View a markdown version of this page

Amazon Bedrock ou Amazon SageMaker AI ? - AWS Guides de décision
IntroductionDifférencesUtilisation

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Amazon Bedrock ou Amazon SageMaker AI ?

Comprenez les différences et choisissez celle qui vous convient

Objectif

Comprenez les différences entre Amazon Bedrock et Amazon SageMaker AI, et déterminez quel service correspond le mieux à vos besoins.

Dernière mise à jour

23 juillet 2026

Services couverts

Introduction

Amazon Web Services (AWS) propose des services gérés pour vous aider à créer des applications et des agents d'IA. Pour un aperçu de la manière dont ces services fonctionnent ensemble au sein de la pile d'IA générative, qu'il s'agisse de silicium personnalisé ou de solutions agentiques, consultez le guide de décision en matière d'IA générative.

Le schéma suivant montre la pile d' AWS IA, du silicium aux solutions agentiques.

Schéma montrant la pile d' AWS IA, du silicium aux solutions agentiques. De bas en haut : infrastructure mondiale (39 régions), puces d'IA (Trainium, Graviton, NVIDIA GPU), base de données, formation et inférence de modèles (, Bedrock)SageMaker, développement et orchestration d'agents (Bedrock) et solutions agentiques (Kiro, Quick, Connect, Marketplace AgentCore). La sécurité, la gouvernance et le magasin d'agents couvrent l'ensemble de la gamme.

Lors du choix des services d'IA générative à utiliser, deux services sont souvent comparés :

Amazon Bedrock

Amazon SageMaker AI

  • Amazon SageMaker AI (anciennement Amazon SageMaker) est un service entièrement géré conçu pour vous aider à créer, former et déployer à grande échelle des modèles d'IA, de machine machine machine prédictive et de machine machine machine classique. Cela inclut la création de modèles à partir de zéro à l'aide d'outils tels que des blocs-notes, des pipelines et ModelOps des solutions. MLflow sans serveur prend en charge le suivi des expériences et des agents de traçage. Pensez à SageMaker l'IA lorsque vous avez des cas d'utilisation qui peuvent bénéficier d'une formation approfondie, d'une mise au point, d'une personnalisation et d'une inférence de modèles ouverts, propriétaires et personnalisés. Pensez également à SageMaker l'IA pour déployer des modèles lorsque vous devez gérer des compromis en termes de coûts, de débit et de latence. SageMaker L'IA fournit une infrastructure gérée avec des optimisations natives pour une inférence optimisée en fonction de la charge de travail. Il peut également vous aider à surmonter la tâche potentiellement difficile qui consiste à évaluer le modèle le mieux adapté à votre cas d'utilisation. Les modèles personnalisés formés à l' SageMaker IA peuvent être déployés sur des terminaux d' SageMaker IA pour une inférence gérée, sur Amazon SageMaker HyperPod pour une inférence à grande échelle ou sur Amazon Bedrock pour une inférence sans serveur.

  • Outre l'infrastructure gérée fournie par la formation à l' SageMaker IA et l'inférence d' SageMaker IA, Amazon SageMaker HyperPod fournit une infrastructure résiliente et évolutive pour la formation et le déploiement de modèles d'IA à grande échelle avec accès à la couche d'orchestration : Kubernetes (EKS) pour la formation et l'inférence, ou pour la formation. Slurm

Ce guide vise à comprendre les différences entre Amazon SageMaker AI et Amazon Bedrock. Pour plus d'informations sur la manière dont Amazon Bedrock et l' SageMaker IA s'intègrent aux services et solutions d'IA générative d'Amazon, consultez le guide de décision en matière d'IA générative.

Amazon Bedrock et Amazon SageMaker AI permettent le développement d'applications et d'agents d'IA, mais ils ont des objectifs différents. Ce guide vous aide à comprendre lequel de ces services correspond le mieux à vos besoins, y compris des scénarios dans lesquels les deux services peuvent être utilisés ensemble pour créer des applications d'IA génératives.

Vous trouverez ci-dessous une vue d'ensemble des principales différences entre ces services pour vous aider à démarrer.

Catégorie Amazon Bedrock service icon.

Amazon Bedrock

 Brain icon with interconnected nodes representing artificial intelligence or machine learning.

Amazon SageMaker AI

Cas d'utilisation Plateforme sans serveur entièrement gérée pour créer, exécuter et exploiter des applications et des agents d'IA à l'échelle de la production Optimisé pour faciliter la formation, la personnalisation et le déploiement de modèles d'IA avec un contrôle utilisateur maximal pour les applications d'IA, le ML prédictif et le ML classique à l'échelle de la production
Utilisateurs cibles Optimisé pour les décideurs techniques, les développeurs et les équipes qui créent des applications et des agents d'IA Optimisé pour les praticiens du machine learning, les ingénieurs ML, les data scientists, les équipes de plateformes d'IA et les développeurs
Personnalisation Personnalisation automatisée avec réglage fin, distillation et importation de modèles personnalisés ; gestion minimale de l'infrastructure Personnalisation sans serveur avec SFT, DPO, RLVR et RLAIF ; formation gérée avec Training Jobs ; contrôle total avec HyperPod
Tarification Pay-as-you-go tarification par jeton basée sur les jetons d'entrée et de sortie traités, avec des niveaux de service Priority, Flex et Reserved disponibles Per-token tarification pour la personnalisation sans serveur ; tarification basée sur l'utilisation pour les ressources de calcul avec tâches de formation, inférence et HyperPod
Integration Intégrez des modèles pré-entraînés dans les applications via des appels d'API, y compris OpenAI-compatible des points de terminaison Intégrez des modèles personnalisés dans les applications, avec davantage d'options de personnalisation
Expertise requise Niveau de base d'expertise en machine learning requis pour utiliser des modèles pré-entraînés L'interface utilisateur guidée et les flux de travail assistés par des agents d'IA simplifient la personnalisation ; une expertise approfondie en matière de machine learning est utile pour les tâches de formation avancées
Gestion Amazon Bedrock propose une API-based approche simplifiée avec une gestion minimale de l'infrastructure. La personnalisation des modèles sans serveur ne nécessite aucune gestion d'infrastructure. Infermez, formez des emplois et HyperPod offrez un contrôle complet de l'infrastructure avec des capacités de surveillance et de contrôle étendues.
Déploiement et hébergement Amazon Bedrock fonctionne sans serveur, ce qui signifie que vous n'avez pas à gérer l'infrastructure. Sans serveur pour la personnalisation des modèles ; les modèles personnalisés sont déployés sur des terminaux dédiés à l' SageMaker IA pour l'inférence gérée ou Amazon Bedrock pour l'inférence sans serveur. Formez les tâches et HyperPod favorisez la continuité du train au service grâce à un contrôle granulaire des ressources au niveau des nœuds. Les terminaux passent à zéro grâce à une observabilité intégrée et à une simplicité opérationnelle, y compris MLflow sans serveur.

Différences entre Amazon Bedrock et AI SageMaker

Les sections suivantes examinent et comparent les fonctionnalités d'Amazon Bedrock et d'Amazon SageMaker AI.

Use cases

Amazon Bedrock et Amazon SageMaker AI répondent à différents cas d'utilisation en fonction de vos besoins et de vos ressources spécifiques.

Amazon Bedrock

  • Amazon Bedrock est conçu pour les cas d'utilisation dans lesquels vous souhaitez créer des applications et des agents d'IA sans investir massivement dans le développement de modèles personnalisés. Par exemple, un système de modération de contenu pour une plateforme de réseau social pourrait utiliser les modèles pré-entraînés d'Amazon Bedrock pour identifier et signaler automatiquement le texte ou les images inappropriés. De même, un chatbot de support client pourrait utiliser les fonctionnalités de traitement du langage naturel d'Amazon Bedrock pour comprendre les demandes des utilisateurs et y répondre. Amazon Bedrock est particulièrement utile si vous disposez d'une expertise ou de ressources limitées en matière d'apprentissage automatique (ML), car il vous permet de tirer parti de l'IA sans avoir besoin d'un développement interne approfondi.

Amazon SageMaker AI

  • SageMaker L'IA est un bon choix pour la formation, la personnalisation et le déploiement pratiques de l'IA, du ML prédictif et des modèles ML classiques avec un contrôle maximal. Choisissez SageMaker l'IA lorsque vous devez accéder au conteneur ou à la couche d'orchestration pour gérer directement les coûts, la latence, le débit et d'autres compromis. Les exemples incluent une entreprise de santé développant un modèle pour prédire les résultats pour les patients sur la base de biomarqueurs spécifiques. Un autre exemple est celui d'une institution financière qui crée un système de détection des fraudes adapté à ses données et à ses facteurs de risque uniques. Un autre scénario est un déploiement LLM à grande échelle dans lequel vous souhaitez optimiser l'utilisation du GPU tout en équilibrant les coûts par rapport aux indicateurs de débit et de latence souhaités.

Target users

Plutôt que de choisir un service plutôt qu'un autre, réfléchissez au niveau de personnalisation dont vous avez besoin. La solution la plus courante consiste à commencer par Amazon Bedrock et à passer à l' SageMaker IA au fur et à mesure que vos besoins de personnalisation augmentent.

Amazon Bedrock

  • Choisissez Amazon Bedrock si vous souhaitez créer des applications et des agents d'IA à l'aide de modèles pré-entraînés, d'une ingénierie rapide et de RAG, sans avoir besoin d'une expertise approfondie en matière de machine learning.

Amazon SageMaker AI

  • SageMaker L'IA s'adresse à deux publics. Si vous devez modifier le comportement d'un modèle par le biais d'une personnalisation sans serveur, l'interface utilisateur guidée et le flux de travail assisté par un agent d'IA ne nécessitent aucune expertise en matière de machine learning. Si vous avez besoin d'un contrôle total sur les flux de formation, le déploiement de modèles, les frameworks et l'infrastructure, utilisez des tâches de formation, des terminaux dédiés et HyperPod.

Choice of FMs

Amazon Bedrock et Amazon SageMaker AI proposent tous deux un large éventail de FM pour vos applications, mais il existe des différences dans l'ensemble de FM proposé par chaque service.

Amazon Bedrock

  • Amazon Bedrock permet d'accéder à des FM, notamment à des modèles propriétaires tels que Anthropic Claude et Amazon Nova, à des modèles ouverts à partir de Meta (Llama), Mistral AIQwen, et OpenAI (GPT-OSS), à des Stability AI modèles de génération d'images, et bien d'autres. Consultez la liste des FM disponibles, qui est mise à jour fréquemment.

  • Utilisez Amazon Bedrock Marketplace pour tester et intégrer rapidement plus de 100 FM propriétaires et accessibles au public.

  • Amazon Bedrock donne accès à certains modèles propriétaires, dont Claude, qui ne sont pas disponibles sur Amazon SageMaker JumpStart.

Amazon SageMaker AI

  • Amazon SageMaker JumpStart propose des modèles de base intégrés, accessibles au public et propriétaires, à personnaliser et à intégrer à vos flux de travail d'IA générative, de ML classique et de ML prédictif, avec près de 1 000 modèles disponibles, y compris des modèles optimisés pour des cas d'utilisation spécifiques.

  • JumpStart propose des FM accessibles au public, y compris des modèles de Hugging FaceStability AI,, Meta et Amazon, et des FM propriétaires d'Amazon (modèles Nova pour la personnalisation et l'inférence),AI21 Labs, Cohere et. LightOn Consultez la liste des FM propriétaires et accessibles au public, qui est fréquemment mise à jour.

Customization

Amazon Bedrock et Amazon SageMaker AI proposent différents niveaux de fonctionnalités de personnalisation que vous pouvez adapter à vos besoins et à votre expertise spécifiques.

Amazon Bedrock

  • Amazon Bedrock propose un ensemble de modèles provenant de fournisseurs de premier plan que vous pouvez utiliser pour créer des applications d'IA génératives avec des options de personnalisation automatisées. Vous avez accès à un ensemble d'appels d'API que vous utilisez pour saisir des données et recevoir des prévisions à partir de ces modèles pré-entraînés. Cette approche simplifie le processus d'intégration des fonctionnalités d'IA dans les applications. Amazon Bedrock prend en charge le réglage fin, la distillation des modèles, le réglage fin des renforcements et l'importation de modèles personnalisés, avec une gestion d'infrastructure minimale.

Amazon SageMaker AI

  • Amazon SageMaker AI permet de personnaliser les modèles sans serveur grâce à une interface guidée et à un flux de travail assisté par un agent d'IA, offrant un contrôle à l'aide de garde-fous tout en éliminant la gestion de l'infrastructure. L'agent IA gère l'ensemble du cycle de vie de personnalisation (sélection des techniques, préparation des données, formation, évaluation et déploiement) via le langage naturel, afin que les développeurs puissent effectuer des flux de travail sans connaissances spécialisées en ML. SageMaker L'IA prend également en charge la portabilité de l'IDE avec VS CodeKiro, et d'autres environnements de développement. SageMaker L'IA prend en charge un large éventail de techniques de personnalisation sans serveur disponibles pour les modèles open weight, notamment le réglage fin supervisé (SFT), l'optimisation des préférences directes (DPO), l'apprentissage par renforcement avec récompenses vérifiables (RLVR), l'apprentissage par renforcement avec feedback IA (RLAIF) et l'apprentissage par renforcement multi-tours géré. Pour un contrôle total de l'infrastructure, l' SageMaker IA a géré les tâches de formation, géré l'inférence et HyperPod fourni une flexibilité totale sur les flux de travail, les frameworks et les ressources de calcul de formation et d'inférence.

  • Utilisez Amazon SageMaker JumpStart pour évaluer, comparer et sélectionner des modèles en fonction de critères de qualité et de responsabilité prédéfinis.

  • Utilisez les recettes de personnalisation d'Amazon Nova sur SageMaker AI pour une personnalisation complète des modèles, y compris le réglage et l'entraînement des modèles Nova qui peuvent être importés dans Amazon Bedrock. Avec Amazon Nova Forge, vous pouvez créer vos propres modèles de pointe à l'aide de Nova en commençant par les premiers points de contrôle des modèles, en mélangeant des données propriétaires avec les données de Nova-curated formation d'Amazon et en hébergeant des modèles personnalisés en AWS toute sécurité.

Pricing

Amazon Bedrock et Amazon SageMaker AI proposent des modèles de tarification différents qui reflètent leurs utilisateurs cibles et les services qu'ils proposent.

Amazon Bedrock

  • Amazon Bedrock utilise une tarification par jeton pour l'inférence des modèles, en fonction des jetons d'entrée et de sortie traités. Les fonctionnalités supplémentaires telles que les bases de connaissances, les garde-corps et l'automatisation des données sont facturées séparément en fonction de l'utilisation. Cette structure tarifaire permet d'estimer et de contrôler les coûts de manière efficace. Amazon Bedrock propose également des niveaux de service pour l'inférence : priorité pour les charges de travail sensibles à la latence, Flex pour le traitement par lots optimisé en termes de coûts et Réservé pour la capacité engagée avec une tarification prévisible. L'inférence par lots permet d'économiser jusqu'à 50 % sur les charges de travail qui ne sont pas en temps réel, et le débit provisionné fournit une capacité engagée à des taux réduits. Le modèle de tarification d'Amazon Bedrock est particulièrement adapté aux applications dont la charge de travail est prévisible ou aux cas où vous souhaitez une plus grande transparence de vos dépenses. AI-related

Amazon SageMaker AI

  • SageMaker AI propose une tarification par jeton pour la personnalisation des modèles sans serveur, offrant la même simplicité de tarification qu'Amazon Bedrock. Pour les tâches de formation gérées, l'inférence et HyperPod l' SageMaker IA suivent une tarification basée sur l'utilisation pour les ressources de calcul, le stockage et les autres services consommés pendant le processus de développement de l'IA, les prix variant en fonction du type et de la taille de l'instance. SageMaker Les plans d'épargne basés sur l'IA peuvent réduire les coûts jusqu'à 64 % avec des engagements sur 1 ou 3 ans. SageMaker L'IA prend également en charge le matériel optimisé en termes de coûts, notamment AWS Trainium pour la formation et AWS Inferentia pour l'inférence.

Integration

Amazon Bedrock et Amazon SageMaker AI proposent différentes approches pour intégrer des modèles d'IA dans les applications, en fonction de vos besoins et de votre expertise spécifiques.

Amazon Bedrock

  • Amazon Bedrock simplifie le processus d'intégration en fournissant des modèles pré-entraînés auxquels vous pouvez accéder directement via des appels d'API. Utilisez le SDK Amazon Bedrock, l'API REST ou des points de terminaison d'API OpenAI compatibles pour envoyer des données d'entrée et recevoir des prévisions à partir des modèles sans avoir à gérer l'infrastructure sous-jacente. Les points de terminaison OpenAI compatibles prennent en charge l'API Responses et l'API Chat Completions. Ces points de terminaison vous permettent de migrer des OpenAI applications existantes en mettant à jour l'URL de base et la clé d'API. Cette approche réduit considérablement la complexité et le temps nécessaires à l'intégration des fonctionnalités d'IA dans les applications, les rendant ainsi accessibles à un large éventail de développeurs.

Amazon SageMaker AI

  • SageMaker L'IA fournit une plateforme complète pour créer, former et déployer des modèles d'IA personnalisés. Pour une inférence gérée sur les points de terminaison de l' SageMaker IA, vous utilisez le SDK ou l'API SageMaker AI pour accéder aux modèles déployés. SageMaker L'IA fournit des outils tels que des recommandations d'inférence GenAI et des analyses comparatives pour simplifier la sélection des types d'instances. Pour la personnalisation sans serveur, les modèles personnalisés peuvent également être déployés sur Amazon Bedrock pour une inférence sans serveur sans configuration d'infrastructure supplémentaire.

Expertise required

Amazon Bedrock et Amazon SageMaker AI proposent différentes voies en fonction de votre niveau d'expertise et du degré de contrôle dont vous avez besoin.

Amazon Bedrock

  • Amazon Bedrock est plus accessible à un plus large éventail d'utilisateurs, notamment aux développeurs et aux entreprises ayant une expertise limitée en matière de machine learning. En fournissant des modèles pré-entraînés qui peuvent être facilement intégrés aux applications via des appels d'API, Amazon Bedrock élimine une grande partie de la complexité associée à la création et au déploiement de modèles d'IA. Pour le chemin sans serveur, la personnalisation sans serveur Amazon Bedrock et SageMaker AI gèrent le prétraitement des données, la sélection des modèles et la gestion de l'infrastructure. Vous pouvez vous concentrer sur l'intégration des fonctionnalités d'IA dans vos applications sans avoir besoin d'une expertise approfondie en matière de machine learning.

Amazon SageMaker AI

  • SageMaker L'IA propose des expériences guidées qui simplifient la personnalisation des modèles pour un large éventail d'utilisateurs. L'interface utilisateur guidée et le flux de travail assisté par un agent d'IA (en version préliminaire) permettent aux développeurs de réaliser des flux de personnalisation en quelques clics ou en langage naturel, y compris la sélection des techniques, la préparation des données et l'évaluation des modèles. Pour les cas d'utilisation avancés tels que les tâches de formation personnalisées et les HyperPod clusters, une expertise approfondie en matière de machine learning est utile pour optimiser les flux de formation, les frameworks et les configurations d'infrastructure.

Features

Amazon Bedrock et Amazon SageMaker AI offrent des fonctionnalités complémentaires pour créer des applications et des agents d'IA.

Amazon Bedrock

  • Amazon Bedrock propose une suite de fonctionnalités pour vous aider à créer et à faire évoluer des applications et des agents d'IA, notamment des fonctionnalités de choix de modèles (évaluation), des fonctionnalités d'optimisation des coûts et de la latence (mise en cache rapide, routage rapide intelligent, niveaux de service), des fonctionnalités de personnalisation (bases de connaissances, distillation des modèles, réglage du renforcement), des garanties (garde-fous avec vérifications de raisonnement automatisées, garanties organisationnelles, filtres de contenu d'image et support multiplateforme pour les modèles non Amazon Bedrock), des fonctionnalités d'agence (Amazon Bedrock CK pour la création, le déploiement et AgentCore exploitation d'agents d'IA à grande échelle, collaboration multi-agents, registre des AWS agents et compatibilité indépendante du framework avecLangGraph, etLlamaIndex)CrewAI, et fonctionnalités de traitement des données (Amazon Bedrock Data Automation pour les documents, les images, l'audio et la vidéo). Amazon Bedrock propose également l'importation de modèles personnalisés, des points de terminaison d'API OpenAI compatibles et une API unifiée sans serveur pour accéder aux modèles de base. La mise en cache rapide peut réduire les coûts jusqu'à 90 % et la latence jusqu'à 85 % pour les modèles pris en charge. Le routage rapide intelligent peut réduire les coûts jusqu'à 30 % sans compromettre la précision. Les modèles distillés sont jusqu'à 500 % plus rapides et jusqu'à 75 % moins chers que les modèles originaux, avec une perte de précision inférieure à 2 % pour des cas d'utilisation tels que RAG. Des garde-corps dotés de contrôles de raisonnement automatisés aident à réduire à presque zéro les erreurs factuelles dues aux hallucinations.

Amazon SageMaker AI

  • SageMaker L'IA offre une plateforme complète pour le cycle de vie complet du développement de l'IA. Les principales fonctionnalités incluent : la personnalisation de modèles sans serveur avec SFT, DPO, RLVR et RLAIF via une interface utilisateur guidée et un flux de travail assisté par un agent d'IA ; Amazon en SageMaker JumpStart tant que hub de modèles avec près de 1 000 modèles disponibles, y compris des modèles open source, propriétaires et personnalisés ; la prise en charge du ML prédictif et du ML classique en plus de l'IA générative ; et la portabilité de l'IDE avec prise en charge de, et d'autres environnements de développement. VS Code Kiro Amazon SageMaker HyperPod fournit une expérience de bout en bout pour le développement de l'IA à grande échelle, en prenant en charge la formation et l'inférence sur les clusters gérés grâce à une formation sans point de contrôle, une formation élastique et une gouvernance des tâches. HyperPod réduit le temps de formation jusqu'à 40 %, la gouvernance des tâches réduit les coûts jusqu'à 40 % et la formation sans point de contrôle permet d'obtenir un rendement de formation supérieur à 95 %. HyperPod s'adapte à des milliers d'accélérateurs d'IA. SageMaker Les terminaux d'IA prennent en charge la mise à l'échelle jusqu'à zéro instance pour réduire les coûts en cas d'inactivité, les sessions avec état pour maintenir le contexte des demandes d'inférence et les techniques d'optimisation des inférences telles que le décodage EAGLE-based spéculatif pour une amélioration du débit jusqu'à 2,5 fois supérieure. SageMaker L'IA prend en charge des options de déploiement avancées, notamment des clusters d'instances hétérogènes et l'inférence interrégionale pour une disponibilité, des A/B tests, des déploiements Canary, des déploiements et des tests blue/green parallèles améliorés. Les composants d'inférence réduisent les coûts de déploiement des modèles en hébergeant plusieurs modèles sur un seul point de terminaison.

  • Amazon SageMaker HyperPod fournit une infrastructure résiliente et évolutive pour la formation et le déploiement de modèles d'IA à grande échelle avec accès à la couche d'orchestration : Kubernetes (EKS) pour la formation et l'inférence, ou Slurm pour la formation. Pour l'inférence, offre HyperPod également des fonctionnalités intégrées telles que la mise en cache KV distribuée, l'inférence tenant compte de la capacité et le routage intelligent, réduisant la latence de 40 %.
Utilisation conjointe d'Amazon Bedrock et d'Amazon SageMaker AI

Le choix entre Amazon Bedrock et Amazon SageMaker AI ne s'exclut pas toujours. Vous pourriez bénéficier de l'utilisation combinée des deux services dans le cadre d'un pipeline de personnalisation progressif :

  • Commencez par Amazon Bedrock  : commencez par une ingénierie rapide et une génération augmentée de récupération (RAG) à l'aide des bases de connaissances Amazon Bedrock pour créer et itérer rapidement votre application d'IA générative.

  • Passez à la personnalisation sans serveur basée sur l' SageMaker IA  : lorsque vous devez modifier le comportement des modèles au-delà de ce que vous pouvez obtenir à l'aide d'instructions, utilisez la personnalisation sans serveur SageMaker basée sur l'IA à l'aide de techniques telles que SFT et DPO pour affiner les modèles sur vos données.

  • Passez à l'apprentissage par renforcement  : pour optimiser les signaux de récompense, utilisez RLVR et RLAIF sur l' SageMaker IA pour mieux aligner les résultats du modèle sur vos exigences spécifiques de qualité et de précision.

  • Déploiement sur les deux services  : les modèles personnalisés formés à l' SageMaker IA peuvent être déployés dans le cadre de l'inférence SageMaker IA ou importés vers Amazon Bedrock via l'importation de modèles personnalisés pour une inférence sans serveur, ou vers des points de terminaison SageMaker IA pour une inférence gérée avec un contrôle granulaire des coûts, du débit et de la latence. Vous pouvez également créer un prototype sur l'inférence sans serveur Amazon Bedrock et passer à des points de terminaison basés sur l' SageMaker IA ou HyperPod lorsque vous avez besoin de contrôler l'infrastructure au niveau de la production pour gérer les compromis entre coûts, latence et débit.

Le tableau suivant met en correspondance les modèles de cas d'utilisation courants et les approches de service recommandées.

Modèle de cas d'utilisation Approche recommandée
Prototypage FM rapide avec ingénierie rapide et RAG Amazon Bedrock
Agents d'IA d'entreprise dotés de sécurité et d'observabilité Amazon Bedrock AgentCore avec Amazon Bedrock and/or SageMaker AI pour l'inférence
Personnalisation des modèles sans serveur (SFT, DPO, RL) SageMaker Personnalisation de l'IA sans serveur
Formation sur modèles personnalisés à grande échelle SageMaker Emplois de formation en IA ou HyperPod
Large-scale Inférence GenAI Amazon Bedrock and/or SageMaker AI en fonction de la nécessité de gérer directement les compromis entre coûts, latence et débit
Cycle de vie complet du machine learning avec gouvernance SageMaker IA
Applications GenAI de production avec optimisation des coûts Les deux services réunis

En fin de compte, la décision entre Amazon Bedrock et Amazon SageMaker AI dépend de vos besoins spécifiques. L'évaluation de ces facteurs vous permet de choisir le service qui répond le mieux à vos besoins.

Pour plus d'informations sur les services et solutions d'IA générative d'Amazon, consultez le guide de décision en matière d'IA générative.

Utilisation

Une approche courante consiste à suivre un parcours progressif : commencez par Amazon Bedrock pour une ingénierie rapide et RAG, puis passez à la personnalisation sans serveur basée sur l' SageMaker IA lorsque vous devez modifier le comportement du modèle, puis passez à des tâches de formation ou HyperPod lorsque vous avez besoin d'un contrôle total de l'infrastructure. Utilisez les ressources suivantes pour commencer à tout moment de ce voyage.

Amazon Bedrock

  • Qu'est-ce qu'Amazon Bedrock ?

    Utilisez cette plateforme sans serveur entièrement gérée pour créer, exécuter et exploiter des applications et des agents d'IA à l'échelle de la production.

    Explorez le guide

  • Questions fréquemment posées à propos d'Amazon Bedrock

    Obtenez les réponses aux questions les plus fréquemment posées à propos d'Amazon Bedrock. Il s'agit notamment de la manière d'utiliser les agents, des considérations de sécurité, des informations sur les kits de développement logiciel (SDK) Amazon Bedrock, la récupération, la génération augmentée, l'utilisation de l'évaluation des modèles et la facturation.

    Lisez les FAQs

  • Conseils pour générer des descriptions de produits avec Amazon Bedrock

    Utilisez Amazon Bedrock dans votre solution pour automatiser le processus d'évaluation et d'approbation de vos produits pour une place de marché de commerce électronique ou un site Web de vente au détail.

    Découvrez la solution

Amazon Bedrock IDE
Note

Amazon Bedrock Studio, renommé Amazon Bedrock IDE, est disponible dans Amazon SageMaker Unified Studio

  • Qu'est-ce qu'Amazon Bedrock IDE ?

    Utilisez l'IDE Amazon Bedrock pour découvrir les modèles Amazon Bedrock et créer des applications d'IA génératives qui utilisent les modèles et les fonctionnalités d'Amazon Bedrock.

    Explorez le guide

  • Créez des applications d'IA génératives avec Amazon Bedrock IDE

    Ce billet de blog explique comment créer des applications à l'aide d'un large éventail de modèles les plus performants. Il explique ensuite comment évaluer et partager vos applications d'IA génératives avec Amazon Bedrock IDE.

    Lisez le blog

  • Création d'une application de chat avec Amazon Bedrock IDE

    Créez une application d'agent de chat Amazon Bedrock IDE qui permet aux utilisateurs de discuter avec un modèle Amazon Bedrock via une interface conversationnelle.

    Explorez le guide

Amazon SageMaker AI

  • Qu'est-ce qu'Amazon SageMaker AI ?

    Utilisez ce service d'IA entièrement géré pour créer, entraîner et déployer des modèles d'IA dans un environnement hébergé prêt pour la production.

    Explorez le guide

  • Démarrez avec Amazon SageMaker AI

    Configurez l'accès à Amazon SageMaker AI, notamment en suivant des étapes de configuration rapides ou personnalisées.

    Explorez le guide

  • Commencez avec Amazon SageMaker JumpStart

    Explorez les modèles de SageMaker JumpStart solutions Amazon qui configurent l'infrastructure pour les cas d'utilisation courants, ainsi que des exemples de blocs-notes exécutables pour AI with SageMaker AI.

    Explorez le guide

  • Personnalisation du modèle avec Amazon SageMaker AI

    Accélérez la personnalisation des modèles d'IA grâce à l'apprentissage par renforcement sans serveur et à un flux de travail guidé par un agent d'IA.

    Découvrez la personnalisation des modèles