用户越多，反而亏得越快：据量子位报道，一款“AI穿搭+购物推荐”应用在新兴市场的ARPU（每名用户带来的平均收入）约为2美元，而每用户云端算力和传输成本达到3美元。每次生成看似不贵，放到亿级日活和每天约3次推理——模型根据输入生成结果——的规模上，GPU闲置与流量费就会被迅速放大。
团队没有整体搬家，而是保留旧云上的主程序和数据库，只把最烧钱的推理层迁往Akamai，再用MultiKueue调度器按集群负载分派任务，流量高峰才启用备用资源。同时，GPU由NVIDIA L4换成RTX PRO 6000。报道援引项目数据称，单张图生成时间从12秒降至3—5秒，所需GPU集群规模缩减75%。
这个案例值得看，但“砍掉四分之三”不能只归功于跨云：硬件更换、调度方式和弹性采购共同起作用。报道也未披露测试周期、完整账单及服务延迟等数据，因此目前更适合作为成本优化案例，而非可直接复制的行业结论。