Amazon SageMaker AI全托管服务开发平台 – AWS云服务

Amazon SageMaker 网站介绍

核心定位
新一代 Amazon SageMaker 是 AWS 推出的数据、分析与人工智能一体化平台，整合了 AWS 广泛采用的机器学习（ML）和分析功能，为用户提供统一的数据访问、协作开发及全生命周期管理体验。

主要功能与特色模块

1. 四大综合体验板块
AI 和 ML 模型开发：提供完全托管的基础设施、工具与工作流程，支持构建、训练及部署包括基础模型（FM）在内的各类 ML 模型，覆盖模型开发、生成式 AI、数据处理及 SQL 分析等场景。
融通式合作开发工作室：通过 SageMaker Unified Studio，用户可在单一开发环境中使用所有数据和工具（如模型开发、生成式 AI、SQL 分析工具），支持统一笔记本处理计算资源、内置 SQL 编辑器查询多源数据，还能安全共享数据、模型等构件。
数据与 AI 目录：基于 Amazon DataZone 构建的 SageMaker Catalog，帮助用户安全发现、治理及协作数据与 AI 资产，通过精细访问控制一致定义权限策略。
湖仓架构：统一访问 Amazon S3 数据湖、Amazon Redshift 数据仓库、第三方及联合数据来源，支持 Apache Iceberg 兼容工具查询，通过零 ETL 集成近实时导入运营数据，同时保障数据安全。

2. 平台核心优势
AI 模型开发效率：借助 SageMaker AI 中的 HyperPod（高性能基础设施）、JumpStart（预构建模型）、MLOps（模型运维）等工具，快速构建生成式 AI 应用；搭配 Amazon Q 开发者版（生成式 AI 开发助手），通过自然语言加速数据发现、模型训练、SQL 生成等任务。
数据统一与访问：无论数据存储在数据湖、仓库还是第三方来源，均可实现一站式访问，避免数据孤岛；内置治理功能满足企业安全需求，覆盖数据分类、毒性检测、敏感数据防护等。
开发协作体验：融通式工作室消除跨服务操作的繁琐，让开发人员在同一环境中完成数据处理、模型训练、应用构建，加快产品推向市场的速度。

3. 融通式合作开发工作室具体功能
模型开发：依托 SageMaker AI 的完全托管服务，完成 ML 与基础模型的全生命周期管理；
生成式 AI 应用：通过 Amazon Bedrock 构建并扩展生成式 AI 应用；
SQL 分析：使用 Amazon Redshift 进行高性价比的 SQL 查询与分析；
数据处理：结合 Amazon Athena、Amazon EMR、AWS Glue 等工具，完成数据清洗、集成与预处理。

4. 客户实践案例
丰田：通过 SageMaker 统一联网汽车、销售、制造等部门的孤立数据，实现数据搜索、共享，为质量预防与生成式 AI 应用开发奠定基础；
Charter Communications：借助融通式工作室，无需跨服务操作，开发体验更流畅，同时期待 Amazon Q 提升开发生产力；
Lennar：与 AWS 合作升级数据基础，通过 SageMaker 无缝访问数据与服务，加速分析与 AI 解决方案交付；
Carrier：用 SageMaker 简化数据产品构建，融通式工作室与现有数据目录、治理控制无缝集成，保障安全的同时普及数据访问；
NatWest Group：通过 SageMaker 部署单一开发环境，将数据用户访问新工具的时间减少约 50%。

后续使用引导
常见问题：可访问页面查看 SageMaker 的常见疑问解答；
免费演示：通过互动演示（https://aws.storylane.io/share/szmiwp3unlio）观看 SageMaker 实际操作；
控制台使用：直接进入 AWS 控制台（https://console.aws.amazon.com/datazone）开始构建；
定价信息：可查看 SageMaker 各功能模块的定价详情（https://aws.amazon.com/sagemaker/pricing）。

网站还提供了 AWS 基础概念（如云计算、生成式 AI）、资源中心（入门指南、培训、解决方案库）、帮助支持（联系我们、支持工单、AWS re:Post）等内容，方便用户全面了解与使用平台。