AI 时代的基本功

第一部 · 世界观

第 9 章 云的地图:程序住处的连续光谱

「云」不是天上的东西,是别人的电脑加一套自动化。从你自己的笔记本到无人机房,是一条连续的光谱。

一、翻车现场

朋友跟你炫耀「我的数据都在云上,绝对安全」,你不知道该放心还是警惕。有人聊起「我在本地跑了个模型」,另一人说「我们用 Serverless」,三个词把天聊死。你自己的东西还躺在免费托管平台(第 12 章)上,不知道要不要「上云」。

二、为什么会这样

云 = 别人的电脑 + 自动化

把「云」祛魅只需一句话:云就是别人帮你维护的、随开随用的电脑,外加一套自动化(坏了自动换、忙了自动加)。第 12 章的托管平台是最温和的一档云。它解决了真问题——不用买机器、不用管它死活、用多少付多少;也带来一个你早就熟悉的代价——东西长在别人的地基上(第 16 章的平台锁定)。

从笔记本到机房:一条连续的光谱

光谱的一端是你自己的电脑:全权控制,但停电关机全世界就找不到你。往外走是虚拟机——服务商把一台大机器切成很多隔间,你租一个,想装什么装什么,坏了服务商换一个给你。再往外是容器——更轻的隔间,行话叫集装箱:把程序和它的全部行李打成一个标准箱子,搬到哪都能原样运行。托管平台站在再外面:隔间配管家,你只管交代码。最远处是 Serverless——连隔间都看不见了,你的程序被拆成一个个函数,有人调用才运行,按次计费。

光谱越往外,越省心、越弹性、但控制越少;越往内,控制越多、越操心。没有正确答案,只有取舍。

「本地 AI」和「云端 AI」也在同一条光谱上

用 AI 的方式同样排成这条线:云端大模型(最强、按 token 付费、数据要出门,第 14 章)到本地小模型(在自己电脑里跑,数据不出门,能力弱一截,吃你的内存和 GPU——第 2 章)。第 11 章讲怎么选。

程序住处的光谱:从全权控制到全托付 你的电脑 全权控制,自己维护 关机 = 世界找不到你 虚拟机 大机器切出的隔间 想装什么装什么 容器 程序+行李打包成箱 搬到哪都能原样运行 托管平台 隔间配好管家 你只管交代码(第 12 章) Serverless 看不见隔间 按次付费 ← 控制多、操心多 省心多、控制少 → 本地 AI 与云端 AI 也在同一条光谱上 选位置只问三件事:数据敏不敏感、要多少控制、愿意维护多少——三个答案的交集就是你的位置。

三、怎么办

选位置只问三个问题。数据敏不敏感:越敏感越往内(本地、自托管);需要多少控制:越要定制越往内;愿意维护多少:越不想维护越往外。三个答案的交集就是你的位置——对本书的读者,答案通常落在托管平台这一格,已经够了。

读云宣传页自带一台翻译机。「弹性」= 忙时自动多开机器,闲时自动关掉省钱;「高可用」= 坏了自动换一台,你基本感知不到;「按量计费」= 用一次付一次,但超额自动扣款的那颗雷(第 15 章)也在「按量」里。翻译完再做决定。

一个清醒的提醒。光谱上的位置不是终身制:先从托管平台起步,等数据敏感度或用户量变化了再迁移——第 16 章的导出权就是你的迁移通行证。

四、带走的问题

本章顺便获得的概念:云、虚拟机、容器、Serverless、自托管、本地模型。