一家醫療服務提供者擁有過去一年收集到的病患資料，需要針對疾病爆發產生每月趨勢分析報告。報告必須包含最新月份的洞察，並且他們希望採用最具成本效益的推論方法。他們應該選擇哪種推論方法？

批次轉換 (Batch transform) 是最符合成本效益的推論方法，適用於處理大量歷史資料並產生定期報告。它能一次性處理所有資料，無需維持即時運行的資源，因此成本較低。 即時推論 (Real-time inference) 雖然能提供最新洞察，但成本較高，因為它需要持續運行的端點來處理單一或少量請求。無伺服器推論 (Serverless inference) 也適用於即時或事件驅動的推論，但對於每月一次的大規模批次處理，其成本效益不如批次轉換。非同步推論 (Asynchronous inference) 適用於處理大型請求或需要較長處理時間的推論，但對於定期報告而言，批次轉換在成本和效率上更具優勢。