AWS Local Zones

将 AWS 服务拓展至全球 30 多个大都市，让您可以在更贴近终端用户的位置运行延迟敏感型应用程序、满足受监管工作负载的数据驻留要求，并加快传统应用程序的云迁移和现代化改造速度。

可在部分大都市（亚特兰大、达拉斯、菲尼克斯）部署具有 PB 级 GPU 集群的人工智能/机器学习工作负载，以进行大规模训练和推理，并在全球 30 多个大都市的 Local Zones 运行分布式推理。全程无需构建数据中心、洽谈主机托管协议，也无需管理专用基础设施。

使用熟悉的 AWS 基础设施、服务、API 和工具，通过 AWS 骨干网络完全访问区域服务。Local Zones 基于相同的 AWS Nitro System 构建，继承了 AWS 区域的安全控制机制。使用熟悉的 AWS 韧性策略建立架构，以实现高可用性。

通过按需扩展，根据需要扩展应用程序，无需过度配置，只需按实际使用量付费。从多种实例类型、定价模式（按需型实例、节省计划、竞价型实例）和部署选项中进行选择，以满足您的工作负载需求。

针对要求低延迟的交互式应用程序，为用户提供高质量的体验。 借助 AWS Local Zones，在靠近终端用户的位置运行应用程序，以支持实时游戏、直播、增强现实和虚拟现实（AR/VR）、虚拟工作站、独立软件供应商（ISV）应用程序加速等场景。

出于监管、合同、信息安全等原因，需要将数据留存在特定国家/地区、州/省或地市时，满足数据驻留要求。博彩与游戏、金融服务、医疗保健以及其他监管严格的行业通常就需要满足这样的要求。借助 AWS Local Zones，您可以控制工作负载的运行位置和数据驻留的位置，并在云和边缘站点之间进行低摩擦移动，以轻松适应监管变化。

在更多更靠近数据生成与使用位置的站点运行人工智能/机器学习工作负载。为欺诈检测、患者诊断和个性化推荐等应用场景提供低延迟预测和实时决策。  

在部分大都市（亚特兰大、达拉斯、菲尼克斯），使用部署在 EC2 UltraClusters 上的最新 GPU 和 AWS Trainium 芯片运行大规模大语言模型（LLM）训练和推理，使用 Elastic Fabric Adapter（EFA）联网功能进行互连，以处理高吞吐量人工智能/机器学习工作负载。使用 Amazon Bedrock 和 Amazon SageMaker，利用您的专有数据构建、微调和部署基础模型。 

在不中断延迟敏感系统依赖关系的情况下将传统本地应用程序迁移到云端。在您准备好完全迁移之前，将应用程序的各个部分迁移到附近的 AWS Local Zone，同时仍满足混合部署中的低延迟要求。