目前，Amazon Bedrock 仅作为 AWS 提供的完全托管的云服务，不能在私有或本地环境中部署。Bedrock 旨在通过 AWS 的云基础设施提供对基础模型 (FM)（如 Claude、Jurassic-2 或 Stable Diffusion）的访问。这意味着所有计算、存储和模型推理都在 AWS 数据中心内进行。虽然 AWS 为某些服务提供混合解决方案（如 Outposts），但 Bedrock 尚未扩展到这些平台，并且没有公开文档或配置选项表明支持本地部署。如果您的使用案例要求数据或处理完全保留在私有环境中，Bedrock 的纯云方法可能与这些需求不符。
也就是说，AWS 提供了工具来帮助客户在其云环境中使用 Bedrock 的安全性。例如，您可以使用 IAM 策略和 VPC 终端节点将 Bedrock 访问权限限制为特定的 AWS 账户或虚拟私有云 (VPC)。这可确保对 Bedrock 的 API 调用保留在您隔离的网络中，并且不会遍历公共互联网。此外，Bedrock 支持 AWS PrivateLink，允许您的 VPC 和 AWS 服务之间进行私有连接。虽然这不会将 Bedrock 移动到本地，但它可以最大程度地减少暴露于外部网络。数据驻留也可以通过选择符合当地法规的 AWS 区域来解决，从而确保模型输入和输出保留在地理边界内。
对于需要本地 AI/ML 解决方案的团队，AWS 提供了替代方案，如 SageMaker，用于在本地基础设施上部署自定义模型，但这些方案与 Bedrock 的托管 FM 服务不同。Bedrock 的价值在于它的简单性——预训练模型、可扩展性和按需付费定价——这很难在离线状态下复制。如果存在严格的本地要求，您需要探索自托管的开源模型（例如，使用 Hugging Face 或 PyTorch）或提供可部署 FM 解决方案的第三方供应商。AWS 对 Bedrock 的关注点似乎是以云为中心，优先考虑与其生态系统（例如，Lambda、CloudWatch）的集成，而不是混合灵活性。请查看 AWS 的路线图以获取更新，但截至目前，Bedrock 仍然是一项云独占服务。