一家媒体公司需要为某个城市的读者提供低延迟的文章推荐。流量高峰出现在可预测的时间（早上、午餐、下班后），其他时间流量较少。推理响应小于 4 MB。哪种部署方案能最大限度地降低延迟且最具成本效益？

预置并发的无服务器推理（例如使用 AWS Lambda）是最佳选择。它通过预热函数实例来消除冷启动延迟，确保在可预测的流量高峰期提供低延迟响应。无服务器架构按需付费，在非高峰时段自动缩减，从而实现成本效益。实时推理端点（如 SageMaker Endpoint）虽然提供低延迟，但自动扩缩可能需要时间响应流量激增，且在低流量时段可能成本较高。异步推理和批处理转换作业不适合需要低延迟实时推荐的场景，因为它们本质上是批处理或基于队列的。