Aug 24, 2026 · AWS
Introducing new Ray capabilities on SageMaker HyperPod
AWS 宣布在 SageMaker HyperPod 上推出新的 Ray 功能，包括在 Amazon EKS 上提供托管 Ray 支持，用户可以从 SageMaker Studio 创建和监控 Ray 集群，将 JupyterLab 和 Code Editor 笔记本连接到实时集群，获得开箱即用的可观测性，并运行弹性分布式训练和加速推理，基于开源 KubeRay 和标准 Ray API。
EVENT STORY
Development
- First ReportIntroducing new Ray capabilities on SageMaker HyperPodAWS Machine Learning Blog
- Current AssessmentAWS 此举表明云服务商正在将开源分布式计算框架（如 Ray）深度集成到托管服务中，以降低 AI 工作负载的运维门槛。这可能会加剧云厂商在 AI 基础设施领域的竞争。Agent Pulse · analysis
AWS 在 SageMaker HyperPod 上推出了新的 Ray 功能，提供在 Amazon EKS 上的托管 Ray 支持。用户现在可以从 SageMaker Studio 创建和监控 Ray 集群，将 JupyterLab 和 Code Editor 笔记本连接到实时集群，获得开箱即用的可观测性，并运行弹性分布式训练和加速推理。这些功能基于开源 KubeRay 和标准 Ray API，旨在简化分布式训练和推理的运维。
该功能将 Ray 的弹性分布式计算能力与 SageMaker HyperPod 的托管基础设施相结合，通过 KubeRay 在 EKS 上管理 Ray 集群，提供了标准 Ray API 的兼容性。这降低了分布式训练和推理的复杂性，同时提供了可观测性。
AWS 此举表明云服务商正在将开源分布式计算框架（如 Ray）深度集成到托管服务中，以降低 AI 工作负载的运维门槛。这可能会加剧云厂商在 AI 基础设施领域的竞争。
对于企业用户，该功能减少了管理分布式训练集群的运维负担，加速了 AI 模型的开发和部署，可能降低总体成本。
未来，可以关注 AWS 是否会将 Ray 支持扩展到更多 SageMaker 功能，以及是否会有其他云服务商跟进类似集成。