支持边缘人工智能（AI）推理作为网络服务面临两大难题：移动系统虽能传输张量，却未能暴露或理解张量背后的推理上下文。已有研究通过动态分区、协同推理和拆分流水线尝试填补这一空白，但仍受限于应用绑定、网络盲区或缺乏上下文信息。\ \ 本文提出 Inference on Demand (IoD) 抽象，将拆分推理通过类似 CAMARA 的 API 暴露，并在 5G 用户面路径中带宽内携带拆分感知的张量上下文。IoD 通过在可编程用户面功能（UPF）上实现的测试平台，对可划分的视觉 AI 工作负载进行评估。实验表明，基于运行时分割的自适应拆分选择能够作为面向网络的服务运行，避免了静态配置的刚性成本。\ \ 当服务意图、运行时分割策略和张量传输全部在移动数据平面可见时，拆分推理不再是单纯的离线卸载，而演化为网络原生 AI 服务。可编程的电信基础设施因此能够在计算、上下文和连接之间进行协同调度，为面向用户的应用提供统一的算力与网络支撑。\ \ 点评：IoD 将 AI 推理与 5G 网络深度融合，为实现灵活、成本可控的边缘 AI 服务提供了可行路径，也为未来网络原生 AI 平台奠定了概念基础。