@RituWithAI: 有人打造了一款工具，能自动找到全球最便宜的GPU来运行你的AI工作负载，并直接在那里执行。AWS…

有人开发了一个工具，它能自动找到地球上最便宜的GPU，并直接在那里运行你的AI工作负载。

AWS、GCP、Azure、Lambda、Fluidstack、CoreWeave、Crusoe……18个云平台，一条命令搞定。

这个工具叫SkyPilot，拥有8200个GitHub星标。它解决了AI开发中最昂贵却最隐蔽的问题。

问题是这样的：

你需要一个GPU。你打开AWS，申请一个H100。us-east-1区域没有现货。你换us-west-2，配额超了。你尝试不同的实例类型，等待，多花钱，最后放弃，用了一个更小的GPU，运行时间翻倍。

而与此同时，同一个H100正闲置在Lambda Labs上，价格只有一半。你只是不知道而已。

SkyPilot知道。

它会同时查询所有主流云平台——18个提供商、几十个区域、数百种实例类型——并即刻找到满足你需求且最便宜的可用GPU。然后它会自动配置资源、运行你的任务，完成后自动释放。

无需手动在各云平台间比价。不用再到处申请配额。不会再有闲置实例在你没注意时白白烧钱。

以下是它的实际功能：

→ 托管任务（Managed Jobs）——提交训练任务，SkyPilot找到最便宜的GPU运行，自动应对竞价实例的抢占，不丢失进度
→ Sky Serve——将任意模型部署为生产级端点，支持跨多个云平台自动扩缩容和负载均衡
→ 开发集群（Dev clusters）——一条命令拉起GPU开发环境，像本地机器一样使用，按用量付费
→ 任意框架——PyTorch、JAX、vLLM、任何Docker容器、任何Kubernetes工作负载
→ 竞价实例优化——自动使用可中断实例，成本降低70%-90%，并支持自动检查点保存和恢复
→ 成本面板——清晰查看每个任务的花费，按云平台、区域、实例类型细分

实际成本节省是这样的：

AWS按需单台H100：32.77美元/小时。同样的算力在Fluidstack竞价实例上：2.42美元/小时。SkyPilot自动找到2.42美元的选项，如果被抢占，它会回退到下一个最便宜的可用方案。

为期一周的训练：AWS按需需要5500美元。使用SkyPilot的多云竞价优化，不到500美元。 相同的GPU，相同的训练任务，成本相差10倍。

最疯狂的是：

SkyPilot把你的整个多云基础设施视为一个巨大的算力池。你不用关心区域，不用关心提供商。你只需描述需求——“4块H100 GPU，每块80GB显存，至少400GB内存”——SkyPilot立即找到最便宜且满足条件的地方，并在那里运行你的任务。

一个YAML文件。任意云。最便宜的可用方案。全自动。

就这样。其他一切由SkyPilot处理。 这对每一个不是FAANG工程师的AI开发者来说为何重要？

大实验室有预留容量和合同价，每GPU小时只需支付几美分。其他人则支付全价按需定价——往往是大实验室为相同算力所付金额的5到10倍。

SkyPilot通过同时在18个云平台上寻找竞价容量来弥合这一差距。这是个人开发者或小团队最能接近企业级算力经济性的工具。

一条命令开始使用。

8.2K GitHub星标，681个复刻，7239次提交，Apache 2.0许可证。

100%开源。

GitHub链接在评论区。