AWS 今日通过其 SageMaker 和 S3 Tables 工具推出新服务，承诺提供更加规范且具有成本效益的 AI 数据管道。
作为圆周率日贡献的一部分，这家云计算巨头宣布 SageMaker Unified Studio 正式发布。AWS 分析副总裁 Sirish Chandrasekaran 向 Blocks and Files 表示，这是一个集成了 AWS 数据分析和 AI/ML 服务的单一开发环境。
它整合了该公司的 Lakehouse 平台和作为治理层的 SageMaker Catalog。"通过这个工作室，你可以在同一个地方完成从 SQL、分析、数据准备、数据集成、模型构建到生成式 AI 应用开发的所有工作。"
他表示，SageMaker AI 增加了新模型，如 Claude 3.7 Sonnet 和 Deepseek R1。
"我们为 Anthropic、Meta 和 Amazon 的特定模型添加了对延迟敏感的推理功能。我们还简化了如何使用 Bedrock 来开发原型应用程序并在团队成员之间共享的方式。"
AWS 还宣布可以在 SageMaker Lakehouse 中访问 S3 Tables。"现在你可以运行 SQL、Spark 作业、模型构建和生成式 AI 应用。你可以将 S3 Table 数据与 Lakehouse 中的其他数据结合起来，无论是在 Redshift 中的原生分区 S3 数据，还是本地和联邦数据源，都可以整合在一起。"
他表示，这些都将帮助使用 AWS 服务的公司为其 AI 项目建立更好的数据基础。
"我们的观点是，差异化是通过数据实现的，因为每个现代企业都是数据企业，而对你公司来说独特的就是你的数据。"
他说："我们越来越多地看到，数据孤岛正在减缓客户的发展速度"，这是因为在同一位置汇集数据或不同团队之间协作存在挑战。同时，在其他组织中，这些孤岛正在变得模糊。
显然，一些公司正在急于整合数据以投入 AI 领域。这引发了人们对传统数据管理规范和技能被搁置的担忧。Chandrasekaran 表示他看到的情况恰恰相反。"我从许多公司看到的是，他们现在意识到加快发展的方式是回归基础。"
"我们重新构想 SageMaker Lakehouse 的很大一部分是能够在数据所在位置进行查询。你现在不需要将数据从 Redshift 传输到 S3 或从 S3 传输到 Redshift。你可以从 Redshift 查询 Lake 数据。"
他说这减少了数据重复，"这显然可以节省成本，联邦数据源也是如此。"
同时他表示，公司深刻意识到治理的需求，"但我认为这个新世界的不同之处在于，治理不再仅仅是关于合规性。它关乎信心。"这包括对 AI 项目使用和训练可信数据的信心，"以及对你的 AI 遵守负责任 AI 使用政策的信心。"
