训练与推理的区别
想象一下，训练就像学生为了考试花几个月拼命刷题、背书、做模拟测试；而推理则是考试当天，面对试卷快速写出答案。AI 模型的工作方式跟这个过程几乎一样：先经过「训练」学会本领，然后进入「推理」阶段去解决真实问题。今天我们就用生活里的例子，把这两个阶段讲清楚。
训练阶段：像备考一样辛苦
训练（Training）就是让 AI 模型从「一张白纸」变成「某个领域的行家」。就像备考时要做大量练习题，开发者会把成千上万条数据——比如图片、文章、对话——喂给模型。模型内部有几十亿个可以调节的「旋钮」（叫做参数），训练的过程就是不断转动这些旋钮，让模型给出的答案越来越接近正确答案。这个过程通常要用强大的服务器集群跑上几天甚至几个月，需要消耗大量电力和计算资源，但只要训练好一次，就能反复使用。
推理阶段：像答题一样快速
推理（Inference）就是训练好的模型被实际使用的阶段，相当于考试时拿起试卷快速作答。你在手机里问智能助手天气怎么样、用翻译软件翻一句话、让 AI 给你画一张图，这些都是推理。每一次推理只需要调用模型一次，让它根据已经学到的知识给出回答。因为模型已经「学会了」，推理时不再调整那些旋钮，所以速度很快，几秒甚至不到一秒就能得到结果。
成本对比：一个砸钱，一个省钱
训练的成本非常高：不仅要收集和清洗海量数据，还要租用昂贵的 GPU 服务器，电费动辄几万元甚至上百万元。而推理的成本则低得多：每次调用按使用量收费，几分钱到几毛钱不等，日常聊天查资料花不了多少钱。这也是为什么 AI 公司愿意前期砸重金训练模型，因为一旦训练完成，后续每一次推理都能赚钱。
为什么这一点对你很重要
作为普通用户，你日常碰到的所有 AI 互动——手机助手、客服自动回复、推荐算法——都发生在推理阶段。理解这一点能帮你更聪明地使用 AI：复杂问题可以拆成几步提问，就像答题时先看清题目再下笔；而当你发现 AI 答错了，那是模型训练时学到的知识不够全面，并不是它「偷懒」。
停一下，确认你真的懂了
每题只能选择一次，不计分，也不会保存结果。
第 1 题
下面哪个场景属于推理阶段？
第 2 题
关于训练和推理的成本，下列哪个说法正确？
第 3 题