Uber運用AWS自研晶片支援高頻率行程與AI模型訓練

共乘和按需送餐公司Uber，正在運用Amazon Web Services (AWS) 擴展其基礎設施和人工智能 (AI) 能力。Uber使用AWS Graviton執行個體來支援更多Trip Serving Zones，這是每次乘車和送餐背後的即時基礎設施，並已開始在Trainium上試行訓練部分AI模型，實現更快速的乘客與外送配對與全球需求處理，並且為每日數百萬用戶提供更智能、更個人化的體驗。

每當您開啟Uber叫車或叫外賣時，背後會發生一連串瞬間決策。哪位駕駛最近？最快的路線是什麼？實際運行需要多長時間？要同時為數百萬人即時正確回答這些問題，需要對的基礎設施，讓Uber能在交通尖峰時段和大活動期間大規模提供這些服務。

Graviton如何協助即時支援數百萬次行程

Uber的Trip Serving Zones系統能確保每次乘車和外賣順利運作，需要在毫秒內進行數百萬次預測並處理定位資訊。

Uber正在擴大使用AWS運算、儲存和網路服務，協助為Trip Serving Zones提供即時運作支援。透過在AWS Graviton上執行更多這些工作負載，Uber可以降低能源消耗，並同時快速滿足需求高峰，既減少延遲又最佳化成本。Graviton的高效能可支援部分即時運算，更快速地將乘客與駕駛進行配對，同時兼顧可靠性、可用性或安全性。

「Uber 的運作規模讓每毫秒都很重要，」Uber工程副總裁Kamran Zargahi表示。「將更多Trip Serving工作負載移至AWS，讓我們能更靈活地加快配對乘客與駕駛，並在不中斷服務的情況下處理外賣需求高峰。」

使用AWS Trainium晶片大規模改善Uber乘車體驗

Uber也開始試用 AWS Trainium 來訓練支援其應用程式的某些AI模型。這些模型分析數十億次乘車和送餐資料，以決定派遣哪位司機或送餐人員、計算抵達時間，並向客戶推薦最佳送餐選項。在這種規模下訓練AI需要龐大的運算能力，Trainium以高效能且具成本效益的方式實現這項需求。隨著模型不斷學習行程資料，Uber為全球客戶提供更快速的配對、更準確的預估抵達時間，以及更個人化的推薦，讓他們能更快抵達目的地並更早收到外賣。

「透過在Trainium上試行部分AI模型，我們正在建立讓每次Uber體驗都更智慧的技術基礎，這樣我們就能將焦點放在每天使用Uber的人。」Zargahi表示。

AWS北美區副總裁兼總經理Rich Geraffo表示，「Uber是世界上要求最高的即時應用程式之一，我們很榮幸能為其全球營運提供重要的基礎設施支援。我們協助Uber為數億人提供可靠的服務，並以AI驅動的體驗定義共乘和按需送餐的未來。」