Urbanbase meluncurkan layanan 20x lebih cepat dengan AWS

Urbanbase

Didirikan pada tahun 2014, Urbanbase adalah perusahaan platform data ruang yang saat ini memiliki data ruang untuk 80% apartemen orang Korea, dan data untuk 7.000 produk 3D. Platform ini menyediakan layanan antarmuka program aplikasi (API), seperti konversi 3D otomatis, perabotan rumah 3D, dan layanan realitas tertambah untuk perusahaan desain interior, konstruksi, perlengkapan rumah tangga, dan furnitur.

Urbanbase berencana untuk melakukan ekspansi dari data ruang 3D/VR permukiman ke dalam fasilitas hiburan, seperti stadion dan bioskop, dan produk-produk transportasi seperti pesawat terbang dan kapal.

“Jika kami membangun infrastruktur dengan cara tradisional, maka akan memerlukan waktu lebih dari 20 kali lebih lama dibandingkan menggunakan Amazon SageMaker."

– Bang HyunWoo, CTO, Urbanbase

  • Tentang Urbanbase
  • Manfaat
  • Layanan AWS yang Digunakan
  • Tentang Urbanbase
  • Urbanbase adalah perusahaan platform data ruang yang membantu partner korporat untuk menemukan potensi nilai untuk pelanggannya melalui teknologi dan data VR/AR.

  • Manfaat
    • Arsitektur layanan mikro baru
    • Peluncuran layanan 20x lebih cepat
    • Pengembangan dipercepat 100x
    • Pengurangan biaya deep learning
    • Kemungkinan ekspansi luar negeri
  • Layanan AWS yang Digunakan

Tantangan

Di masa-masa awal, Urbanbase membangun dan mengoperasikan platform layanan dalam cloud dengan bantuan program dukunganAWS Startups Amazon Web Services. Hal ini memungkinkan Urbanbase untuk secara otomatis mengonversi gambar 2D ke dalam 3D dalam hitungan detik, me-render dan mendekorasi interior virtual dengan data 3D, dan membuat pengalaman realitas tertambah (AR) berdasarkan informasi ruang dan foto.

Permintaan global akan layanan terkait ruang 3D/VR sedang berkembang, dan untuk mendukung target ekspansi ke luar negeri, Urbanbase memerlukan layanan web berkapasitas besar yang dapat disediakan oleh arsitektur layanan mikro.

"Kami menggunakan arsitektur monolitik untuk platform layanan kami, yang tidak menjadi masalah saat masih kecil. Namun, seiring dengan perkembangan perusahaan, kami harus membangun dan mengoperasikan sistem yang lebih besar, jadi kami memerlukan arsitektur baru," kata Bang HyunWoo, Direktur Teknologi (Chief Technology Officer), CTO Urbanbase.

Mengubah arsitektur platform layanan yang sudah terbukti tidaklah mudah, karena masalah migrasi dapat berdampak pada pelanggan dan partner. Urbanbase memiliki strategi sederhana: sistem yang ada akan ditingkatkan ke lingkungan berbasis kontainer, dan layanan baru tersebut akan didasarkan pada arsitektur nirserver.

Mengapa Amazon Web Services

Urbanbase memajukan lingkungan VM-nya yang ada menggunakan Amazon Elastic Compute Cloud (Amazon EC2), layanan orkestrasi kontainer berperforma tinggi yang menggunakan teknologi penglihatan komputer dan deep learning untuk memberikan analisis ruang, pengenalan objek, analisis selera pengguna, dan rekomendasi produk.

“Untuk perusahaan rintisan seperti kami, mengembangkan prototipe yang cepat adalah sesuatu yang penting. Arsitektur layanan mikro membantu kami mewujudkan ide-ide baru secara berkelanjutan," kata Mr Bang. "Kami tidak perlu menghabiskan waktu untuk merancang model karena kami menggunakan algoritme yang disertakan dalam Amazon SageMaker. Pemodelan, pelatihan, dan pembuatan titik akhir juga sangat sederhana, sehingga kami dapat mengembangkan aplikasi front-end nirserver yang beroperasi sepenuhnya."

Manfaat

Beralih ke arsitektur nirserver memungkinkan Urbanbase untuk mengembangkan dan mengoperasikan platform layanan baru dengan lebih cepat dan lebih efisien. Dengan mengombinasikan Amazon Simple Storage Service (Amazon S3), AWS Lambda, dan Amazon SageMaker, pengembangan platform analisis ruang menjadi cepat, efisien, dan lancar. Developer tidak lagi khawatir akan infrastruktur, dan kondisi ini memungkinkan Urbanbase untuk memberikan lingkungan pengembangan dan pengoperasian yang konsisten.

“Untuk pengembangan yang memerlukan fungsi AI, performa sangatlah penting – seiring dengan bertambahnya waktu pelatihan model, waktu pengembangan juga akan bertambah. Dibandingkan dengan stasiun kerja on-premise, performa Amazon SageMaker kira-kira 100 kali lebih cepat,” jelas Mr Bang. “Konfigurasinya yang fleksibel juga memungkinkan kami untuk dengan mudah mengembangkan dan melatih model dan menggunakan CPU secara selektif untuk melakukan inferensi, yang membantu mengurangi biaya.”

“Jika kami membangun infrastruktur dengan cara tradisional, maka akan memerlukan waktu lebih dari 20 kali lebih lama dibandingkan menggunakan Amazon SageMaker di lingkungan nirserver," Mr Bang menambahkan.


Pelajari Selengkapnya

Untuk mempelajari selengkapnya, kunjungi Amazon Web Services.