AWS在AI竞争中加码基础设施，SageMaker平台迎来重大升级

全新升级：SageMaker助力企业AI开发再进化

亚马逊网络服务（AWS）近日宣布对其机器学习与 AI 平台 SageMaker 进行重大升级，全面优化用户体验并增强其在人工智能基础设施领域的市场地位。

此次更新引入了多项创新功能，包括：

• 新型可观察性工具，帮助用户精准定位模型性能下降原因；
• 本地集成开发环境（IDE）连接功能，实现项目无缝部署；
• GPU 集群性能管理，提升资源调度效率。

统一平台，多维升级

自2024年起，SageMaker 已转型为一个集多种机器学习工具于一体的统一数据源集成中心。本次更新的核心目标在于赋予开发者更强的控制能力，并更清晰地洞察模型运行状态。

用户驱动创新：来自真实需求的功能设计

AWS SageMaker 总经理 Ankur Mehrotra 表示，此次新增功能的设计灵感主要来源于用户的实际反馈。他指出： "很多生成式 AI 模型开发者在出现问题时难以迅速定位故障层级。"

为解决这一痛点，平台推出了SageMaker HyperPod 可观察性功能，支持工程师深入检查计算层、网络层等各层面状况，并在性能异常时实时报警，所有指标均可在仪表盘上直观展示。

本地编码也能轻松上云

新增的本地 IDE 连接功能，使得开发者可以在本地编写 AI 项目代码，并一键部署至 SageMaker 平台。Mehrotra 强调： "过去，本地编写的模型只能本地运行，扩展性受限。如今，借助安全远程执行功能，开发者可在本地或云端灵活切换任务环境。"

HyperPod：智能调度 GPU 资源，降低成本压力

AWS 在 2023 年 12 月首次推出 SageMaker HyperPod，专为企业训练大规模 AI 模型提供高效服务器集群管理。该功能可根据使用需求动态调度 GPU 资源，有效平衡成本与性能。

AWS 表示，客户普遍期望在推理任务中也实现类似功能。考虑到推理通常发生在白天，而训练任务多安排在非高峰时段，这一弹性调度机制将极大提升开发者的灵活性。

持续深耕 AI 基础设施，打造企业级解决方案

尽管 AWS 在基础模型领域尚未如谷歌或微软那般引人注目，但其始终致力于构建坚实的人工智能底层架构，赋能企业开发定制化 AI 应用。

除了不断进化的 SageMaker，AWS 还推出了 Bedrock 平台，专为构建 AI 应用与代理设计。随着 SageMaker 的持续迭代，AWS 在企业 AI 领域的综合竞争力日益凸显。