AWS SageMaker
Amazon SageMaker（2024-12-03 起 ML 子产品更名 Amazon SageMaker AI，下一代 SageMaker 则统一了数据/分析/AI）是 AWS 提供的全托管机器学习平台，覆盖「打标 → 准备 → 训练 → 评估 → 部署 → 监控 → 治理」全生命周期。它的抽象体系围绕几条主线展开：SageMaker Studio（基于 Web 的统一 IDE，内置 JupyterLab、Code Editor（VS Code 开源版）、RStudio，以及下一代 Studio Classic）；Training Job / Processing Job（按需拉起 EC2/GPU 实例的托管训练与数据处理任务）；Endpoint / Batch Transform / Serverless Endpoint（推理部署的三种形态）；Pipelines（DAG 化的 ML 工作流编排，原生集成各 Job）；Model Registry / Feature Store / Model Monitor / Model Cards（模型版本、特征仓库、生产监控与治理文档）。其上叠加了若干「加速器」：Autopilot（AutoML 自动训练分类/回归模型）、JumpStart（一键部署的预训练模型与解决方案模板）、Ground Truth（人机协同标注）、Clarify（偏置检测与可解释性）、HyperPod（面向 LLM/扩散模型大模型的常驻弹性集群）、Canvas（无代码 AutoML）、Data Wrangler（可视化数据准备）。boto3 API 命名空间、CloudFormation 资源类型、IAM 托管策略仍保留旧 sagemaker 前缀以保后向兼容。信源 docs.aws.amazon.com/sagemaker。
评价
优点
- 全栈托管、开箱即用：标注、特征、训练、推理、监控、注册一站到位，团队不用自己拼一套 MLOps 工具链
- 基础设施完全托管：Training Job 按秒计费、自动弹缩、Spot 实例最高可省 90% 成本，无需运维 GPU 集群
- Studio 一体化 IDE：JupyterLab + Code Editor + RStudio 共享空间，跨账号协作、EMR 联动、Git 扩展齐全
- JumpStart 模型生态厚：内置数百个预训练模型（含 Llama、Mistral、Stable Diffusion），Fine-tune/Deploy 都是一键
- HyperPod 应对大模型：常驻集群 + Slurm/EKS + NVIDIA NeMo/Neuronx 训练适配器，万卡级预训练有官方背书
- 治理与合规完善：Model Registry 审批流、Model Cards、Lineage Tracking、Clarify 偏置/可解释性，满足金融/医疗审计
缺点
- AWS 强绑定：API、数据格式、IAM、CloudFormation 全在 AWS 体系内，跨云/迁出成本高
- 学习曲线陡峭：组件多达 30+（Studio/Canvas/HyperPod/Pipelines/Feature Store...），新人不知从何入手
- 冷启动与调度慢：Training Job 拉起、镜像下载、Endpoint 部署动辄数分钟，迭代节奏比本地慢
- 计费颗粒度复杂：实例费 + 存储 + Pipeline 步骤 + 推理调用多层叠加， Spot 中断还会丢进度，账单难以预估
- 命名分裂：2024-12 起 ML 部分改名 SageMaker AI，与下一代「统一 SageMaker」（Lakehouse/DataZone 等）容易混淆，文档新旧并存
文档地址
- Amazon SageMaker AI 开发者指南
- SageMaker AI 功能总览
- Amazon SageMaker Studio
- SageMaker JumpStart
- Amazon SageMaker 定价
GitHub地址
- aws/amazon-sagemaker-examples（官方示例库）
- aws/sagemaker-python-sdk（Python SDK）