在前兩天的練習中，我們分別完成了 Azure AI Foundry 和 GCP Vertex AI 的第一個 GenAI 呼叫。今天，我們來做一次初步的比較，看看這兩個平台在使用體驗上的異同。
| 面向 | Azure AI Foundry | GCP Vertex AI |
|---|---|---|
| 平台定位 | 偏向企業用戶，與 Microsoft 生態圈緊密結合（Azure、Office、Power Platform） | 偏向數據科學與機器學習團隊，整合 BigQuery、Dataflow、AI 工具鏈 |
| 主要用途 | 提供模型即服務（Models-as-a-Service），支援 OpenAI 模型 | 提供 Google 自家模型（Gemini、PaLM、Imagen）及多模型選擇 |
| 面向 | Azure AI Foundry | GCP Vertex AI |
|---|---|---|
| 建立資源 | 需先建立「Azure OpenAI Resuorce」，再進入 AI Foundry | 啟用 API 即可使用 Studio |
| Playground 體驗 | 界面簡潔，參數較少，適合初學者 | 提供更多細節調整（Top P、Top K），適合研究與微調 |
| 模型選擇 | 主要是 OpenAI 系列（GPT、DALL·E、Whisper） | Google 自家模型為主（Gemini、Imagen），另有開源 HuggingFace 模型可用 |
Azure AI Foundry：
適合已在 Microsoft 生態（Azure AD、Office 365、Power Platform）中運作的企業團隊。
→ 快速上手、容易串接內部應用（如 Teams、Power BI）。
GCP Vertex AI：
適合需要 數據導向 或 自訂模型開發 的團隊，特別是使用 Google Cloud 大數據工具的公司。
→ 彈性高、模型種類多，更適合 AI 研究與進階應用。
這是一個簡單的比較，讓我們能快速掌握兩者的不同：
Azure AI Foundry 強調「簡單上手 + 生態系串接」
GCP Vertex AI 強調「靈活性 + 模型多樣性」
在接下來的篇章，我們會更深入探討 部署、API 串接、與開發實戰，幫助大家在真實專案中做出選擇。
iThome鐵人賽
看影片追技術
看更多
