其他行业 · AI应用
AI引擎用于视频和图像制作
Crypto.com在内容创作方面面临挑战，制作高质量视觉材料的速度慢且效率低。为解决这些问题，该公司在AWS上实施了生成式AI引擎，利用Amazon SageMaker和Amazon Bedrock等工具自动化视频和图像制作工作流。这一创新方法带来了显著改进，使公司能够在2分钟内生成30个高质量视频帧，并在1分钟内创建4张高分辨率图像。结果，Crypto.com将图像模型加载时间减少了50%，新功能发布周期缩短了约50%，从而提高了整体生产力和客户参与度。
大型ML模型加载时间
减少50%
来源披露
新功能发布速度
提升约50%
来源披露
部署和扩展时间
减少40%
来源披露
01
业务背景
Crypto.com在内容创作方面面临挑战，制作高质量视觉材料的速度慢且效率低。为解决这些问题，该公司在AWS上实施了生成式AI引擎，利用Amazon SageMaker和Amazon Bedrock等工具自动化视频和图像制作工作流。这一创新方法带来了显著改进，使公司能够在2分钟内生成30个高质量视频帧，并在1分钟内创建4张高分辨率图像。结果，Crypto.com将图像模型加载时间减少了50%，新功能发布周期缩短了约50%，从而提高了整体生产力和客户参与度。
02
遇到的问题
Crypto.com在将AI驱动的视觉内容生成原型投入生产时面临挑战：开发环境手动搭建导致部署缓慢，基础设施未针对大型AI模型优化，缺乏内容审核影响品牌质量，且手动操作耗时，限制创新和可扩展性。
03
AI 解决方案
Crypto.com与AWS合作，使用Amazon SageMaker及其套件（如SageMaker notebooks进行数据探索与模型测试、SageMaker异步推理端点处理请求）自动化工作流并构建图像与视频生产管线；将应用容器化为Docker镜像存储在Amazon ECR，并通过SageMaker端点无缝部署到Amazon EC2 G5实例；采用Amazon FSx for Lustre提供共享存储，利用SageMaker HyperPod和MLOps功能训练大型模型；集成Hugging Face等开源模型进行快速测试与微调，并建立内容审核系统，实现全托管、高可扩展的生成式AI引擎。
04
实施结果
大型ML模型加载时间：减少50%（50%）
新功能发布速度：提升约50%（约50%）
部署和扩展时间：减少40%（40%）
生成30个高质量视频帧：2分钟（未披露）
生成4张高分辨率图像：1分钟（未披露）
05
风险与边界
未披露
“By adopting the latest managed service for generative AI on AWS, we’re strengthening Crypto.com’s position as a leader in the cryptocurrency industry.”
Sunny Fok · Head of AI Innovation Technology, Crypto.com
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。