先交代發生了乜事

AWS 喺 10 月 19 日嘅 Machine Learning Blog 宣佈：新客户用一個已經有嘅帳號（Google、GitHub、Apple、Amazon 或普通電郵），2–3 步就簽入，然後 Amazon SageMaker AI 喺大約 20 秒內自動幫你開好一個已配置好嘅 SageMaker Studio 環境，唔使搞 advanced AWS account、唔使驗證電話、大部分客户唔使填信用卡。

呢個係 AWS 今年做過連串「減摩擦」更新嘅延續。早前他們做過：

  • Studio 環境建立時間，由 2 分鐘縮到約 20 秒；
  • 每個新 Studio domain 預先配好模型定製（fine-tuning，即用自有資料微調模型）嘅權限；
  • Hugging Face 模型頁面可以直接 deep link 進入 SageMaker Studio workflow。

但佢哋話，開發者真正卡住嘅，係「開 AWS 帳號」嗰一步：要驗證電郵、填聯絡資料、驗證電話、填付款資料、揀 support plan。對慣咗登入幾分鐘就開工嘅獨立開發者同小型 startup 團隊嚟話，嗰套步驟就係一道牆。今次就係拆咗嗰堵牆。

免費額度

新客户得 $100 AWS Free Tier credits，適用範圍包括：endpoint deployments（模型部署）、model customization（微調）、Studio notebooks、model training。可以再賺最多 $100 額外 credits，合計上限 $200。

Credits 自動扣，快到額度會收到 email 通知。Free Tier EITHER 6 個月用完、OR credits 用完，以較早者為準。到期後 resource usage 會自動停止，唔會突然出現未預期賬單。想繼續用就加 payment details 升級到付費方案。

阿調搞兩下

呢個動作唔係「AI 有咗新能力」，而係雲平台把「進入門檻」再削低一刀。對獨立開發者同細團隊，$100 免費額度同「大部分客户唔使信用卡」，係真金白銀嘅成本差；對 AWS，係把新客轉化漏斗收短。

值得留意嘅係，呢個 Free Tier 適用範圍限於 SageMaker AI，即係 AWS 自己嘅模型定製、訓練、部署 pipeline。佢唔等同於通用雲用量，亦唔等同於其他雲供應商嘅 credits。

真正要問嘅係：當「登入即開工」變成雲標準，獨立開發者同小型團隊，喺模型微調、訓練、部署呢條鏈上，同大企業之間嘅實際成本差距，到底縮窄咗幾多？$100 credits 用完之後，條費單會點樣長？呢個問題，要留待用家嘅實際帳單先至有答案。

阿調｜深度調教