华纳兄弟探索借力 AWS Graviton：机器学习推理更快、成本更低

华纳兄弟探索公司（WBD）是全球知名的媒体与娱乐企业，内容覆盖电视、电影与流媒体等多个领域。随着用户对个性化内容的期待持续提升，WBD 决定升级其 AI/ML 推理基础设施来优化用户体验。在这个过程中，他们引入了 AWS Graviton 处理器与 Amazon SageMaker AI 实例，取得了明显的成本下降与性能提升。

WBD 面向全球超过 1.25 亿用户，其推荐系统需要在实时场景中高效稳定地运行。为应对不断增长的访问需求与成本压力，在 AWS 的协助下，WBD 着手迁移到 Graviton 实例。借助这次迁移，他们不仅压缩了基础设施费用，还让推理更快，平均成本节约约 60%；在某些场景（尤其是目录排序模型）中，节约幅度最高达到 88%。

在速度方面，WBD 的改造同样成效显著。优化后的环境让不同模型的 P99延迟降低了 7% 至 60%，其中 XGBoost 模型的延迟降幅达到 60%。更快、更精准的推荐让用户获取内容的体验更顺滑，也提升了用户活跃度与留存。

这次迁移推进顺畅，从小规模验证到全面上线仅用了一个月。WBD 还计划将更多推荐相关的工作负载转移到 Graviton 实例，以进一步提升运营效率、降低成本。

划重点:

🌟 成本平均降至 60%：通过迁移到 AWS Graviton 实例，个性化推荐系统的运行成本显著下降。  

⚡ 推理更快：不同模型的 P99延迟下探 7%–60%，用户获得内容推荐更及时。  

🔧 迁移节奏快：从测试到全面部署只用一个月，项目高效落地。