Amazon SageMaker 上的一個生產環境 ML pipeline 會處理高達 1 GB 的輸入，且作業執行時間最長可達一小時，但應用程式需要近乎即時的回應。哪種 SageMaker 推論選項最適合？

異步推論 (Asynchronous inference) 是最適合的選項。它專為處理大型輸入（高達 1 GB）和長時間運行的推論（最長一小時）而設計，同時仍能提供近乎即時的回應，因為它會非同步處理請求並在完成時通知應用程式。即時推論 (Real-time inference) 不適合，因為它有 20 MB 的輸入限制和 60 秒的處理時間限制。無伺服器推論 (Serverless inference) 雖然方便，但也有 500 MB 的輸入限制和 300 秒的處理時間限制，不符合此情境。批次轉換 (Batch transform) 適用於離線處理大量資料，但無法提供近乎即時的回應。