Amazon SageMaker | 亚马逊AWS官方博客

在 Amazon SageMaker HyperPod 上推出无检查点和弹性训练

今天，我们宣布在 Amazon SageMaker HyperPod 中推出两项全新的 AI 模型训练功能：无检查点训练和弹性训练。前者通过启用点对点状态恢复，减少了对传统基于检查点的恢复方式的依赖；后者则使 AI 工作负载能够基于资源可用性自动扩展。

Amazon SageMaker AI 中的新无服务器定制加速模型微调

今天，我很高兴宣布，Amazon SageMaker AI 针对 Amazon Nova、DeepSeek、GPT-OSS、Llama、Qwen 等热门 AI 模型，推出了全新的无服务器模型定制功能。这项新的定制能力提供了易于使用的界面，支持强化学习等最新的微调技术，使您能够将 AI 模型定制流程从数月缩短至数天。

推出 Amazon Nova Forge：使用 Nova 构建自己的前沿模型

今天，我们推出 Amazon Nova Forge，这是一项使用 Nova 构建自己的前沿模型的新服务。Nova Forge 客户可以从早期的模型检查点开始开发，将他们的数据集与 Amazon Nova 精选的训练数据进行混合，并将他们的自定义模型安全地托管在 AWS 上。Nova Forge 是构建自己的前沿模型的最简单、最具成本效益的方式。

适用于 NetApp ONTAP 的 Amazon FSx 现已与 Amazon S3 集成，实现无缝数据访问

今天我们宣布推出通过 Amazon Simple Storage Service（Amazon S3）访问适用于 NetApp ONTAP 的 Amazon FSx 文件系统中数据的功能。借助此功能，您可利用企业文件数据增强生成式人工智能应用，通过 Amazon Bedrock 知识库实现检索增强生成（RAG）；运用 Amazon SageMaker 训练机器学习（ML）模型；通过 Amazon S3 集成的第三方服务生成洞察；在 Amazon Quick Suite 等人工智能驱动的商业智能（BI）工具中使用全面研究功能；并基于 Amazon S3 运行云原生应用程序分析。所有这些操作均可在文件数据持续驻留于适用于 NetApp ONTAP 的 FSx 文件系统的同时完成。