Hugging Face 与 SageMaker 打通一键部署链路

近日，Hugging Face 与亚马逊云科技宣布在 Amazon SageMaker AI 上推出深度链接集成。开发者在浏览 Hugging Face 模型页面时，可直接点击「Customize on SageMaker AI」或「Deploy on SageMaker AI」按钮，一键跳转至 SageMaker Studio 中已预加载该模型的对应工作流，无需手动创建域或配置权限。

此前，从 Hugging Face 发现模型到在 SageMaker Studio 中实际使用，需在 AWS 管理控制台中完成创建域、配置 IAM 权限、必要时申请 GPU 配额等多步操作，对希望快速迭代的开发者构成明显摩擦。这次集成的核心目标，是缩短从「找到模型」到「开始实验」之间的距离。

三大核心能力

深度链接直达：Hugging Face 模型页面对支持的模型显示两个操作按钮。「Customize on SageMaker AI」会打开 Studio 中的模型定制页面，模型已预加载，可直接配置微调参数并提交任务；「Deploy on SageMaker AI」则跳转到部署页面，模型已预配置为端点部署模式，保留上下文，无需二次查找。
权限预配置：通过该流程新建的 Studio 环境会自动附带完整权限，覆盖模型定制、训练任务、Notebook 实验、端点部署等场景。同时会自动创建托管策略 AmazonSageMakerModelCustomizationCoreAccess，支持监督微调（SFT）、直接偏好优化（DPO）、可验证奖励强化学习（RLVR）以及 AI 反馈强化学习（RLAIF）等训练方式，并能直接对接 SageMaker AI 或 Amazon Bedrock 端点。
GPU 配额可见：在选择实例类型时，Studio 界面会直接展示当前账号下 G5、G6 等 GPU 实例的配额可用情况，无需跳转到 Service Quotas 页面单独查询；若需要申请额度提升，可直接跳转到对应实例类型的配额调整入口。

四步上手流程

第一步发现并选择：在 Hugging Face 的模型页面，针对支持的模型点击「Customize on SageMaker AI」或「Deploy on SageMaker AI」按钮。
第二步登录：系统会提示使用已有 AWS 凭证登录，若已存在活动会话则自动跳过。
第三步进入 Studio：直接落在已预选该模型的模型定制页面，配置训练数据、超参数、实例类型后提交定制任务；若选择部署入口，则进入已预配置好模型的端点部署页面，选择实例类型（含配额可见）并完成部署。
第四步测试端点：部署完成后，可在 Studio 的端点测试界面直接发起推理验证。

来自开源生态的反响

开源模型厂商 Arcee AI 创始人兼 CEO Mark McQuade 对此表示：「我们在 Arcee 构建开源模型，让开发者与企业真正能拥有自己运行的模型——可以查看权重、用自家数据后训练、按自家条件部署。这次集成把这一承诺补上了最后一公里：从 Hugging Face 上的开源模型直接进入 SageMaker Studio 单击完成微调或部署，在自己的 AWS 环境中运行，免去任何手动接线。开源权重由你掌控，云在你手里，这正是客户一直在找的组合。」

如何开始

该能力即日面向所有开发者开放。只需访问 Hugging Face 模型页面，留意页面上的「Customize on SageMaker AI」或「Deploy on SageMaker AI」按钮，按引导完成登录即可直接进入已配置好的 SageMaker Studio 环境开展微调或部署实验。