背景与挑战
杭州客攀网络科技有限公司（Apollo）专注于亚马逊广告投放的培训与咨询服务、广告代投服务以及 AI 效率工具。Apollo 以利用 AI 技术为跨境电商卖家破解流量难题、助力实现业务增长为使命。自创立起，Apollo 已累计为 3000 余家不同规模的电商卖家提供广告投放服务，培训了近 10000 名跨境广告运营人才。基于 Apollo Lingfei 老师的研发的广告大模型 Hanna （https://www.hannalink.com/) 可以助力卖家快速分析类目、提升广告增量，并优化 ACos 等多种广告场景。依托 LLM 驱动的实时推理引擎，其可实现跨平台广告策略的动态调优，日均处理百亿级营销数据点。
Kafka 是 AI 数据基础设施中的重要组成部分。聊天机器人接收用户的输入需要根据 RAG 结合 LLM 做实时的推理。在这个过程中需要分发大量的数据。与 DeepSeek 通过技术创新来降低 LLM 训练推理成本有异曲同工之妙的地方在于 AutoMQ 也通过基于 EBS WAL 和 S3 的共享存储架构对 Kafka 架构进行创新，在保证 Kafka 100% 兼容性的基础上可以帮助客户降低 至少 50% 以上的 Kafka 成本。AutoMQ 在 Kafka 架构上的创新以及带来的性能和成本效果获得了 Apollo 公司的认可，成为对方选择我们的重要原因。
核心方案
随着 AutoMQ 在 Apollo Hanna 广告大模型数据栈中的落地，Apollo 整个 AI 数据栈的效率得到了大大提升，成本也得以显著降低。未来 AutoMQ 将和 Apollo 进一步合作和探索 AI 场景下数据的高效流转与处理。