Amazon SageMaker AI 推出無伺服器 MLflow 功能，加速 AI 開發

張貼日期: 2025年12月2日

Amazon SageMaker AI 現已提供無伺服器 MLflow 功能，可動態調整規模以支援 AI 模型開發任務。使用 MLflow，AI 開發人員可以在不需等待基礎結構設定的情況下，開始追蹤、比較及評估實驗。

隨著各產業客戶加速 AI 開發，他們需要具備追蹤實驗、觀察行為，以及評估 AI 模型、應用程式與代理程式效能的能力。然而，管理 MLflow 基礎結構需要管理員持續維護與擴展追蹤伺服器，做出複雜的容量規劃決策，並部署獨立的執行個體以確保資料隔離。這些基礎結構負擔會分散資源，使其無法專注在核心 AI 開發，並造成影響團隊生產力與成本效益的瓶頸。

透過此項更新，MLflow 現在會動態調整規模，以便在高需求且不可預測的模型開發任務中提供快速效能，並在閒置期間縮減規模。管理員也可以透過 Resource Access Manager (RAM) 設定跨帳戶存取權，簡化組織邊界間的協作，從而提升生產力。

Amazon SageMaker AI 上的無伺服器 MLflow 功能無需額外付費，並且可原生整合熟悉的 Amazon SageMaker AI 模型開發功能，例如 SageMaker AI JumpStart、SageMaker Model Registry 以及 SageMaker Pipelines。客戶可在 Amazon SageMaker AI 上存取最新版本的 MLflow，並享有自動版本更新。

搭載 MLflow 的 Amazon SageMaker AI 現已在部分 AWS 區域推出。如需進一步了解，請參閱 Amazon SageMaker AI 使用者指南和 AWS 新聞部落格。