將 AI 從試驗階段推進到正式上線，常常會在 延遲（latency）、基礎設施成本（infrastructure costs） 與 治理（governance） 上遇到瓶頸。本場分享將介紹一種動態、以邊緣為核心（edge-based）的架構，把推論（inference）的處理從原本靜態、集中式的模型中轉移開來。你將了解所謂「能自我路由的 AI（AI that routes itself）」如何依據距離與負載，在即時運作中智能地把請求導向最適合的 GPU。透過優化且同時具備安全性的推論，你可以達成超低延遲，並在全球最具分散性的網路上，讓你的 AI 堆疊具備未來前瞻性（future-proof）。