客戶上傳圖片（每張圖片最大 50 MB），然後由機器學習模型產生文字描述。圖片儲存在 Amazon S3 中，且處理作業必須以最少的營運開銷進行擴展。哪種架構最能滿足這些要求？

Amazon SageMaker 非同步推論端點非常適合處理大型承載（例如 50 MB 圖片）和需要長時間處理的請求，同時提供自動擴展以應對可變負載，並將營運開銷降至最低。它會將請求排入佇列，並在準備好時處理，然後將結果儲存到 S3。 SageMaker 批次轉換適用於處理大量資料集，而不是個別圖片的即時或近即時處理。Amazon EKS 搭配 Karpenter 雖然功能強大，但相較於 SageMaker 非同步推論，其管理和營運開銷更高。AWS Batch 搭配 Amazon ECS 是一種有效的批次處理解決方案，但對於處理個別圖片的即時或近即時請求而言，它不如 SageMaker 非同步推論端點那麼直接且優化。