- 全新的 Amazon SageMaker Unified Studio 讓客戶能夠輕鬆搜尋和存取機構內所有數據，並整合 AWS 專門開發的分析、機器學習（ML）和 AI 功能，客戶可以透過 Amazon Q Developer 的協助，為各類常見數據用例選擇最合適的工具進行處理。
- Amazon SageMaker Catalog 及其內建的治理功能確保授權人員以正確用途存取合適的數據、模型和開發組件。
- 全新的 Amazon SageMaker Lakehouse 整合了數據湖、數據庫、營運數據庫及企業應用程式中的數據，讓客戶可以輕鬆存取和處理 Amazon SageMaker Unified Studio 中的數據，並使用其熟悉的 AI 和 ML 工具或與 Apache Iceberg 相容的搜尋引擎。
- 全新的 zero-ETL 功能與領先的軟件即服務（SaaS）應用程式整合，讓客戶無需複雜的數據平台，即可在 Amazon SageMaker Lakehouse 和 Amazon Redshift 中存取第三方 SaaS 應用程式的數據，以進行分析或機器學習。
- Adastra、Confluence、Etleap、idealista、Informatica、Lennar、Natera、NatWest Group、NTT Data、羅氏、Tableau、豐田北美公司等眾多客戶及合作夥伴已經在使用新一代 Amazon SageMaker，整合他們的數據、分析和 AI 項目。
AWS 數據與人工智能副總裁 Swami Sivasubramanian 博士表示：「分析和 AI 正在融合，客戶從歷史分析到 ML 模型訓練和生成式 AI 應用程式，都在以更緊密的方式連結及使用數據。為了支援這些工作負載，許多客戶已經在使用我們專門開發的分析和 ML 工具組合，例如，在處理數據和建構 ML 模型方面已成為業界標準的 Amazon SageMaker、Amazon EMR、Amazon Redshift、Amazon S3 數據湖和 Amazon Glue 組合。新一代 Amazon SageMaker 將這些功能整合，同時還加入多項令人期待的新功能，為客戶提供數據處理、SQL 分析、ML 模型開發和訓練以及構建生成式 AI 所需的完整工具。」
借助 Amazon SageMaker Unified Studio 更高效地協作和構建項目
現時已經有數十萬客戶在使用 Amazon SageMaker 構建、訓練和部署 ML 模型。許多客戶仍然依賴 AWS 專門開發的完整分析服務來支援各種工作負載，包括 SQL 分析、搜索分析、大數據處理及串流分析。越來越多客戶逐漸從獨立使用這些工具，轉向結合分析、ML 和生成式 AI 以獲取深度分析並為用戶提供新體驗。這些客戶將受惠於整合客戶熟悉的 AWS 分析、ML 和生成式 AI 工具的一個統一環境，不僅可以輕鬆存取他們的所有數據，還能與團隊或機構内的其他成員輕鬆協作處理數據項目。
新一代 Amazon SageMaker 新增一個統一的編輯器，為客戶提供單一的數據及 AI 開發環境，用戶可以從中搜尋和存取機構内所有數據，為各種常見的數據用例選擇最佳的工具，並將數據和 AI 項目擴展至團隊內，再透過不同分工實現協作。Amazon SageMaker Unified Studio 整合了在Amazon Bedrock、Amazon EMR、Amazon Redshift、Amazon Glue 及現有 Amazon SageMaker Studio 中，客戶喜歡使用的一系列獨立編輯器、搜尋及視覺化功能和工具，讓客戶可以輕鬆存取和使用這些功能發掘和準備數據、編寫查詢或程式碼、處理數據以及構建 ML 模型。Amazon Q Developer 全程協助各種開發任務，包括發掘數據、編碼、SQL 生成和數據整合等。例如，用戶可以向 Amazon Q 查詢：「我應該使用哪些數據來提升對產品銷售情況的了解？」或 「生成按產品類別計算總收入的 SQL。」用戶可以安全地發布數據、模型、應用程式和其他組件並與團隊或機構成員共享，從而提升數據資產的可見度和使用率。借助 Amazon SageMaker Unified Studio 中與 Amazon Bedrock 整合的開發環境（IDE），用戶可以使用 Amazon Bedrock 精選的高效能基礎模型和工具（例如Agents、Guardrails、Knowledge Bases 和 Flows），快速、輕鬆地構建和部署生成式 AI 應用程式。Amazon SageMaker Unified Studio 內置數據發掘、共享及管理功能，讓分析師、數據科學家和工程師可以輕鬆搜尋並找到合適用例的正確數據，同時套用所需的安全控制和權限管理，控制存取，以保障數據安全。
NatWest Group 是一家領先的英國銀行，為超過1900萬客戶提供服務，運用多種工具進行數據工程、SQL 分析、ML 及生成式 AI 工作負載。借助 Amazon SageMaker Unified Studio，NatWest Group 將為整個機構提供一個統一的環境以支援這些工作負載，預計用於數據用戶存取分析和 AI 功能的時間將減少50%，讓他們節省管理多個服務的時間，投入更多時間於創新客戶服務。
透過 Amazon SageMaker 數據和 AI 管理滿足企業安全需要
新一代 Amazon SageMaker 簡化了機構內的數據及 AI 的發掘、治理和協作。借助基於 Amazon DataZone 構建的 Amazon SageMaker Catalog，管理員可以採用具精準控制的單一權限管理模型，制定和執行一致的存取策略，讓跨團隊的數據工作人員可以安全地發掘和存取已獲批的數據和模型，這些數據和模型包含由生成式 AI 編寫的背景元數據。管理員可以輕鬆地制定和執行跨模型、工具和數據來源的權限管理，而定制的安全措施有助於確保 AI 應用程式的安全性和合規性。客戶還可以通過 Amazon SageMaker 中的數據分類、毒舌檢測（toxicity detection）、安全防護（guardrails）和負責任 AI 策略以保護其 AI 模型。
Amazon SageMaker Lakehouse 減少數據孤島並統一數據
現時已經有超過一百萬個數據湖構建在 Amazon Simple Storage Service（Amazon S3）上，讓客戶能整合數據資產，並透過 AWS 分析、AI 和 ML 工具創造價值。數據湖讓客戶能以原始狀態儲存數據，從而輕鬆組合來自多個來源的數據。客戶的數據可能分佈在多個數據湖及數據庫中，所以透過一種簡單的方式統一所有數據將能讓客戶受惠。
Amazon SageMaker Lakehouse，不論數據的儲存方式和位置都可以統一存取儲存在 Amazon S3 數據湖、Redshift 數據倉庫和聯合數據來源中的數據，減少數據孤島，讓查詢更便捷。借助 Amazon SageMaker 中與 Apache Iceberg 相容的全新數據湖倉功能，客戶可以在 Amazon SageMaker Unified Studio 中存取和處理他們的所有數據，並使用與 Apache Iceberg 開放標準相容的 AI 和 ML 工具以及搜尋引擎。現在，不論數據的儲存方式和位置，客戶都能使用他們偏好的分析和 ML 工具處理數據，以支援包括 SQL 分析、即時查詢、數據科學、ML 和生成式 AI 等用例。Amazon SageMaker Lakehouse 提供整合的精細存取控制，為 Lakehouse 中所有分析和 AI 工具中的數據提供一致的存取控制，客戶只需設定一次權限，即可在整個機構内安全地共享數據。
Roche 是一家在製藥和診斷領域的領先企業，致力於透過推動科學發展改善人類生活。Roche 將使用 Amazon SageMaker Lakehouse，在無需進行昂貴的數據遷移或重複設置安全存取控制的前提下，整合來自 Amazon Redshift 和 Amazon S3 數據湖的數據，以消除數據孤島，增強團隊之間的協作，並允許用戶無縫地運用數據。借助 Amazon SageMaker Lakehouse，Roche 預計可以減少40%的數據處理時間，讓團隊減少數據管理工作，投放更多精力於推動業務發展。
與 SaaS 應用程式結合的全新 zero-ETL，可快速、輕鬆地存取 SaaS 數據
企業要在營運中真正發揮數據價值，就需要在不論數據儲存位置的情況下無縫存取所有數據。這正是 AWS 不斷發展 zero-ETL 的原因。zero-ETL 讓數據整合不再是繁瑣的人工程序，客戶可以輕鬆地在需要的地方獲取數據。這包括 Amazon Aurora MySQL 和 PostgreSQL、Amazon RDS for MySQL 以及 Amazon DynamoDB 與 Amazon Redshift 提供的 zero-ETL 整合功能，讓客戶快速且輕鬆地在 Amazon Redshift 和 Amazon SageMaker Lakehouse 中存取常用關聯式和非關聯式數據庫的數據，並用於分析和 ML。除營運數據庫和數據湖以外，許多客戶還將關鍵企業數據儲存在 SaaS 應用程式中。若能輕易存取這些數據進行分析和 ML，將令客戶受惠。
透過與 SaaS 應用程式整合的全新 zero-ETL，客戶可以輕鬆地存取 Amazon SageMaker Lakehouse 中的 Zendesk 和 SAP 等應用程式以及 Amazon Redshift 中的數據，並用於分析和 AI。構建數據平台具挑戰性且成本高昂，加上數據平台的管理複雜，容易出錯，讓客戶無法及時獲得想要的分析，而此功能正正解決了對數據平台的需求。結合 SaaS 應用程式的 zero-ETL 包含數據同步、增量更新和刪除檢測以及目標 merge 的最佳實踐方式。
來自不同行業和規模的機構，包括 Infosys、Intuit 和 Woolworths，已經受惠於 AWS zero-ETL 的整合功能，無需構建和管理數據平台，即可快速且輕鬆地連接和分析數據。以線上房地產平台 idealista 為例，透過 SaaS 應用程式的 zero-ETL 整合功能，將可簡化數據擷取和擷入流程，無需透過多個平台存取儲存在第三方 SaaS 應用程式中的數據，讓他們的數據工程團隊能夠專注於從數據中獲得可執行的分析結果，而非耗費精力於基礎建設的建置和管理。
新一代 Amazon SageMaker 現已可用，Amazon SageMaker Unified Studio 目前已經推出預覽並很快可用。
如欲了解更多資訊，請瀏覽以下網站：
- AWS New Blog，了解此次發佈的更多細節。
- Amazon SageMaker 頁面，了解有關該服務的更多資訊。
- Amazon SageMaker Unified Studio 頁面、 Amazon SageMaker數據和AI治理頁面以及Amazon SageMaker Lakehouse 頁面，可了解企業如何使用這些功能。
- Amazon re:Invent 頁面，獲取關於 AWS re:Invent 活動的詳細資訊。
Hashtag: #AmazonWebServices #AWS
發佈者對本公告的內容承擔全部責任
關於 Amazon Web Services
自 2006 年來，Amazon Web Services 一直在提供世界上服務最豐富、應用廣泛的雲端服務。AWS為客戶提供超過 240 種功能全面的雲端服務，包括運算、儲存、數據庫、網絡、分析、機器學習與人工智能、物聯網、流動、安全、混合雲、媒體，以及應用開發、部署和管理等方面，遍及 34 個地理區域內的 108 個可用區域（Availability Zones），並已公布計畫在墨西哥、紐西蘭、沙特阿拉伯和泰國等建立 6 個 AWS 地理區域、18 個可用區域。AWS 的服務獲得全球超過百萬客戶的信任，包括發展迅速的初創公司、大型企業和政府機構。通過 AWS 的服務，客戶能夠有效強化自身基礎設施，提高營運上的彈性與應變能力，同時降低成本。欲了解更多有關 AWS 的資訊，請瀏覽：
https://aws.amazon.com。