训练大型 AI 模型需要管理跨越数千个 GPU 的复杂分布式计算作业。现有解决方案要么过于通用（Kubernetes），要么是大型科技公司的专有产品。
SaaS 产品可以为 AI 工作负载提供预配置的作业编排、自动检查点和成本监控。中型实验室的研究人员将愿意付费以避免重新发明这些系统。
MVP 可以是一个简单的仪表板，显示跨云提供商的 GPU 利用率和成本。稍后添加跨区域的自动故障转移。
最大的风险是来自构建自己垂直解决方案的云提供商的竞争。
AI 预训练工作流工具
为研究人员构建专门的工具，用于管理大规模 AI 预训练运行。专注于实验跟踪、成本优化和故障恢复。
为什么是现在
微软公开推动前沿模型，预示着对训练工作流基础设施日益增长的需求。
- 做给谁
- AI 研究团队
- 商业模式
- 订阅式 SaaS
- 投入量级
- 几个月