DeepSeek那篇论文里，有一个细节我挺感兴趣的。就是他们怎么“省钱”。论文里提到了两个数字：1万多个基础镜像，10万多个工作区。如果按传统做法，每次环境变了就得重新打包、重新分发，成本高得吓人。他们的做法是把东西拆开。基础镜像共享，工作区按需叠加。大部分沙盒不用从零开始建，直接复用已有的就行。还有一个优化叫“镜像按需加载”。

实验显示，按需加载能把8192个容器的启动时间控制在35分钟左右，比完整拉取方案快了42%，磁盘写入量也降了57%。这些数字看着并不性感，但它们直接决定了“一次训练要花多少钱”。AI训练最大的开销不是GPU，是那几十万个沙盒每天反复创建、运行、销毁。把基础设施的成本压下来，AI才能更大规模地训练、更频繁地迭代。省钱这件事，在AI竞赛里可能比“跑分高几个点”更实在。