Cloudflare Workers 的核心不是容器，而是 V8 Isolates 技术。传统容器冷启动需 100-500ms，而 V8 Isolates 利用 Chrome 浏览器的进程隔离模式，在毫秒级别内创建独立沙箱执行代码。这种架构将内存占用从 MB 级降至 KB 级，全球 200+ 边缘节点可实现 4-30ms 的执行延迟，比 AWS Lambda 快 10-25 倍。@cloudflare/computer 继承了这一底层技术，让 AI 智能体在推理时能跳过容器初始化开销，直接执行 JavaScript/Python 代码。

AWS Lambda 的 Java 函数冷启动可达 21 秒，即使使用 SnapStart 优化后仍需要 1-3 秒。Cloudflare Workers 用 V8 Isolates 将冷启动压缩至 <1ms，核心秘密在于：代码以 JavaScript/WASM 形式预编译为字节码缓存，新请求只需从缓存池中按需分配一个 Isolate 沙箱；而容器需要下载镜像、解压文件系统、初始化运行时。对 AI 推理场景，这意味着每百万次请求可节省约 50 小时的等待时间，直接降低用户感知延迟。

A 阵营（AWS Lambda 等）认为容器技术成熟且生态完善，通过 SnapStart 预置并发、镜像缓存等方案可将冷启动压至 1 秒以内，且支持任意语言运行时，更适合多框架混合的复杂 AI 工作流。B 阵营（Cloudflare）则指出容器在 AI 推理场景中至少浪费 30% 的 GPU 内存和 CPU 周期，专用计算单元能将资源利用率提升至 90% 以上。当前尚无第三方基准测试给出统一结论，争议焦点在于：AI 工作负载的「超轻量」特性是否值得放弃容器生态的通用性。

@cloudflare/computer 按使用计费，看似省钱，但 AI 推理的 token 消耗量正以百万倍级增长——OpenAI 最大客户单月消耗 1000 亿 tokens。当模型推理需要频繁调用 GPU 或大模型时，按次计费可能比固定实例更贵。关键信号是：Sam Altman 已公开承认运行成本从「无人提起」变成「巨大问题」。企业需要追问：你的 AI 智能体是偶尔触发（适合无服务器），还是持续响应（需预留实例）？两者的成本拐点在哪？