Amazon Bedrock または Amazon SageMaker AI? - Amazon Bedrock または Amazon SageMaker AI

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Amazon Bedrock または Amazon SageMaker AI?

違いを理解し、自分に合ったものを選択する

目的

Amazon Bedrock と Amazon SageMaker AI の違いを理解し、ニーズに最適なサービスを決定します。

最終更新日

2025 年 6 月 27 日

対象サービス

序章

アマゾン ウェブ サービス (AWS) は、推論を使用する機械学習 (ML) および生成 AI アプリケーションの構築に役立つ一連のサービスを提供します。これは、基盤モデルに提供される入力から出力を生成するプロセスとして定義されます。これらのサービスがどのように連携して生成 AI スタックを形成するかを理解すると便利です。

  • Amazon Q Business や Amazon Q Developer などの生成 AI を活用したサービス。大規模言語モデル (LLMs) やその他の基盤モデル (FMs) を活用して生産性を向上させます。

  • Amazon Bedrock などの生成 AI アプリケーションを構築するためのモデルとツール。

  • Amazon SageMaker AI や特殊なハードウェアなど、AI モデルを構築およびトレーニングするためのインフラストラクチャ。

AWS 生成 AI スタックを示す図。この図は、スタックの下部で AI モデルを構築およびトレーニングするインフラストラクチャ、生成 AI アプリケーションを中央に構築するモデルとツール、LLMs やその他の FMs を使用して生産性を高めるアプリケーションを最上位に示しています。

どの生成 AI サービスを使用するかを検討する場合、2 つのサービスが互いに一緒に検討されることがよくあります。

Amazon Bedrock

Amazon SageMaker AI

  • Amazon SageMaker AI (旧 Amazon SageMaker) は、機械学習モデルを大規模に構築、トレーニング、デプロイするのに役立つように設計されたフルマネージドサービスです。これには、ノートブック、デバッガー、プロファイラー、パイプライン、MLOps などのツールを使用して、FM をゼロ FMs から構築することが含まれます。基盤モデルの広範なトレーニング、ファインチューニング、カスタマイズのメリットを享受できるユースケースがある場合は、SageMaker AI を検討してください。また、ユースケースに最適な FM を評価するという、潜在的に困難なタスクを実行するのにも役立ちます。

  • Amazon SageMaker AI は、データ、分析、AI の統合プラットフォームである次世代の Amazon SageMaker の一部です。Amazon SageMaker には Amazon SageMaker Unified Studio が含まれています。これは、 AWS データ、分析、AI、ML のサービスを組み合わせた統合開発エクスペリエンスです。

このガイドでは、Amazon SageMaker AI と Amazon Bedrock の違いについて説明します。Amazon Bedrock と SageMaker AI が Amazon の生成 AI サービスとソリューションにどのように適合するかの詳細については、「生成 AI 決定ガイド」を参照してください。

Amazon Bedrock と Amazon SageMaker AI はどちらも ML および生成 AI アプリケーションの開発を可能にしますが、さまざまな目的を果たします。このガイドは、両方のサービスを組み合わせて生成 AI アプリケーションを構築できるシナリオなど、ニーズに最適なサービスを理解するのに役立ちます。

これらのサービスの主な違いの概要を次に示します。

カテゴリ Brain icon with circuit board pattern representing artificial intelligence or machine learning.

Amazon Bedrock

Brain icon with interconnected nodes representing artificial intelligence or machine learning.

Amazon SageMaker AI

ユースケース カスタムモデル開発に多額の投資をすることなく、AI 機能をアプリケーションに統合するのに最適 カスタムモデルを必要とする可能性のある、独自または特殊な AI/ML ニーズに合わせて最適化
ターゲットユーザー 深層機械学習の専門知識がないデベロッパーや企業向けに最適化 データサイエンティスト、機械学習エンジニア、開発者向けに最適化
カスタマイズ 主に事前トレーニング済みのモデルを使用しますが、必要に応じて微調整できます。 完全に制御でき、必要に応じてモデルをカスタマイズまたは作成できます。
料金 サービスに対して行われた API コールの数に基づくPay-as-you-go コンピューティングリソース、ストレージ、その他のサービスの使用に基づく料金
Integration API コールを通じて事前トレーニング済みのモデルをアプリケーションに統合する カスタムモデルをアプリケーションに統合し、カスタマイズオプションを増やす
必要な専門知識 事前トレーニング済みのモデルを使用するために必要な機械学習の専門知識の基本レベル データサイエンスと機械学習のスキルに関する実用的な知識は、モデルの構築と最適化に役立ちます。
管理 Amazon Bedrock は、最小限のインフラストラクチャ管理で簡素化された API ベースのアプローチを提供します。 SageMaker AI にはより多くのインフラストラクチャ管理が必要ですが、広範なモニタリング制御機能を提供します。
デプロイとホスティング Amazon Bedrock はサーバーレスであるため、インフラストラクチャを管理する必要はありません。 SageMaker AI は主にサーバーフルであり、コンピューティングリソースとスケーリングをきめ細かく制御できます。

Amazon Bedrock と SageMaker AI の違い

Amazon Bedrock と Amazon SageMaker AI の機能を調べて比較しましょう。

Use cases

Amazon Bedrock と Amazon SageMaker AI は、特定の要件とリソースに基づいてさまざまなユースケースに対処します。

Amazon Bedrock

  • Amazon Bedrock は、カスタムモデル開発に多額の投資をせずに生成 AI アプリケーションを構築するユースケース向けに設計されています。たとえば、ソーシャルメディアプラットフォームのコンテンツモデレーションシステムでは、Amazon Bedrock の事前トレーニング済みモデルを使用して、不適切なテキストや画像を自動的に識別してフラグを付けることができます。同様に、カスタマーサポートチャットボットは Amazon Bedrock の自然言語処理機能を使用して、ユーザーの問い合わせを理解して対応できます。Amazon Bedrock は、機械学習の専門知識やリソースが限られている場合に特に役立ちます。これは、大規模な社内開発を必要とせずに AI のメリットを享受するのに役立ちます。

Amazon SageMaker AI

  • SageMaker AI は、カスタムビルドモデルを必要とするユニークまたは特殊な AI/ML ニーズに適しています。off-the-shelfソリューションでは不十分であり、モデルアーキテクチャ、トレーニングプロセス、デプロイをきめ細かく制御する必要があるシナリオに最適です。SageMaker AI の使用からメリットを得るシナリオの例の 1 つは、特定の指標に基づいて患者の成果を予測するモデルを開発するヘルスケア企業です。もう 1 つの例は、金融機関が独自のデータとリスク要因に合わせた不正検出システムを作成することです。さらに、SageMaker AI は、データサイエンティストや機械学習エンジニアがさまざまなアルゴリズム、ハイパーパラメータ、モデルアーキテクチャを試すことができる、研究および開発目的に適しています。

Target users

Amazon Bedrock と Amazon SageMaker AI は、機械学習と人工知能の専門知識と知識のレベルに基づいて、さまざまなターゲットユーザーをサポートします。

Amazon Bedrock

  • Amazon Bedrock は、AI 機能をプロジェクトに統合するよりアクセスしやすく簡単な方法を提供します。これは、機械学習モデルの構築とトレーニングの経験は限られているが、AI を使用してアプリケーションやワークフローを強化したいと考えているデベロッパーや企業を含む幅広い対象者に適しています。

Amazon SageMaker AI

  • SageMaker AI は主に、カスタム機械学習モデルの構築、トレーニング、デプロイに必要なスキルと知識を持つデータサイエンティスト、機械学習エンジニア、開発者を対象としています。データサイエンスと機械学習の概念に精通しており、特定のニーズに合わせてモデルを作成するためのツールと柔軟性を提供するプラットフォームが必要な場合は、SageMaker AI を使用します。

Choice of FMs

Amazon Bedrock と Amazon SageMaker AI の両方がアプリケーションに幅広い FMs セットを提供しますが、各サービスが提供する FMs セットには違いがあります。

Amazon Bedrock

  • Amazon Bedrock は、Anthropic の Claude、Meta の Llama 3、Amazon の Nova および Titan モデル、画像生成用の Stability AI のモデルなどの FMs へのアクセスを提供します。頻繁に更新される利用可能な FMs のリストを参照してください。

  • Amazon Bedrock Marketplace を使用して、100 を超える公開されている独自の FMs。

  • Amazon Bedrock は、Amazon SageMaker JumpStart では利用できない Claude や Jurassic などの特定の独自モデルにアクセスできます。

Amazon SageMaker AI

  • Amazon SageMaker JumpStart には、生成 AI ワークフローをカスタマイズして統合するための組み込みの公開および独自の基盤モデルが用意されています。また、特定のユースケース向けに最適化されたモデルなど、Amazon Bedrock よりも幅広い FMs を選択できます。

  • JumpStart は FMs 、Hugging Face、StabilityAI、Meta、Amazon のモデルや、AI21 Labs、Cohere、LightOn の独自の FM など、公開されている FMs を提供しています。 公開されている FM と独自の FMs のリストを参照してください。これらは頻繁に更新されます。

Customization

Amazon Bedrock と Amazon SageMaker AI は、特定のニーズや専門知識に合わせて調整できるさまざまなレベルのカスタマイズ機能を提供します。

Amazon Bedrock

  • Amazon Bedrock には、生成 AI アプリケーションの構築に使用できる主要なプロバイダーの一連のモデルが用意されています。カスタマイズは限られています。データを入力し、これらの事前トレーニング済みモデルから予測を受信するために使用する一連の API コールにアクセスできます。このアプローチにより、AI 機能をアプリケーションに組み込むプロセスが大幅に簡素化されますが、モデルをカスタマイズしたり、カスタムモデルをインポートしたりしない限り、基盤となるモデルをあまり制御できないことも意味します。Amazon Bedrock の事前トレーニング済みモデルは、一般的な AI タスク用に最適化されており、幅広いユースケースに適していますが、高度に特殊な要件やニッチな要件には適していない場合があります。

    Amazon Bedrock は、Amazon Nova Micro、Lite、Pro、Cohere Command R、Meta Llama 2、Anthropic Claude 3 Haiku、Amazon Titan Text Lite、Amazon Titan Text Express、Amazon Titan Multimodal Embeddings、Amazon Titan Image Generator などの基盤モデル (FMs) のファインチューニングをサポートしています。サポートされている FMs のリストは、継続的に更新されます。

  • FM ファインチューニングや事前トレーニングなど、特定のタスクやユースケースに合わせてモデルをカスタマイズします。カスタムモデルのインポートを使用して、独自のカスタマイズされたモデルを取り込みます。

Amazon SageMaker AI

  • Amazon SageMaker AI には広範なカスタマイズオプションが用意されており、機械学習ワークフロー全体を完全に制御できます。SageMaker AI を使用すると、データの前処理や特徴量エンジニアリングからモデルアーキテクチャやハイパーパラメータの最適化まで、モデルのあらゆる側面を微調整できます。このレベルのカスタマイズを使用することで、独自のビジネス要件に合わせた高度に特殊なモデルを作成できます。SageMaker AI は、TensorFlow、PyTorch、Apache MXNet など、一般的な機械学習フレームワークを幅広くサポートしているため、モデルの構築とトレーニングに任意のツールとライブラリを使用できます。

  • Amazon SageMaker JumpStart を使用して、事前定義された品質と責任に基づいて FMs を評価、比較、選択します。

  • Amazon SageMaker AI Clarify で使用する FM を選択します。SageMaker AI Clarify を使用してモデル評価ジョブを作成します。このジョブを使用して、JumpStart のテキストベースの基盤モデルのモデル品質と責任のメトリクスを評価および比較します。

  • Amazon SageMaker AI Canvas を使用して予測を生成します。コードを記述する必要はありません。SageMaker AI Canvas を Amazon Bedrock と連携して使用して、言語モデルを微調整およびデプロイします。このブログ記事では、Amazon Bedrock や Amazon SageMaker JumpStart で製品FAQsなどの独自のデータセットを使用して、顧客との対話を最適化する方法について説明します。

Pricing

Amazon Bedrock と Amazon SageMaker AI には、ターゲットユーザーとそれらが提供するサービスを反映するさまざまな料金モデルがあります。

Amazon Bedrock

  • Amazon Bedrock は、サービスに対して行われた API コールの数に基づいて、シンプルな料金モデルを採用しています。API コールごとに固定価格を支払います。これには、事前トレーニング済みのモデルおよび関連するデータ処理の実行コストが含まれます。この単純な料金構造により、サービスの実際の使用量に対してのみ料金を支払うため、コストの見積もりと管理がより効率的になります。Amazon Bedrock の料金モデルは、ワークロードが予測可能なアプリケーションや、AI 関連の費用の透明性を高める必要がある場合に特に適しています。

Amazon SageMaker AI

  • SageMaker AI は、pay-as-you-goモデルに従います。モデルの構築、トレーニング、デプロイに使用するインスタンスに対して課金され、料金はインスタンスのタイプとサイズによって異なります。さらに、データストレージ、データ転送、およびデータラベリングやモデルモニタリングなどのその他の関連サービスのコストが発生します。この料金モデルは柔軟性を提供し、特定の要件に基づいてコストを最適化できます。ただし、特にリソースを大量に消費するプロジェクトでは、コストが変動し、慎重な管理が必要になる場合もあります。

Integration

Amazon Bedrock と Amazon SageMaker AI は、機械学習モデルをアプリケーションに統合するためのさまざまなアプローチを提供し、特定のニーズと専門知識に対応します。

Amazon Bedrock

  • Amazon Bedrock は、API コールを通じて直接アクセスできる事前トレーニング済みのモデルを提供することで、統合プロセスを簡素化します。Amazon Bedrock SDK または REST API を使用して、基盤となるインフラストラクチャを管理することなく、入力データを送信し、モデルから予測を受信します。このアプローチにより、AI 機能をアプリケーションに統合するために必要な複雑さと時間が大幅に短縮され、機械学習の専門知識が限られている開発者がアクセスしやすくなります。ただし、この統合の容易さは、Amazon Bedrock が提供する事前トレーニング済みのモデルと APIs に制限されているため、限られたカスタマイズオプションのコストがかかります。

Amazon SageMaker AI

  • SageMaker AI は、カスタム機械学習モデルを構築、トレーニング、デプロイするための包括的なプラットフォームを提供します。ただし、これらのモデルをアプリケーションに統合するには、Amazon Bedrock よりも多くの労力と技術的な専門知識が必要です。SageMaker AI SDK または API を使用してトレーニング済みモデルにアクセスし、それらをエンドポイントとして公開するために必要なインフラストラクチャを構築する必要があります。このプロセスでは、アプリケーションとデプロイされたモデル間の通信を可能にする AWS のサービス ために、API Gateway、Lambda 関数、その他を作成して設定します。SageMaker AI はこのプロセスを簡素化するためのツールとテンプレートを提供しますが、 AWS のサービス と機械学習モデルのデプロイをより深く理解する必要があります。

Expertise required

Amazon Bedrock と Amazon SageMaker AI は、さまざまなレベルの機械学習の専門知識に合わせて最適化されています。

Amazon Bedrock

  • Amazon Bedrock は、機械学習の専門知識が限られているデベロッパーや企業など、幅広いユーザーによりアクセス可能です。API コールを通じてアプリケーションに簡単に統合できる事前トレーニング済みのモデルを提供することで、Amazon Bedrock は機械学習モデルの構築とデプロイに関連する複雑さの大部分を抽象化します。これらの側面は Amazon Bedrock サービスによって処理されるため、データの前処理、モデル選択、インフラストラクチャ管理について心配する必要はありません。これにより、深層機械学習の知識の取得に多大な時間とリソースを費やすことなく、AI 機能をアプリケーションに統合することに集中できます。

Amazon SageMaker AI

  • データサイエンスと機械学習に関する深い専門知識をお持ちの場合、SageMaker AI はカスタムモデルを構築、トレーニング、デプロイするための強力で柔軟なプラットフォームを提供します。SageMaker AI は機械学習ワークフローを簡素化することを目指していますが、その機能を最大限に活用するには、依然としてかなりのレベルの技術的専門知識が必要です。Python などのプログラミング言語に習熟し、データの前処理、モデルの選択、ハイパーパラメータの調整などの機械学習の概念を深く理解することでメリットが得られます。さらに、さまざまな を操作し AWS のサービス 、モデルのデプロイと統合に必要なインフラストラクチャを管理することに慣れている必要があります。その結果、機械学習を初めて使用する場合や経験が限られている場合、SageMaker AI の学習曲線は急勾配になる可能性があります AWS。

Features

Amazon Bedrock と Amazon SageMaker AI は、さまざまなレベルの機械学習の専門知識に合わせて最適化されています。

Amazon Bedrock

  • Amazon Bedrock には、モデル選択機能 (評価)、コストとレイテンシーの最適化機能 (プロンプトキャッシュ、インテリジェントプロンプトルーティング)、カスタマイズ機能 (ナレッジベース、モデル抽出)、保護 (ガードレール)、エージェント機能 (エージェント) など、生成 AI アプリケーションの構築とスケーリングに役立つ一連の機能が用意されています。Amazon Bedrock にはカスタムモデルインポートも用意されており、単一のサーバーレス統合 API を使用して、既存の FMs でカスタマイズされたモデルをインポートして使用できます。

Amazon SageMaker AI

  • SageMaker AI を使用すると、独自のサーバーを構築および管理することなく、データを保存および共有できます。これにより、ML ワークフローを共同で構築および開発し、より迅速に実行する時間が増えます。SageMaker AI は、分散環境内の非常に大きなデータに対して効率的に実行するためのマネージド ML アルゴリズムを提供します。bring-your-own-algorithmsとフレームワークの組み込みサポートにより、SageMaker AI は特定のワークフローに合わせて調整できる柔軟な分散トレーニングオプションを提供します。数ステップで、SageMaker AI コンソールから安全でスケーラブルな環境にモデルをデプロイできます。

Amazon Bedrock と Amazon SageMaker AI の選択は、常に相互に排他的であるとは限りません。場合によっては、両方のサービスを一緒に使用することでメリットが得られることがあります。例えば、Amazon Bedrock を使用して基盤モデルを迅速にプロトタイプ化してデプロイし、SageMaker AI を使用してモデルをさらに改良および最適化してパフォーマンスを向上させることができます。このブログ記事では、Amazon SageMaker JumpStart からモデルをデプロイし、Amazon Bedrock に登録して、Amazon Bedrock APIs を介してモデルにアクセスできるようにする方法について説明します。

最終的に、Amazon Bedrock と Amazon SageMaker AI の決定は、特定の要件によって異なります。これらの要因を評価することは、情報に基づいた意思決定を行い、ニーズに最も適したサービスを選択するのに役立ちます。

Amazon の生成 AI サービスとソリューションの詳細については、生成 AI 決定ガイドを参照してください。

使用アイテム

Amazon Bedrock と Amazon SageMaker AI を選択するための基準について読んだので、ニーズに合ったサービスを選択し、以下の情報を使用してそれぞれの使用を開始できます。

Amazon Bedrock
  • Amazon Bedrock とは

    このフルマネージドサービスを使用して、Amazon およびサードパーティーの基盤モデル (FMs) を統一された API を通じて使用できるようにします。

    ガイドを見る

  • Amazon Bedrock に関するよくある質問

    Amazon Bedrock に関する最も一般的な質問に対する回答を取得します。これには、エージェントの使用方法、セキュリティ上の考慮事項、Amazon Bedrock ソフトウェア開発キット (SDKs) の詳細、取得拡張生成、モデル評価の使用方法、請求が含まれます。

    FAQsを読む

  • Guidance for generating product descriptions with Amazon Bedrock

    ソリューションで Amazon Bedrock を使用して、e コマースマーケットプレイスまたは小売ウェブサイトの製品レビューと承認プロセスを自動化します。

    ソリューションの詳細

Amazon Bedrock IDE
注記

Amazon Bedrock Studio の名前を Amazon Bedrock IDE に変更し、Amazon SageMaker Unified Studio で利用可能に

  • Amazon Bedrock IDE とは

    Amazon Bedrock IDE を使用して Amazon Bedrock モデルを検出し、Amazon Bedrock モデルと機能を使用する生成 AI アプリを構築します。

    ガイドを見る

  • Build generative AI applications with Amazon Bedrock IDE

    このブログ記事では、さまざまな高性能モデルを使用してアプリケーションを構築する方法について説明します。次に、生成 AI アプリを評価して Amazon Bedrock IDE と共有する方法について説明します。

    ブログを読む

  • Amazon Bedrock IDE を使用したチャットアプリの構築

    会話インターフェイスを介して Amazon Bedrock モデルとチャットできるようにする Amazon Bedrock IDE チャットエージェントアプリを構築します。

    ガイドを見る

Amazon SageMaker AI
  • Amazon SageMaker AI とは

    このフルマネージド機械学習 (ML) サービスを使用して、本番稼働用のホスト環境に ML モデルを構築、トレーニング、デプロイします。

    ガイドを見る

  • Amazon SageMaker AI の使用を開始する

    クイックまたはカスタムのセットアップ手順など、Amazon SageMaker AI へのアクセスを設定します。

    ガイドを見る

  • Get started with Amazon SageMaker JumpStart

    一般的なユースケース用のインフラストラクチャをセットアップする Amazon SageMaker JumpStart ソリューションテンプレートと、SageMaker AI を使用した機械学習用の実行可能サンプルノートブックについて説明します。

    ガイドを見る