推理
Inference
AI'学成之后真正干活、回答你问题'的那个过程，相当于学生毕业后上岗考试答题，而不是在学校念书。
先打个比方
想象一个医学生，寒窗十年啃完了所有教科书——这叫"训练"。但你真去看病时，他坐在诊室里听你说症状、当场给你开方子，这个"上岗干活"的过程，才叫推理。
AI 也一样。它在工厂里被海量数据"喂"成型之后，剩下一辈子干的活几乎都是推理：你问一句，它当场调动学过的本事，一个字一个字把答案"算"给你。学习是一次性的，干活是天天的。
它到底是什么
说白了，推理就是 AI 不再学新东西、只用已有本事回答你的那一刻。
它的工作方式有点像接龙：根据你的问题和已经写出的内容，预测"下一个最该出现的字"是什么，写一个、再看一眼、再写下一个，循环到说完为止。所以你会看到 AI 的回答是一个字一个字"蹦"出来的——那不是装样子，是它真的在一边算一边吐。
为什么和你有关
这里藏着一个很多人没意识到的事：你每点一次"发送"，机房里就有一堆芯片在为你这一句话飞速运算、实打实地烧电。
训练贵，但只花一次；推理便宜，却要乘以全世界几亿人每天的几十亿次提问。所以真正天文数字的成本，是推理。这也是为什么各大公司拼了命抢芯片、建机房——抢的不是"教 AI"的算力，是"让 AI 给你干活"的算力。
下次用 AI 时不妨记着：你按下回车的那一下，就是在亲手点燃一次推理。问得清楚点，这份算力就没白烧。 ⚡
本文为 AI 整理的科普解读，可能有误，仅供入门参考。
没看懂？让 AI 再讲一遍：
延伸阅读：可在公众号「数字生命卡兹克」「Datawhale」搜同名概念的科普文章。