直接答案：“亚马逊 AI”不是一个能直接购买的单一产品。它既可能指 Amazon 电商、物流和 Alexa 等业务内部使用的人工智能，也可能指开发者通过 AWS 使用的 AI 服务。要构建生成式 AI 应用，通常先评估 Amazon Bedrock；需要训练、自带算法、精细控制机器学习生命周期时评估 Amazon SageMaker AI；需要现成的企业知识助手或开发助手时，分别评估 Amazon Q Business 与 Amazon Q Developer。
本文依据 AWS 官方 AI 服务页、Bedrock 与 SageMaker 决策指南、产品文档、价格页、数据保护、区域表和 Responsible AI 资料，于 2026 年 7 月 19 日复核。AWS 产品、模型、区域、限额和价格变化很快；上线前必须在目标账户和目标 Region 重新确认。本站没有开通本次测试用 AWS 账户，也没有运行性能或成本基准，因此不会把厂商宣传改写成本站“实测领先”。
Amazon AI、AWS AI 和 Amazon Nova 有什么区别？
Amazon 是公司与消费业务主体，AWS 是其云服务业务；“Amazon AI”只是泛称，不是统一控制台或 SKU。AWS 当前 AI 服务地图把能力分为生成式 AI 应用与智能体、机器学习平台、专用芯片和现成 AI 服务。Amazon Nova 是一组基础模型，不是 AWS 全部 AI 服务的总称。
| 名称 | 它是什么 | 典型用户 | 不要误解为 |
|---|---|---|---|
| Amazon 内部 AI | 电商、物流、广告、设备等业务中的内部系统 | Amazon 自身团队和业务用户 | 可复制的一套公开 API 产品 |
| AWS AI | AWS 上的模型、平台、助手、芯片和托管服务集合 | 开发者、数据团队、企业 IT | 单一模型或一个统一价格 |
| Amazon Bedrock | 访问和编排基础模型的托管生成式 AI 服务 | 应用与平台团队 | 训练所有自定义 ML 模型的通用平台 |
| Amazon SageMaker AI | 构建、训练、部署与治理 ML/基础模型的托管服务 | 数据科学、ML 工程团队 | Amazon Q 或 Bedrock 的旧名称 |
| Amazon Nova | Amazon 自研基础模型家族 | 通过支持入口调用模型的团队 | Bedrock 平台本身 |
想先理解“基础模型、托管平台、应用”的关系，可阅读站内基础模型与生成式 AI 选型指南。产品层级分清以后，才有可能正确比较价格、权限、数据边界和替代方案。
AWS 当前 AI 产品应该怎么选？
| 你的任务 | 优先评估 | 主要获得 | 主要责任 |
|---|---|---|---|
| 调用多家基础模型做生成式 AI 应用 | Amazon Bedrock | 模型目录、统一 API、Knowledge Bases、Agents、Guardrails、评测 | 选模型、权限、提示、评测、成本和业务审核 |
| 训练、自带算法或精细控制 ML 生命周期 | Amazon SageMaker AI | 数据准备、训练、部署、监控与治理工具 | 数据、代码、镜像、实例、模型和端点运维 |
| 基于企业资料问答与搜索 | Amazon Q Business | 权限感知的企业助手和连接器 | 身份、索引、资料权限、答案核验与订阅 |
| IDE、CLI 和 AWS 运维开发辅助 | Amazon Q Developer | 代码建议、问答、转换与 AWS 上下文辅助 | 代码审查、许可、安全、用户与用量管理 |
| 专用训练/推理算力 | Trainium / Inferentia | AWS 专用 AI 芯片实例和 Neuron 软件栈 | 框架兼容、编译、性能调优和容量 |
| 智能体运行与治理 | Bedrock AgentCore / Bedrock Agents | 运行时、工具、身份、观测等能力 | 工具权限、终止条件、审批与回滚 |
同一项目可能组合多个服务，例如用 Bedrock 调用模型、S3 保存资料、OpenSearch 检索、CloudWatch 监控、IAM 控制权限。但“能组合”不等于“应全部采用”。每增加一个服务都会增加账单、权限、故障面和退出成本，架构应从最小可验收路径开始。
Amazon Bedrock 和 SageMaker AI 怎么选？
AWS 的官方决策指南把两者定位为不同入口：Bedrock 适合使用基础模型构建生成式 AI 应用；SageMaker AI 提供更广的 ML 构建、训练与部署控制。它们可以一起使用，但不应因“企业级”三个字就默认上最复杂组合。
| 判断维度 | 更偏 Bedrock | 更偏 SageMaker AI |
|---|---|---|
| 目标 | 快速调用托管基础模型和生成式 AI 能力 | 构建、训练、部署和治理自己的 ML 工作流 |
| 模型来源 | Bedrock 目录中的 Amazon 与第三方模型 | 内置算法、自带代码、镜像、模型或训练作业 |
| 基础设施控制 | 更多由服务托管 | 对实例、训练、端点和工作流有更多控制 |
| 成本形态 | 模型 token、图像/视频、服务层和附加功能 | 实例、存储、训练、托管端点和相关服务 |
| 团队能力 | 应用工程、平台与安全团队 | 数据科学、ML 工程、平台和运维团队 |
| 起步问题 | “哪个模型能完成我的任务？” | “我需要控制训练、算法或部署到什么程度？” |
SageMaker AI 官方文档还说明：2024 年 12 月 3 日，原 Amazon SageMaker 更名为 Amazon SageMaker AI，API、CLI、CloudFormation 和角色中的旧 sagemaker 命名为兼容性继续保留；新的 Amazon SageMaker 则是数据、分析与 AI 的统一平台，包含 SageMaker AI、Lakehouse、治理、数据处理与 Unified Studio。旧教程只写“SageMaker”时，必须先判断它指旧服务、SageMaker AI 还是新统一平台。
Bedrock 的模型怎么访问和调用？
Bedrock 不是“一把 Key 调所有模型”。调用前至少要确定 AWS 账户、Region、模型 ID、推理类型、IAM 权限和第三方条款。根据模型访问文档，商业区域在具备正确 AWS Marketplace 权限时会自动启用模型访问；首次调用第三方模型会触发订阅流程，缺少权限、支付方式或厂商要求时，之后可能返回 AccessDeniedException。Anthropic 模型还可能要求首次使用表单。
| 访问前检查 | 为什么 | 验证证据 |
|---|---|---|
| 账户与 Region | 模型和功能按区域变化 | 目标控制台中的模型目录与官方 Region 表 |
| IAM | 模型调用、Marketplace 订阅和管理是不同权限 | 最小权限策略与 CloudTrail 记录 |
| 模型 EULA | 首次调用第三方模型可能代表同意其许可 | 法务批准的条款版本和启用记录 |
| 支付与配额 | 有效账户不代表有预算或吞吐 | 预算、Service Quotas 和小请求结果 |
| API 形态 | Converse、InvokeModel、批处理和推理 profile 行为不同 | 固定 SDK/CLI 版本与契约测试 |
下面只展示 Boto3 调用形态，不包含真实模型 ID，也没有在本站执行。实际请求字段随模型而异；生产中应从目标 Region 的控制台或官方模型参数页复制当前模型 ID。
import os
import boto3
client = boto3.client("bedrock-runtime", region_name=os.environ["AWS_REGION"])
response = client.converse(
modelId=os.environ["BEDROCK_MODEL_ID"],
system=[{"text": "只依据输入资料回答；证据不足时明确拒答。"}],
messages=[{
"role": "user",
"content": [{"text": "提取合同中的责任、期限和例外。"}],
}],
inferenceConfig={"maxTokens": 800, "temperature": 0.1},
)
print(response["output"]["message"]["content"][0]["text"])凭证应由 IAM Role、Identity Center 或受控的本地配置链提供，不要把长期 Access Key 写进网页、代码仓库或文章。模型返回后仍需验证结构、事实、来源和业务规则；HTTP 200 只证明服务返回，不证明结果可发布。
Bedrock 价格为什么不能只看 token 单价？
Bedrock 价格页按模型提供商、模型、模态、Region 和推理方式列价，还可能单独收取 Knowledge Bases、Guardrails、模型评测、Data Automation、Prompt Optimization 等费用。模型列表与单价持续变化，因此总览页不写死某个模型的永久价格。
| 成本层 | 常见计费单位 | 容易漏算的项目 |
|---|---|---|
| 模型推理 | 输入/输出 token、图像、视频或请求 | 系统提示、历史消息、失败重试、长输出 |
| 容量 | Standard、Flex、Priority、Reserved 或 Provisioned | 承诺期、闲置容量、模型/区域支持差异 |
| 检索 | 向量存储、索引、查询、数据同步 | OpenSearch、S3、Embedding、重建索引 |
| 安全与评测 | 文本单位、模型调用、评测作业 | Guardrails、自动评测、人工审核 |
| 平台 | 日志、网络、KMS、NAT、数据传输 | 跨区域、CloudWatch、私网端点和出口流量 |
| 业务 | 人工分钟、返工和事故 | 错误答案、权限泄漏、内容撤回与客户支持 |
更实用的公式是：单位可交付任务成本 = 模型 + 检索/存储 + 安全/评测 + 网络/日志 + 失败重试 + 人工复核 + 返工。服务层说明区分 Priority、Standard、Flex、Reserved 与 Batch；只有用自己的真实任务测吞吐、错误率和完成时间，才能判断低单价是否真的降低总成本。
模型 API 的预算、幂等和动态限流方法可参考站内模型 API、价格、限流与部署选型指南；需要批量异步推理时，可采用异步 API 上线验收方法建立任务状态、重试和回收机制。
Amazon Q Business 和 Q Developer 有什么区别？
Amazon Q 不是一个统一产品。Q Business面向企业资料搜索和权限感知问答；Q Developer 面向软件开发生命周期、IDE、CLI 和 AWS 上下文。两者的用户、身份、功能和账单不同。
| 产品 | 核心任务 | 主要计费 | 上线重点 |
|---|---|---|---|
| Amazon Q Business | 企业资料检索、问答、应用和连接器 | 用户订阅 + 索引容量/相关功能 | 身份同步、文档 ACL、索引删除、引用与拒答 |
| Amazon Q Developer | 代码、IDE/CLI、转换与 AWS 开发辅助 | Free 限额或 Pro 每用户订阅，部分转换超额 | 代码审查、许可证、安全扫描、组织用量 |
| Amazon Q in QuickSight | 自然语言 BI 和生成式分析 | QuickSight Author/Reader 及 Pro 档位 | 数据权限、指标定义和分析复核 |
| Amazon Q in Connect | 客服坐席建议与终端自助 | 消息、语音分钟及 Connect 相关费用 | 客户告知、知识来源、升级人工和录音数据 |
Amazon Q 价格总览当前列出 Q Business Lite/Pro、Q Developer Free/Pro 以及 QuickSight、Connect 的不同结构。不要看到“Amazon Q”就套用一个价格，也不要仅按用户数估算 Q Business：索引容量和连接的数据规模同样可能产生费用。
中国用户能直接使用全球 AWS AI 服务吗？
不能默认可以。AWS 中国区服务表说明，北京区由光环新网运营，宁夏区由西云数据运营；中国区需要独立账户凭证，全球 AWS 凭证不能访问中国区资源，反向也一样。服务和功能还会因区域不同而变化。
截至该官方表 2026 年 2 月 28 日的更新，China Region 列出 Amazon SageMaker，但未列出 Amazon Bedrock、Amazon Q 或 Trainium。这里的“未列出”只证明当前公开服务表没有这些项目，不代表永久不可用；采购前应查看最新区域表、控制台和运营方书面答复。若业务打算使用全球商业区域，还要单独评估跨境网络、数据、合同、支付、备案与适用法律。
| 检查项 | 全球商业区域 | AWS 中国区 |
|---|---|---|
| 账户 | 全球 AWS 账户 | 中国区独立账户 |
| 运营主体 | AWS 对应区域实体 | 北京光环新网 / 宁夏西云数据 |
| 服务目录 | 按全球 Region 表和控制台 | 按.amazonaws.cn 区域服务表和控制台 |
| 模型可用性 | 按 Bedrock Region、模型和 EULA | 不能直接套用全球 Bedrock 文档 |
| 数据与合同 | 按选择区域、profile 和合同 | 按中国区运营方合同与适用规则 |
Bedrock 的数据会被模型提供商看到吗？
Bedrock 数据保护文档说明共享责任模型适用：AWS 保护云基础设施，客户负责内容控制、安全配置与管理。模型提供商不能访问 Bedrock 的模型部署账户，因此不能访问 Bedrock 日志或客户 prompts 与 completions。但这不等于“无需数据治理”。
| 责任 | 最低做法 | 不能仅靠 |
|---|---|---|
| 身份 | IAM/Identity Center、最小权限、MFA、短期凭证 | 一个团队共享管理员 Access Key |
| 传输与存储 | TLS、KMS、VPC/PrivateLink、S3 和日志策略 | “AWS 默认安全”的口头假设 |
| 内容 | 敏感数据最小化、脱敏、用途和保留周期 | 只关闭模型训练选项 |
| 日志 | CloudTrail、调用日志分级、禁止把敏感值写入标签/名称 | 把完整 prompt 长期写入通用日志 |
| 第三方 | 模型 EULA、服务条款、数据流与供应商审查 | Bedrock 统一 API 外观 |
跨区域推理文档说明，地理范围型 inference profile 可把处理保持在指定地理范围内，但 prompts 和输出可能从源 Region 移到该地理范围内的目标 Region；滥用检测所需数据也可能在目标区域保存。对数据驻留敏感的团队必须审查 profile 的实际目的区域、SCP/IAM 权限、日志和合同，而不是只看请求发起地。
Guardrails 和模型评测能保证安全吗？
不能。AWS Responsible AI把公平、可解释、隐私与安全、安全性、可控性、真实性与稳健性、治理和透明度列为不同维度。Guardrails 只是可配置防护的一部分，无法替代真实任务评测、数据权限、人工审批、监控和事故响应。
Prompt attack 文档还显示，Guardrails 的检测范围取决于配置和被标记的内容。错误配置、未覆盖的工具返回、业务规则和授权错误仍可能绕过防护。涉及自动发消息、修改数据、付款或公开发布时，应结合站内AI 安全威胁与权限防护和AI 智能体治理与上线检查设置预览、审批、撤销与回滚。
如何用最小 PoC 做选型？
| 阶段 | 动作 | 通过证据 | 停止条件 |
|---|---|---|---|
| 定义 | 选 1 个高价值、可人工核验、可回滚任务 | 成功标准、禁止事项和人工基线 | 目标只是“展示 AI” |
| 账户 | 确认账户类型、Region、模型访问、EULA 和预算 | 控制台、IAM、合同与价格截图/记录 | 目标服务或模型不可用 |
| 样本 | 建立正常、边界、对抗和敏感样本 | 来源、期望、严重错误定义 | 样本无法代表生产 |
| 实现 | 最小 API、结构校验、超时、重试和日志脱敏 | 契约测试与故障注入 | 密钥或敏感数据暴露 |
| 评测 | 比较质量、引用、时延、token、人工返工 | 任务级评分和完整账单 | 严重错误或总成本超线 |
| 灰度 | 小流量、人工审批、监控、预算告警与回滚 | SLO、审计和演练记录 | 无法快速停用或恢复 |
AWS 提供的评测方法文档建议样本覆盖简单、困难和真实分布，并使用未参与优化的留出集检查增益。厂商内置评测可以提高效率，但不能把同一个模型给出的 judge 分数当成唯一真相；关键任务仍需人工标准和外部证据。
怎样避免云锁定并保留退出路线？
| 锁定点 | 预防做法 | 退出证据 |
|---|---|---|
| 模型 API | 应用层统一任务契约，模型参数做适配器 | 至少一个替代模型通过核心回归集 |
| 提示与工具 | 版本化提示、Schema 和工具定义 | 可导出的配置与变更记录 |
| 知识库 | 保留原始资料、ACL、切块和索引生成流程 | 可重建、可删除、可迁移的数据包 |
| 身份与日志 | 业务身份不直接绑定单一产品 UI | 审计记录可导出且字段有文档 |
| 评测 | 回归集和评分器由团队控制 | 跨平台可重复的验收脚本 |
| 成本 | 任务级用量标签、预算和退出阈值 | 停用资源后账单归零检查 |
迁移能力不是要求“一次写完即可在所有云运行”，而是保证业务数据、测试、决策规则和证据不被锁在某个控制台里。涉及模型输出版权、第三方模型许可和训练/输入素材时，还应参考AI 生成内容版权与商用检查逐项清权。
常见故障怎么排查？
| 现象 | 优先检查 | 处理 |
|---|---|---|
| AccessDeniedException | IAM、Marketplace 权限、EULA、Anthropic 表单、支付方式 | 按最小权限补齐前置条件，等待订阅完成 |
| ValidationException | 模型 ID、Region、请求字段和模型支持能力 | 读取目标模型参数页，不照抄其他模型 JSON |
| ThrottlingException | 模型/Region 配额、瞬时并发、跨区域 profile | 队列、退避、抖动、配额申请或容量方案 |
| 输出截断 | max tokens、停止原因、上下文与服务限制 | 分段任务、结构校验和完整性标志 |
| 成本突增 | 长历史、重试、缓存 miss、检索和日志/网络 | 任务账单、预算告警、幂等和上下文预算 |
| 知识库引用错误 | ACL、切块、召回、prompt 模板和 citation 配置 | 逐条验证证据，设置拒答和人工升级 |
FAQ
Amazon AI 有独立官网吗？
没有一个名为“Amazon AI”的统一产品官网。了解可购买的云服务应从 AWS AI 服务页进入；Amazon 电商、Alexa 和物流中的内部 AI 则属于不同业务场景，不能直接当作公开 API 能力。
新项目应该先选 Bedrock 还是 SageMaker AI？
要调用托管基础模型并快速构建生成式 AI 应用，先评估 Bedrock；需要训练、自带算法/镜像、精细控制 ML 工作流和端点时，评估 SageMaker AI。先用任务和责任边界选择，不按“哪个更高级”选择。
Bedrock 是否自动提供所有模型？
不是。模型取决于账户、Region、模型目录、Marketplace 权限、支付方式和提供商要求。第三方模型首次调用可能触发订阅，使用还可能代表接受 EULA。
AWS 中国区能使用 Bedrock 吗？
截至本文复核所用的中国区官方服务表，SageMaker 被列出，但 Bedrock、Amazon Q 和 Trainium 未列出。服务会变化，应以最新区域表、控制台和运营方书面答复为准，不能套用全球 AWS 文档。
Bedrock 会把提示词交给第三方模型提供商吗？
AWS 数据保护文档称模型提供商不能访问 Bedrock 的部署账户、日志或客户 prompts/completions。但部署方仍负责 IAM、加密、日志、敏感数据最小化、保留和跨区域处理。
Guardrails 能消除幻觉和提示注入吗？
不能。Guardrails 是一层可配置过滤和检测，覆盖范围取决于模型、区域、配置和被检查内容。仍需来源核验、工具权限、真实任务评测、人工审批、监控和回滚。
编辑复核与纠错记录
本文由兰塞 AI 编辑流程于 2026 年 7 月 19 日复核。新版依据 AWS AI Services、Bedrock/SageMaker 决策指南、SageMaker AI 更名说明、Bedrock 模型访问、价格、数据保护、跨区域推理、Amazon Q、AWS 中国区服务表与 Responsible AI 资料，重建产品分层、账户区域、成本、数据和上线门禁；删除旧稿的“领导地位、威力惊人、物流奇迹、全栈制胜”等无证据营销结论。本站没有开通本次测试用 AWS 账户或执行模型基准。本站来源、更新与纠错原则见关于本站与编辑规范。
