付其費用，在規模化時就變得不再合理。