SageMaker Studio 新增 IDE and Notebooks 分頁，開 JupyterLab 唔使再行 CLI
2026 年 10 月 6 日，AWS 喺官方機器學習 blog 宣佈：SageMaker Studio 新增「IDE and Notebooks」分頁，讓數據科學家同 ML 工程師可以直接喺 Studio 介面度建立、設定、啟動、停止同開啟 SageMaker Spaces（HyperPod 集群上嘅互動式開發環境），而唔需要離開瀏覽器或者使用 command-line 工具。
之前點做？
喺呢個功能之前，管理 Spaces 主要依賴 HyperPod CLI 或者 kubectl 指令。AWS 指呢個做法對基礎設施管理員嚟講提供咗精細嘅控制，但對偏好視覺介面嘅數據科學家而言，要熟習命令行先至開到開發環境，門檻唔低。
新分頁可以做乜？
根據 AWS 嘅公告，新分頁提供以下功能：
- 建立 Spaces：透過引導式表單設定計算資源、namespace、存儲、HyperPod Task Governance（計算配額管理）同鏡像設定。
- 查看所有 Spaces：以可搜尋表格顯示名稱、應用類型、狀態、訪問類型、存儲、GPU 同 vCPU 分配。
- 啟動同停止 Spaces：一次點選即可釋放計算資源，避免閒置 Spaces 持續佔用 GPU。
- 開啟 Spaces：可以直接喺瀏覽器開啟 JupyterLab 或者 Code Editor，亦可以透過遠端 IDE（例如 VS Code）連接。
部署流程分兩種角色
管理員：喺 SageMaker AI console 開啟 HyperPod 集群，進入 IDE and Notebooks 分頁，揀 Quick install（一鍵，用預設最佳化設定）或者 Custom install（需要手動設定 web UI 訪問）。安裝後，管理員可以設定 namespaces、建立 Space templates、透過 EKS access entries 管理訪問權限。
數據科學家：喺 Studio 介面直接建立同開啟 Spaces，唔需要接觸 CLI。
背景
SageMaker Spaces for HyperPod 係 AWS 喺今年早前推出嘅 add-on 插件，令開發者可以在 HyperPod EKS 集群上直接建立互動式開發環境，同訓練任務同模型部署共用同一套 GPU 基礎設施，並支援 fractional GPU allocation（分額 GPU 分配）。HyperPod 本身係為大規模基礎模型（foundation model）訓練同推理而設計，用 EKS（Elastic Kubernetes Service）協作跨數百個加速器執行分佈式訓練，內建容錯同自動故障恢復。呢次 10 月 6 日嘅更新，係喺 SageMaker Studio 介面新增 IDE and Notebooks 分頁，讓 Spaces 管理唔再依賴 CLI。
阿調搞兩下
呢個更新對獨立開發者而家意義有限：SageMaker HyperPod 係企業級 GPU 集群，要喺 AWS 上面有相應帳户同付款，獨立開發者大概率唔會用。對企業數據團隊嚟講，少一手 CLI、幾下就開到 JupyterLab，確實減少摩擦。但要注意，SageMaker Spaces 係 add-on 插件，要管理員先完成一次性安裝，而且 AWS 冇喺呢份公告提及任何價格變動或者新計費單位。對已有 HyperPod 集群嘅企業，呢個係流程順化，唔係新功能解鎖。
阿調｜深度調教
