Uber 是全球最大的共乘和按需外送公司，正在運用 Amazon Web Services（AWS）擴展其基礎設施和人工智慧（AI）能力。Uber 使用 AWS Graviton 執行個體來支援更多 Trip Serving Zones，這是每次乘車和外送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、全球需求處理，並為每日數百萬用戶提供更智慧、更個人化的體驗。
每當您開啟 Uber 叫車或叫外送時，背後會發生一連串的瞬間決策：哪位駕駛最近？最快的路線是什麼？實際抵達需要多長時間？要同時為數百萬人即時且正確地回答這些問題，需要完善的基礎設施，讓 Uber 能在尖峰時段和大型活動期間大規模地提供這些服務。
Graviton如何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送順利運作，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，以支援 Trip Serving Zones 的即時運作。透過在 AWS Graviton 上執行更多工作負載，Uber 可以降低能源消耗，同時快速擴展，以滿足需求高峰，進而減少延遲並最佳化成本。Graviton 的高效能可支援部分即時運算，有助於更快速地將乘客與駕駛進行配對，同時兼顧可靠性、可用性與安全性。
Uber 工程副總裁 Kamran Zargahi 表示：「Uber 的運作規模讓每毫秒都很重要，將更多 Trip Serving 工作負載移至 AWS，讓我們能更靈活地加速配對乘客與駕駛，並在外送需求高峰時，依然保持系統運行不中斷。」
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部分 AI 模型。這些模型透過分析數十億次乘車和外送資料，決定派遣哪位駕駛或外送員、計算抵達時間，並為客戶推薦最合適的外送選項。進行如此大規模的 AI 訓練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 能為全球客戶提供更快速的配對、更準確的預計抵達時間，以及更個人化的推薦，讓他們能更快抵達目的地與更早收到外送。
Kamran Zargahi 表示：「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，這樣我們就能將重心放在每天使用 Uber 的人們。」
AWS 北美區副總裁暨總經理 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外送的未來。」
