
CoreWeave推出合作伙伴网络,在云端验证AI集成
来源标题:CoreWeave tests AI integrations on its cloud before you migrate
CoreWeave上线Partner Network,让用户在迁移AI负载前于其云上验证集成方案。该网络联合CrowdStrike、VAST Data、Reflection、IBM等厂商,覆盖服务层、可观测性和安全控制等环节。CoreWeave称仅靠兼容规范不足以保证生产环境表现。
以下正文由 AI 翻译自 The New Stack(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
把 AI 工作负载迁移到另一朵云,要搬的不只是模型和数据。你的 serving 层、可观测性看板、安全控制和存储系统都得在新基础设施上协同工作。对平台团队来说,要在真实流量下证明这些连接没问题,往往是整个迁移过程中最慢、也最有风险的一环。
随着技术栈横跨多家厂商和多朵云不断扩张,每个项目都会带来更多集成问题。规范兼容只是个起点,它并不能保证某个工具在生产环境中一定按预期运行,也不能保证围绕它建立的 runbook 和安全流程能一并沿用。
让生产验证看得见
一个集成必须能在你计划运行它的基础设施上、在生产流量下正常工作。这些工具也应当是你团队已经在用、或者明确提出需要的。
“规范兼容只是个起点。它并不能保证某个工具在生产环境中一定按预期运行,也不能保证围绕它建立的 runbook 和安全流程能一并沿用。”
我们打造 CoreWeave Partner Network,就是为了让这种验证看得见。它把与 CrowdStrike、VAST Data、Reflection、IBM 等技术和厂商的合作关系,汇聚成一个经过精选的集成网络,这些集成都在 CoreWeave Cloud 上、在真实生产条件下测试过。
该网络覆盖 AI 技术栈的四个部分,从训练、推理到数据流转、安全,再到下一轮迭代:
- 基础设施:计算、存储、网络、服务器和互联,合作伙伴包括 VAST Data、Dell、AMD、IBM、BackBlaze 和 Pulumi。
- 数据服务:在 AI 数据的整个生命周期内存储、处理、迁移和访问数据,合作伙伴包括 ClickHouse、Encord、LanceDB 和 Datology。
- 独立软件厂商(ISV):编排、可观测性和模型开发,包括 Grafana、Datadog、Union、SkyPilot、IBM、Pinecone、Redis、LlamaIndex 和 Clockwork。专门的安全板块包括 CrowdStrike、Zscaler 和 Cranium。
- 模型、agent 和推理:用于构建、训练、服务和扩展应用的基础软件与服务,合作伙伴包括 Reflection、RadixArk、Inferact、OpenRouter 和 Red Hat。
这些集成共同支撑模型的运行与观测、数据整理、行为改进,以及下一版本的评估。每个合作伙伴都必须满足同样的要求:集成在 CoreWeave 基础设施上、在生产条件下能正常工作。合作伙伴加入这个网络,是因为客户正在用它们,或者客户提出了需求。
看工作负载的实证
IBM 在 CoreWeave 上训练其 Granite 模型,用的是最早一批部署的 Nvidia GB200 NVL72 集群之一。Cohere 在业界最早一批生产级 GB200 NVL72 集群之一上构建了其 agentic AI 平台 North,并称训练速度比在 Nvidia Hopper 上快三倍。
Mistral AI 完全在 CoreWeave 上训练模型,并称在 Nvidia GB200 NVL72 系统上训练速度提升 2.5 倍。Decart 通过其与 CoreWeave 的合作,在生产规模上使用 Nvidia HGX B200,所用平台包含 Weights & Biases。
这些合作关系早于该网络的发布。自开源大语言模型(LLM)和前沿模型训练的第一波浪潮起,CoreWeave 和 Weights & Biases 就与 Encord、Pinecone 等合作伙伴运行着生产集成。
CoreWeave 首席营收官 Jon Jones 将这一变化描述为:在客户动手构建之前,先把已有的合作伙伴工作摆到明面上。该网络还提供了一种可重复的方式,去推进更深入的集成、联合 go-to-market 工作和共同创新。
合作伙伴各自强调该系统的不同部分。VAST Data 联合创始人兼首席技术官 Alon Horev 谈到,将 CoreWeave 的 AI 云与 VAST AI Operating System 结合,覆盖大规模训练、微调、生产推理和持续的 agentic 工作负载。CrowdStrike 首席执行官兼创始人 George Kurtz 强调把安全内建于运行 AI 的基础设施之中。IBM 美洲区总经理 Adam Lawrence 指出,IBM 和 Red Hat 的技术可以扩大选择、减少部署和扩展 AI 时的集成工作。
沿用你现有的运维体系
你的团队已经围绕可观测性工具建立了 runbook。Grafana 和 Datadog 的集成让你能把这项工作延续下来。CrowdStrike、Zscaler 和 Cranium 提供安全集成,带入现有的威胁可见性和响应工具。
推理集成也有类似的用途:在团队扩展到 CoreWeave 时保持模型可用,而不必重建 serving 层。目标是在增加容量的同时,保留技术栈中已经奏效的部分。
“市场上架信息仍然要你的团队自己去验证集成。LLM 可以告诉你什么流行,却不会告诉你什么能在你的基础设施上跑通。”
市场上架信息仍然要你的团队自己去验证集成。LLM 可以告诉你什么流行,却不会告诉你什么能在你的基础设施上跑通。我们根据客户需求挑选合作伙伴,并在全部四个板块中测试它们的集成。
把 agent 调用的工具也纳入进来
集成问题同样延伸到 agent 执行的内部。大多数闭源模型自带网页搜索,而大多数开放权重模型没有。为成本、控制权或定制化而选择开放权重的团队,往往不得不单独接入一个搜索服务商。
CoreWeave 正把其合作伙伴思路延伸到这类工具上,先从 Exa、Parallel Web Systems 和 You.com 开始。此次发布的搜索层通过一个集成提供访问,而不是与每个服务商单独签约。
团队可以在标准推理请求中通过一个开关启用它,或在 CoreWeave Sandbox 内部访问,无需单独配置 SDK 或账号。这一安排是非排他性的,因此使用该集成不会限制未来的服务商选择。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。