How Web Data Infrastructure Powers the Next Generation of AI — Patricija Žemaitytė, Oxylabs
Patricija Žemaitytė från Oxylabs delar erfarenheter från att bygga infrastruktur för AI-tjänster i skala.
Hon beskriver tre huvudkonflikter: när ett sök-API som skulle svara på under en sekund blev blockerat live hos klient, krävdes ombygge genom att ta bort långsamma webbläsare — resultatet blev 550 millisekunder i stället för 4 sekunder. En video-API-begäran med två veckors deadline växte från ett enkelt jobb till en hel produktsvit (transkripter, undertexting, sökning, metadata) när klienten hittade nya behov, och skalade till 30 petabyte data utan att betala ännu. Skalan blev också ett problem själv: när hon försökte testa "unblocker"-tjänsten upp till 60 000 förfrågningar per sekund gick testerna fast vid 20 000, delvis för att själva telemetrin blev så stor att den påverkade det hon skulle mäta.
Sammanfattningen är skriven av Vibekollen utifrån källans egen publicering. Innehållet tillhör AI Engineer.
Mer från AI Engineer
The exact tools used to port a massive codebase in days #programming #typescript #dev
AI Engineer för 3 tim sedan
The Universal Remote Control for AI — Alex Hancock, Block
AI Engineer för 7 tim sedan
MCP Apps: Give the Model Data, Give the User a UI — Dustin Mihalik, Indeed
AI Engineer för 7 tim sedan
Your agents lack context: Here's how to fix "You're absolutely right!" — Brandon Waselnuk, Unblocked
AI Engineer för 8 tim sedan