在 AWS 上做生成式 AI，最常見的選型問題是：要用 Amazon Bedrock，還是 SageMaker AI？
AWS 的 decision guide 把兩者定位得很清楚。Bedrock 偏向受管 foundation model 與生成式 AI 應用；SageMaker AI 偏向完整機器學習生命週期與高度自訂。
一句話比較
| 服務 | 適合用途 |
|---|---|
| Amazon Bedrock | 快速使用受管 foundation models，做 RAG、agent、chatbot、生成式 AI 應用 |
| SageMaker AI | 訓練、自訂、部署、監控 ML 模型，處理完整 MLOps |
如果你的問題是「我要用現成大模型做企業應用」，先看 Bedrock。
如果你的問題是「我要自己訓練或深度客製模型」，再看 SageMaker AI。
什麼時候選 Amazon Bedrock？
Bedrock 適合想快速上線生成式 AI 功能的團隊。
典型場景：
- 企業 chatbot。
- RAG 知識庫。
- 文件摘要。
- 客服 agent。
- 內容生成。
- 模型 API 整合。
- Bedrock Guardrails。
- Bedrock AgentCore。
Bedrock 的優點是不用自己管理基礎模型基礎設施。
你可以透過單一 AWS 服務使用多家模型，並搭配 AWS 的 IAM、VPC、CloudWatch、KMS、Guardrails 等企業能力。
什麼時候選 SageMaker AI？
SageMaker AI 適合 ML 團隊與資料科學團隊。
典型場景：
- 自己訓練模型。
- 微調自有模型。
- 建立資料處理 pipeline。
- 管理實驗與模型版本。
- 部署自訂 endpoint。
- 監控模型漂移。
- 做傳統 ML、CV、time series、推薦系統。
如果你的模型不是單純呼叫 foundation model，而是需要完整訓練與 MLOps，SageMaker AI 比 Bedrock 更合適。
RAG 專案怎麼選？
多數企業 RAG 專案可以先用 Bedrock。
因為 RAG 的核心通常是：
- 文件切分。
- 向量化。
- 檢索。
- foundation model 回答。
- 權限與 guardrails。
這些都很適合 Bedrock 這種受管生成式 AI 平台。
但如果你的 RAG 包含自訂 embedding 模型、特殊 reranker、複雜模型訓練或大量實驗，SageMaker AI 可能會進來補自訂模型那一層。
Agent 專案怎麼選？
如果你要在 AWS 上做 production agent，Bedrock AgentCore 會是更直接的入口。
它處理 agent runtime、identity、gateway、observability、evaluation 等能力，適合不想自己把 agent 基礎設施全部搭起來的團隊。
SageMaker AI 仍然可以在 agent 系統裡扮演模型訓練與部署角色，但 agent orchestration 本身通常不是 SageMaker AI 的主要定位。
常見選型表
| 需求 | 建議 |
|---|---|
| 快速接 Claude、Nova、Llama 做應用 | Bedrock |
| 做企業 chatbot 或 RAG | Bedrock |
| 做 agent 並需要 AWS 治理 | Bedrock AgentCore |
| 訓練自有模型 | SageMaker AI |
| 大量 ML 實驗與特徵工程 | SageMaker AI |
| 自訂 endpoint 與 MLOps | SageMaker AI |
| 生成式 AI 應用＋自有模型 | Bedrock＋SageMaker AI 混合 |
導入建議
對大多數企業來說，第一步不是先選最完整的平台，而是先確認問題類型。
- 只是要用大模型回答、摘要、改寫、分類：Bedrock。
- 要把模型接到企業資料：Bedrock 加 RAG。
- 要 agent 執行工具與流程：Bedrock AgentCore。
- 要訓練自己的模型：SageMaker AI。
- 要長期管理多個模型生命週期：SageMaker AI。
不要因為 SageMaker AI 比較完整，就把每個生成式 AI 專案都做重。
也不要因為 Bedrock 快，就忽略模型治理、資料品質與成本監控。
結論
Bedrock 和 SageMaker AI 不是互斥。
Bedrock 是生成式 AI 應用與 agent 的捷徑。SageMaker AI 是模型開發與 MLOps 的完整工具箱。
企業最常見的成熟架構，是用 Bedrock 交付應用，用 SageMaker AI 管理需要自訂與訓練的模型。