ave的高性能共享文件系统，旨在支持GPU/节点之间的访问，使组织能够高效地在分布式基础设施上训练大型语言模型 本地存储：节点附加存储解决方案，将数据靠近计算，提高实时推理和预处理等高强度工作负载的性能 管Kubernetes：完全托管的GPU优化Kubernetes服务，简化集群操作，同时实现高效的编排、扩展和AI以及云原生工作负载的性能 bermetes集成，统一高性能计算和云原生调度，支持大规模GPU密集型AI和模拟工作负载的高效编 ，抽象基础设施，使组织能够按需练、扩展和部署强化学习模型，无需管理集群或资源 训练：可扩展的 GPU 启用基础设施和工具，有效地在大数据集上训练AI模型，提供更高的性能和可靠性 微调：灵活的工作流，将基础模型适应特定用例，使得使用领域特定数据更快迭代和提高模型准确性 推理：高吞吐量、低延迟的服务基础设施，优化大规模部署模型，支持实时和批量推理工作负载 监控：端到端可观察性工具，跟踪模型性能和使用情况，帮助团队保持可靠性并持续改善模型结果 任务控制：CoreWeave 的集中平台，用于跨集群的基础设施和工作负载的配置、管理和编排，实现统一的控制和可见性 机队生命周期控制器：自动化管理GPU 机群，包括扩展、升级和健康管理，以确保一致的性能和可用性 节点生命周期控制器：处理节点级配置、配置和维护，优化计算资源的正常运行时间和性能 可观察性：提供系统性能、资源利用和工作负载健康的实时洞察，以快速识别和解决问题 安全性：内置安全工具，如隔离、访问控制和合规功能，以保护数据、模型和基础设施 isorizer：高速模型加载技术，显著减少启动时间并加速模型部署