Snap将原有的基于CPU的A/B测试流程迁移至谷歌云L4实例上的NVIDIA cuDF加速计算，实现了4倍的运行速度提升，并实现了每日76%的成本节约。
该公司的数据处理规模极为庞大，在每天清晨三个小时内需处理超过10 petabytes的数据，面向其9.4亿月活跃用户运行数千项实验，涉及6000个指标。在迁移过程中，Snap仅需2100个并发GPU，而非原先预计的5500个。
这一案例体现了NVIDIA推动GPU加速数据处理从专长领域转变为标准配置的战略方向。Databricks、Snowflake以及谷歌BigQuery等主流数据平台也纷纷引入GPU计算选项，以提升数据处理效率。对Snap而言，更低成本和更快实验周期意味着每季度可推出更多产品功能，这种累积性优势在外部观察中往往难以察觉。