今天，我们激动地宣布 Hugging Face 与 Amazon SageMaker AI 之间实现了深度链接集成。开发者现在只需一次选择，即可从模型发现无缝进入 SageMaker Studio 进行动手实验。无论是微调 Amazon SageMaker JumpStart 的基础模型 (FM)，还是将其部署到 Amazon SageMaker Inference 端点，您都可以直接进入相应的 SageMaker Studio 工作流。所选模型已预加载，环境已完全配置，随时可用。
此前，在 Hugging Face 上发现模型后，要在 SageMaker Studio 中开始使用，需要经过多个步骤：在 AWS 控制台中打开 Amazon SageMaker AI、创建域、配置 IAM 权限，有时还需要申请 GPU 配额。对于希望快速迭代的开发者来说，这种摩擦拖慢了从灵感迸发到实验验证的进程。此次集成开辟了一条从模型发现到企业部署的更直接路径。
“在 Arcee，我们构建开放模型，让开发者和企业能够真正拥有他们运行的内容：检查权重、用自己的数据进行后训练、按自己的方式部署。这次集成将这一承诺落实到了最后一公里。从 Hugging Face 上的开放模型一键直达 SageMaker Studio，然后在您自己的 AWS 环境中进行微调或部署，无需任何额外配置——这正是开放模型一直缺失的体验。您拥有的开放权重，在您控制的云中运行。这正是我们的客户一直要求的组合。”
—— Mark McQuade，Arcee AI 创始人兼首席执行官
随着一键式 Studio 着陆体验的推出，在支持的 Hugging Face 模型页面上选择 在 SageMaker AI 上自定义 或 在 SageMaker AI 上部署，即可直接进入控制台。SageMaker AI 随后会在几秒钟内自动配置一个具有预置权限的新域，并携带模型上下文信息。
新特性
本次发布引入了三项能力，缩短了从 Hugging Face 模型到可运行的 SageMaker Studio 工作流的路径。
从 Hugging Face 到 SageMaker Studio 的深度链接
当您在 Hugging Face 上浏览模型时，您会在支持的模型旁边看到直接映射到 SageMaker Studio 工作流的操作按钮：
- 在 SageMaker AI 上自定义：打开 Studio 中的模型自定义页面，所选模型已预加载，随时可进行微调。
- 在 SageMaker AI 上部署：打开 Studio 中的部署页面，模型已预配置好端点部署。
每个入口点都保留了上下文，这意味着您进入 Studio 后无需再次搜索模型。
预配置权限
通过此流程创建的新 Studio 环境已预先配置好 SageMaker AI 全部功能的权限，包括模型定制、训练任务、Notebook 实验和端点部署。系统会为您创建并附加一项新的托管策略 AmazonSageMakerModelCustomizationCoreAccess。该策略提供使用监督微调 (SFT)、直接偏好优化 (DPO)、可验证奖励强化学习 (RLVR) 和 AI 反馈强化学习 (RLAIF) 进行无服务器模型定制任务的权限，并支持部署到 SageMaker AI 或 Amazon Bedrock 端点。这免去了您在开始实验前手动创建和配置 AWS Identity and Access Management (IAM) 角色和策略的麻烦。对于现有的 Studio 环境，可操作的消息会附带直接指向文档的链接，指导您添加这些权限。
GPU 配额可见性
在选择用于部署或训练的实例类型时，Studio UI 现在会直接在实例选择列表中显示配额可用性。您可以立即看到在当前账户限制下哪些 GPU 实例类型（G5、G6）可用。您无需单独导航到 Service Quotas。如果您仍需要请求增加限额，系统会直接重定向到相应实例类型的 Service Quotas 页面。
演练：从 Hugging Face 深度链接到 SageMaker Studio
让我们演练一下从 Hugging Face 开始定制或部署模型的体验。
步骤 1：发现并选择
在 Hugging Face 模型页面上，点击“部署”并选择“Amazon SageMaker AI”。如果模型受支持，您将看到两个按钮：“在 SageMaker AI 上部署”和“在 SageMaker AI 上定制”。然后为受支持的模型选择“在 SageMaker AI 上定制”。
步骤 2：登录
系统会提示您使用现有凭证登录 AWS。如果您已有活跃的控制台会话，此步骤将自动跳过。有关更多信息，请参阅登录 AWS 管理控制台。
步骤 3：进入 Studio
您将直接进入 SageMaker Studio 内的模型定制页面，并且您的模型已预先选定。接下来，配置您的微调参数，例如训练数据、超参数和实例类型，然后提交定制任务。
或者，选择在 SageMaker AI 上部署会打开 Studio 中的端点部署页面，并且模型已预先配置好。选择您的实例类型（包含配额可见性），查看设置，然后进行部署。
步骤 4：测试您的端点
部署端点后，直接从 Studio 的端点测试界面测试推理。
入门
您可以立即尝试此体验：
- 浏览 Hugging Face 上的模型。
- 在受支持的模型上查找在 SageMaker AI 上定制或在 SageMaker AI 上部署按钮。
- 选择并遵循简化的登录流程。
- 在完全配置好的 SageMaker Studio 环境中开始构建。
结论
一键启动Studio落地体验，极大降低了从发现模型到尝试使用之间的摩擦。通过将Hugging Face直接连接到SageMaker Studio工作流，开发者可以保持工作流畅，无需切换上下文、手动配置环境或排查权限问题。
要开始使用，请访问 Amazon SageMaker Studio 页面，或在Hugging Face上探索模型，并选择在SageMaker AI上部署或定制。