边缘计算讨论了很多年，但真正改变开发者日常工作的，往往是推理位置的变化。
从「部署在哪」到「谁负责什么」
过去我们问：这个服务跑在云端还是边缘？今天更值得问的是：
- 哪一段 pipeline 对延迟敏感？
- 哪一段对成本敏感？
- 哪一段必须由端侧承担隐私与离线能力？
当这三个问题清晰之后，AI Infra 的分工才会自然出现：训练集中、推理分散、编排统一。
社区为什么重要
基础设施演进从不是单一厂商能完成的叙事。社区的价值在于：
- 让实践者彼此看见真实案例；
- 让产业方理解开发者真正的摩擦点；
- 让写作与会议形成可检索的时间档案。
这也是我持续建设边缘计算社区、并记录这类观察的原因。
下一步
我会继续写一系列文章，讨论云边协同、异构算力调度，以及开发者工具链如何适应「推理下沉」的时代。
如果你也在做相关实践，欢迎通过本站联系我，或到 边缘计算社区 一起讨论。