客户背景概述

“龙腾出行”是一个全球化的智能出行服务平台，专注于机场与高铁站商圈消费，通过智能场景服务与移动互联网技术全面提升用户的出行体验。平台自 2005 年起运营，业务覆盖 130 多个国家，为 4,000 多万会员提供全球 1,400 多间机场贵宾室、650 多个餐饮点，以及快速安检、接送等出行服务。

在核心业务系统迁移至 AWS 并由首都在线托管的基础上，龙腾出行在 AWS 上构建了面向会员的生成式 AI 问答能力，并已融入其主要移动应用：会员可以直接询问所持权益在当前机场能否使用、有哪些服务可选。首都在线作为其 AWS 托管服务合作伙伴，负责该工作负载的架构设计与 7×24 托管运维。

业务挑战

• 会员全球流动，服务需要就近：会员主要来自欧洲，却在全球 130 多个国家的机场使用权益。前端应用需要在欧洲与亚太就近部署，才能保证旅途中的访问速度。
• AI 与数据需要集中治理：权益条款、模型与内容安全策略若随前端分散到各地区，将面临版本不一致与治理困难；会员数据受欧盟 GDPR 等跨境数据监管约束，数据驻留边界必须在架构层面明确。
• 权益只有被用掉才算数：服务从贵宾室扩展到餐饮、快速安检与接送，卡种、机场、航站楼与同行人规则的组合愈发复杂，会员常常不知道自己能用什么。人工客服难以在各个时区、各个语种全天候覆盖。
• AI 工作负载运维复杂：负载横跨多个 AWS 账号与五个地区，包含 Kubernetes 集群、常驻 GPU 实例、自建向量数据库与托管模型服务，任一环节异常都会直接影响会员端的答复质量，需要 7×24 主动监控与响应。
• 成本与内容安全必须可控：模型按调用量计费、GPU 实例常驻运行，需要可计量、可限额；面向会员的答复须限定在权益范围内、妥善处理敏感信息，并保留可审计的调用记录。

建议架构概览

基于 AWS 提供的技术支持和最佳实践原则，架构的核心取舍是：前端按地区就近部署，AI 能力与会员数据集中在欧洲。

• 就近服务：欧洲两个地区与亚太三个地区（香港、东京、新加坡）各自部署完整的应用与数据层，经 Amazon CloudFront 与 AWS Global Accelerator 就近接入，各地区之间经 AWS Transit Gateway 互联。
• AI 集中在欧洲：AI 编排、向量检索与模型调用位于伦敦，常驻 GPU 嵌入服务位于爱尔兰。亚太地区的 AI 请求回到欧洲处理，知识库只维护一份，条款更新一次即全局生效。
• 模型访问隔离：Amazon Bedrock 模型调用放在独立的 AWS 账号中，应用通过跨账号 IAM 角色与临时凭据访问，不使用长期访问密钥；模型用量可独立计量、限额与审计，业务数据不进入该账号。
• 内容安全统一治理：会员问答经 Amazon Bedrock Guardrails 检查（内容、主题、词汇与敏感信息四类策略）；护栏部署在另一独立账号，与模型同处伦敦，一套策略约束所有地区的 AI 请求。

项目成果

本项目完成后，实现以下关键成果：

• AI 融入主应用并持续稳定运行：生成式 AI 问答已作为主要移动应用的一部分对会员开放，每日不间断服务，覆盖全部五个部署地区的会员访问。
• 知识集中维护，变更即时生效：权益条款只在欧洲维护一份，所有地区的会员请求共用；贵宾室开放时间、服务范围等信息更新一次即全局生效，无需在各地区分别同步。
• 数据驻留边界清晰：会员数据与 AI 处理集中在欧洲地区，不因会员在境外使用而分散到其他司法辖区。
• 模型访问受控、可审计：模型调用隔离于独立账号，经临时凭据访问，用量可独立计量与限额；内容安全策略集中配置，统一约束所有地区的 AI 请求。