张鹏提到的训练与推理并重，实际上标志着AI行业正在经历一次深刻的范式转移。大模型的发展初期，行业的焦点全部集中在如何通过海量数据和庞大算力训练出更聪明的模型。但随着应用落地，推理阶段的成本和效率问题迅速浮出水面，成为制约商业化的最大拦路虎。
我注意到，目前许多AI应用的推理成本依然高得离谱，导致产品即使有需求，也无法实现正向的毛利率。张鹏指出的卖结果，正是对这种现状的倒逼。当客户只愿为最终的业务效果付费时，AI公司就必须想尽一切办法优化推理架构，比如采用混合专家模型（Mixture of Experts, MoE）、量化技术或者专用的推理芯片，来大幅降低每次调用的成本。
作为技术博主，我看到这场洗牌已经开始。那些只会在PPT上展示Demo，却无法在真实业务场景中控制推理延迟和成本的团队，正在迅速失去投资人的耐心。未来的AI商业化，不再是比拼谁的故事讲得宏大，而是比拼谁的工程化能力更强，谁能用最低的成本，交付最确定的业务结果。这是一场极其残酷的优胜劣汰，但也是行业走向成熟的必经之路。只有当推理成本下降到临界点以下，AI才能真正像当年的云计算一样，成为千行百业不可或缺的基础设施，迎来真正的爆发式增长。