华纳兄弟探索公司采用AWS Graviton实现成本节约并提升机器学习推理速度
核心要点
华纳兄弟探索公司（WBD）通过采用AWS Graviton处理器和Amazon SageMaker AI实例，在个性化推荐系统的AI/ML推理基础设施升级中取得了显著成效：
- 成本节约：平均节省60%，在目录排名模型中最高节省达88%
- 性能提升：P99延迟在不同模型中降低7%-60%，XGBoost模型延迟最高降低60%
- 部署效率：从测试到全面部署仅用时1个月
项目背景
作为全球媒体娱乐领导者，WBD拥有超过1.25亿全球用户。随着用户对个性化内容需求的持续增长，公司决定优化其人工智能和机器学习推理基础设施，以提升用户体验。
技术方案
在AWS支持下，WBD开始向Graviton实例迁移：
- 采用AWS Graviton处理器
- 部署Amazon SageMaker AI实例
- 优化推理基础设施架构
业务成果
成本效益
- 平均成本节约：60%
- 最大成本节约：在目录排名模型中达到88%
- 有效缓解了用户需求增长带来的成本压力
性能改进
- 延迟改善：P99延迟整体降低7%-60%
- 模型优化：XGBoost模型延迟最高降低60%
- 用户体验：为用户提供更快、更准确的内容推荐
- 业务影响：提升用户参与度和留存率
未来规划
基于此次成功经验，WBD计划继续将更多推荐系统迁移至Graviton实例，以进一步提高运营效率并持续降低成本。
发布日期：2025年11月26日
