How Web Data Infrastructure Powers the Next Generation of AI — Patricija Žemaitytė, Oxylabs
Patricija Žemaitytė från Oxylabs delar erfarenheter från att bygga infrastruktur för AI-tjänster i skala.
Hon beskriver tre huvudkonflikter: när ett sök-API som skulle svara på under en sekund blev blockerat live hos klient, krävdes ombygge genom att ta bort långsamma webbläsare — resultatet blev 550 millisekunder i stället för 4 sekunder. En video-API-begäran med två veckors deadline växte från ett enkelt jobb till en hel produktsvit (transkripter, undertexting, sökning, metadata) när klienten hittade nya behov, och skalade till 30 petabyte data utan att betala ännu. Skalan blev också ett problem själv: när hon försökte testa "unblocker"-tjänsten upp till 60 000 förfrågningar per sekund gick testerna fast vid 20 000, delvis för att själva telemetrin blev så stor att den påverkade det hon skulle mäta.
Sammanfattningen är skriven av Vibekollen utifrån källans egen publicering. Innehållet tillhör AI Engineer.
Mer från AI Engineer
SOTA Generative Media Panel — Dumitru Erhan, Shane Gu & Nicole Brichtova, Google DeepMind
AI Engineer 30 aug.
Tell the Robot What You Want — Sandhya Subramani, AWS
AI Engineer 29 aug.
The Signal Layer: What to Build When Anything Can Be Built — Lena Hall, Akamai
AI Engineer 29 aug.
Tribal Dungeons of Global Shipping: AI Agents at Global Scale — Dmitry Buykin, Maersk
AI Engineer 29 aug.