Salesforce usa el router de inferencia entre regiones de SageMaker AI para repartir la carga de sus modelos

Hecho Qué ha ocurrido
Un artículo del blog de AWS Machine Learning describe cómo Salesforce utiliza el router de inferencia entre regiones de Amazon SageMaker AI para servir modelos desde sus endpoints en más de 30 regiones. El router envía cada petición a un endpoint capaz de atenderla, puede apuntar a cuentas y regiones distintas, y registra dónde se sirvió cada llamada y por qué. Según el texto, Salesforce integró el router en su Internal Gateway y mantiene el control de residencia de datos.
Resumen generado mediante IA a partir de AWS Machine Learning Blog (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Para empresas que sirven modelos propios en varias regiones, la capacidad fragmentada puede convertirse en un problema de disponibilidad. Un enrutamiento gestionado y consciente de la capacidad evita replicar esa lógica en cada aplicación.
- Quién se ve afectado
- Equipos de plataforma e ingeniería que despliegan modelos en varias regiones de AWS, especialmente con requisitos de residencia de datos.
- Qué puede cambiar
- Si el mecanismo funciona como se describe, el reparto de tráfico entre regiones podría gestionarse en la capa de infraestructura en lugar de en el código de cada aplicación. El texto no aporta cifras independientes de disponibilidad o de coste.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Conviene vigilar si otros clientes publican resultados verificables con este router, cómo se comporta con cargas reales de pico y qué costes de latencia entre regiones y de transferencia de datos aparecen en la práctica.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: AWS Machine Learning Blog (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗inferencia de modelosAmazon SageMaker AIenrutamiento entre regiones SalesforceAWS Agentforce AWS inferencia SageMaker AI Salesforce
Relacionadas
AWS mejora disponibilidad de modelos en SageMaker con distribucion multi-zona
AWS ha añadido capacidades de control de ubicación (SchedulingConfig) a los Componentes de Inferencia de SageMaker, permitiendo distribuir copias de modelos de…
Por qué importaLas empresas que despliegan modelos de IA en producción necesitan garantizar disponibilidad ante fallos de instancias y zonas completas; esta mejora…
AWS valida entrenamiento de IA multi-región con SageMaker HyperPod y Qumulo
AWS describe una arquitectura que combina Amazon SageMaker HyperPod con Cloud Native Qumulo y su Cloud Data Fabric para entrenar modelos de IA con cómputo en…
Por qué importaElimina la disyuntiva entre replicar petabytes de datos entre regiones o aceptar cuellos de botella de latencia, permitiendo a las empresas…
AWS habilita inferencia global para Claude 4.5 en Sudáfrica con enrutamiento automático
AWS anunció que Amazon Bedrock ahora soporta inferencia global entre regiones en la región af-south-1 (Ciudad del Cabo), permitiendo a clientes de Sudáfrica…
Por qué importaPara empresas en Sudáfrica y regiones con restricciones de residencia de datos, esto reduce la latencia de inferencia y mejora la confiabilidad bajo…
AWS lanza enrutamiento consciente de prefijos en SageMaker Inference para reducir latencia de LLM
Amazon SageMaker Inference introduce prefix-aware routing, una estrategia que envía peticiones con el mismo prefijo de prompt a la misma instancia para…
Por qué importaPara empresas que despliegan LLMs a escala con prompts que comparten contexto (RAG, bots con instrucciones largas, conversaciones multi-turno), esto…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.



