Applied Compute Agent Cloud (4分钟阅读)

# Applied Compute Agent Cloud 来源: https://www.appliedcompute.com/platform/introducing-ac2 为让每个团队都能触及下一技术前沿，我们正式推出 AC2：Applied Compute Agent Cloud。AC2 是我们内部研究人员构建定制化尖端模型的平台，已为微软、英伟达、Cognition、Mercor、DoorDash、Harvey 等客户提供服务。 AC2 为所有 AI 团队提供统一平台，支持开放模型训练、大规模部署，并将生产环境中遇到的一切问题转化为下一轮优化的动力。每个公司都应构建基于自身数据、专为自身业务设计的智能系统。 以下是您需要了解的 AC2 核心要点： ### **1. 构建您的模型工厂** 开放模型正以惊人速度迭代。每个月都有更强大的权重发布，不断拓展团队可构建的应用边界，同时使任何单一模型都难以长期保持竞争优势。 企业成功的关键不在于选择最佳模型，而在于构建"模型工厂"——一套可重复的流程，将您的数据持续转化为模型改进。通过 AC2，企业现在可以从提示词层面的定制深化到模型本身的定制，使每个模型都适配企业独特的工作流程与特定需求。 ### **2. 选择适合团队的方案** AC2 支持所有最新开放模型，允许团队根据能力、速度和成本为不同工作负载选择最佳起点。随着新权重的发布，团队可快速评估并迁移到更优基础模型，无需重建整个技术栈。 AC2 还支持自定义训练工具链。您只需数十行代码即可启动训练，让研究人员专注于实验与数据处理，而非基础设施搭建。 ### **3. 将实验转化为可重复的工程化流程** 强化学习模型的训练既是科学也是艺术。研究人员常需观察模型行为，以调试环境、评分器及智能体操作中的问题。AC2 控制台作为研究驾驶舱，可帮助您分析运行轨迹、对比实验结果并迭代优化评分器。 我们前沿级的后训练技术栈在确保 ML 稳定性的前提下最大化 GPU 性能。强化学习控制平面能适应训练算力和上下文长度的扩容需求，让您新增算力后立即实现高利用率。 应用研究智能体 Ari 全程伴随您的训练循环，分析结果、发现故障模式，并将每次发现转化为下一次实验的优化数据。Ari 监控运行状态、分析执行轨迹，甚至在您离线时仍能自主执行操作。 ### **4. 依托专属推理容量进行部署** 我们的服务栈可针对您的工作负载进行端到端优化，在延迟、吞吐量与成本间实现最佳平衡，并根据流量变化自动扩缩容。 由于训练与服务共享同一平台，生产环境端点采用与训练相同的采样配置、数值精度和内核。每次部署都会根据工作负载的延迟与吞吐需求进行调优。完成训练后，您可在数分钟内部署检查点，享受 99.9% 可用性、自动扩缩容、低延迟推理（通过推测解码实现）。 新检查点可在数分钟内通过相同端点部署，无需更改 API、路由、访问控制或监控体系。 ### **5. 持续进化的模型** 最具价值的数据往往产生于部署之后：真实用户交互、修正与反馈。服务上线后，您可以捕获这些数据用于持续训练与优化。生产环境数据轨迹可帮助您识别故障模式、构建新数据点、生成自蒸馏提示信息，并指导下一轮训练。 AC2 的基于策略自蒸馏功能，允许您在原始环境无法复现时，依然能从生产流量中学习。您可以利用数据轨迹和用户交互为下一代模型生成学习信号。 最终实现的是随着每次交互变得更强大、更高效、更专精的智能系统。AC2 为 AI 团队提供了训练、服务及持续改进自有智能系统的基础设施。 AC2 目前已开放私测版。 了解更多请预约演示⌝ (https://www.appliedcompute.com/book-a-demo)，或加入我们⌝ (https://jobs.ashbyhq.com/Aplied%20Compute)共同构建用于训练和部署开放权重模型的平台。