来源时间 本站刊期
AI工具AWS Machine Learning Blog
宣布使用 SageMaker AI 自定义模型而无需管理 GPU 的新方式
Announcing new ways to customize models with SageMaker AI, without managing GPUs
托管GPU跑自定义后训练循环，团队可设计损失与奖励，硬件与成本可见性归AWS。
判断
对在SageMaker AI训练会话与自管GPU集群间做选择的ML平台负责人，只有在接受AWS控制GPU供给与成本可见性、同时团队保留损失与奖励设计时，才应转向托管自定义。
依据
AWS 的 Pooja Karadgi、Jason Berkowitz 和 Sumedha Swamy 于 2026 年 10 月 22 日写道，SageMaker AI 无服务器模型自定义正随着训练会话的正式可用而扩展。文章所述机制很直接：企业通过强化学习等后训练来自定义开放权重模型，因为业务特定数据可提升准确性并降低运行成本，但自定义需要选择技术、搭建 GPU 基础设施，并为智能体构建多轮强化学习环境。SageMaker AI 无服务器模型自定义的推出是为了消除这些设置负担；训练会话是新的正式可用控制面，不过摘录在详述控制项前截断。
没写清 摘录未说明支持的 GPU 类型、定价、区域可用性，或训练会话具体提供哪些成本可见性控制。
下一步 在分配生产后训练工作负载前，查看 SageMaker AI 定价页和训练会话配额中的 GPU SKU、每小时费率和区域可用性。