- Uber使用AWS Graviton4在毫秒內配對乘客與司機
- Uber試用AWS Trainium3以建立更快速、更智能的AI預測和模型
- 在AWS上擴展Trip Serving Zones，協助處理乘車和外送的需求高峰
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。」