一家工厂使用 AWS IoT Greengrass 在工业 PC 上运行图像推理试点项目，将图像上传到 S3 并调用 SageMaker 端点。当扩展到数千台机器时，互联网带宽饱和，延迟无法接受。降低延迟并解决网络容量问题的最具成本效益的方法是什么？

在每台工业PC上本地部署推理Lambda和模型，可以使图像推理在边缘设备上完成，无需将大量图像数据上传到云端。这显著减少了对互联网带宽的需求，并消除了因数据传输到云端和从云端返回而产生的延迟，从而解决了带宽饱和和延迟不可接受的问题。其他选项：预置Direct Connect虽然能增加带宽，但成本高昂且仍需数据传输，无法彻底解决延迟问题。压缩图像会增加处理开销，且仍需上传和解压缩，不能根本解决带宽和延迟问题。启用SageMaker自动扩缩只解决了云端推理的扩展性，对边缘设备的带宽和延迟问题无济于事。