一个自定义的预测模型需要托管。工作负载是可预测的，并且每天在相同的2小时窗口内持续运行，其中许多调用需要快速响应。公司希望AWS管理基础设施和自动扩缩。哪种托管方案符合这些要求？

正确答案是使用Amazon SageMaker Serverless Inference并配置预置并发。SageMaker Serverless Inference提供全托管服务，无需管理底层基础设施，符合公司希望AWS管理基础设施的要求。预置并发功能确保在可预测的高峰时段（每天相同的2小时窗口）有足够的计算能力来处理大量调用并提供快速响应，避免冷启动延迟。 其他选项不符合所有要求： 通过AWS Lambda触发Amazon SageMaker批量转换作业不适合需要快速响应的实时预测。批量转换是用于离线处理大量数据的。 使用带有计划扩缩的EC2 Auto Scaling组需要手动管理EC2实例，不符合公司希望AWS管理基础设施的要求。 在EC2上的Amazon EKS集群中运行模型并使用Pod自动扩缩虽然可以实现自动扩缩，但仍需管理EKS集群和底层EC2实例，不符合全托管的要求。