[00:00–00:07] Rolle von Training und Inferenz: Erläuterung, dass Training KI‑Modelle erzeugt, während Inferenz den tatsächlichen Geschäftswert generiert
[00:07–00:20] Vergleich zwischen Trainings- und Inferenz-Workflows: Kontrast zwischen Training (Modellerstellung aus statischen Daten) und Inferenz (Ausführung von Modellen mit dynamischem Traffic)
[00:20–00:27] Infrastrukturmentalität für Inferenz: Diskussion darüber, warum die aktive, kontinuierliche Natur der Inferenz eine eigene Infrastrukturstrategie erfordert
[00:27–00:43] Zentralisierte und verteilte Infrastruktur im Vergleich: Vergleich zwischen zentralisierten GPU‑Clustern für Training und hochverteiltem, latenzempfindlichen Computing für Inferenz
[00:43–00:59] Optimale Workload-Ausführung: Erläuterung zur Ausführung der richtigen Workload an der richtigen Stelle über Core-, regionale und Edge-Standorte hinweg