在 Coursera 跑 Generative AI 课程时遇到 SageMaker Studio 启动失败，大概率是掉进了 AWS 资源不足的坑里

如果你在跑 Coursera 的 Generative AI with Large Language Models 课程，启动 SageMaker Studio Space 时突然弹窗报错，大概率是遇到了 AWS 的实例容量问题，而且由于课程环境的权限限制，你可能根本没法自己通过修改配置来解决。

遇到 EC2InsufficientCapacityError 怎么办

最直接的报错信息是：
EC2InsufficientCapacityError: Instance type 'ml.m5.2xlarge' is temporarily unavailable in supported availability zones [use1-az1]. Try again in a few minutes, or try a different instance type.

这个错误的意思很简单：在 us-east-1 区域的 use1-az1 可用区里，ml.m5.2xlarge 这种规格的机器暂时被抢光了。这在 AWS 的公共区域非常常见，尤其是像 Coursera 这种大量学生同时涌入的课程环境下，某个时段请求量暴增，资源池就会瞬间见底。

在这种情况下，通常有两种处理路径：
第一种是死磕，每隔几分钟点一次启动，赌运气等 AWS 释放出机器。
第二种是尝试更换实例类型，比如换一个稍微大一点或小一点的规格。

为什么尝试修改实例类型会报权限错误

很多人的本能反应是既然 ml.m5.2xlarge 没货，那就换个型号。但在 Coursera 提供的托管环境中，你经常会撞上这个权限报错：
not authorized to perform: sagemaker:UpdateSpace ... with an explicit deny in an identity-based policy

这说明 Coursera 给你的 IAM 角色设置了「显式拒绝（Explicit Deny）」。在 AWS 的权限逻辑里，Explicit Deny 的优先级最高，不管你拥有多少 Allow 权限，只要这里写了 Deny，你就无法执行 sagemaker:UpdateSpace 操作。

这意味着你无法在控制台自行更改实例规格。这种设计是为了统一课程环境，防止学生随意升级到昂贵的 GPU 实例导致成本失控，但副作用就是当默认实例缺货时，学生完全失去了自救能力。

针对此问题的具体排查与结论

根据目前的实测情况，针对这三个疑问的判断如下：

• 是否是临时容量问题？

是的，这是典型的 AWS 资源调度问题。由于报错明确指出了 use1-az1 区域不可用，这与你的代码或配置无关，纯粹是云端没机器了。

• 是否有推荐的替代实例？

虽然 ml.m5.2xlarge 是课程默认配置，但因为你被限制了 UpdateSpace 权限，即便知道了替代型号（比如其他 m5 系列或 m6i 系列），你也无法在当前账号下手动切换。

• 权限是否需要管理员修改？

是的。如果你发现连续几个小时都无法启动，且必须更换实例才能继续实验，那么唯一的解决办法是联系 Coursera 的课程管理员或提交 Ticket，让他们在后台调整该 Space 的实例类型或放开权限。

总结操作建议

如果你现在被卡住了，建议的操作顺序是：
1. 刷新页面，尝试重新启动 Space，重复 3-5 次。
2. 如果依然报错，不要在权限受限的控制台浪费时间尝试修改配置，直接在课程论坛发帖或联系技术支持，告知对方 us-east-1 的 ml.m5.2xlarge 缺货且你没有 UpdateSpace 权限。