分解式共享一切 ( DASE ) 平行存储与 AI 软件栈供应商 VAST Data 宣布推出一款 AI 操作系统。
VAST 设想了一种全新的计算范式,其中“数万亿个智能代理将在边缘部署、AI 工厂和云数据中心交织而成的全球网格中进行推理、通信和行动,每个网格由数百万块 GPU 构成。” 它将提供统一的计算与数据云,并从单一快速且经济高效的存储层中为新型 AI 工作负载提供近乎无限量的数据。
VAST 联合创始人兼 CEO Renen Hallak 表示: “这不仅仅是一个产品发布——这是计算演进史上的一个里程碑。我们在过去十年中重新构想了数据与智能如何融合。今天,我们自豪地推出面向一个不再以应用为中心,而以智能代理为核心的世界的 AI 操作系统。”
该 AI 操作系统基于 VAST 现有的 AI 数据平台构建,提供用于分布式智能代理计算和 AI 代理的服务。其组成部分包括: o 内核,用于在私有云和公有云上运行平台服务 o 运行时,用于部署 AI 代理 —— AgentEngine o 事件处理基础设施,用于实时事件处理 —— Data Engine o 消息传递基础设施 o 分布式文件与数据库存储系统,可用于实时数据捕捉和分析 —— DataStore、DataBase 和 Data Space
VAST 正在推出一项全新的 AgentEngine 功能。其 InsightEngine 利用 AI 预处理数据以供 AI 使用。AgentEngine 是一款具备自动扩展能力的 AI 代理部署运行时,为用户提供一个低代码环境来构建智能工作流、选择推理模型、定义代理工具并实现推理的运营化。
该平台配备了 AI 代理工具服务器,支持代理调用数据、元数据、功能、网络搜索或其他代理,并将它们作为 MCP 兼容工具使用。代理可以扮演具有不同用途和安全凭证的多个角色。代理工具服务器提供对各类工具的安全、实时访问,其调度器和容错队列机制确保代理在机器或服务故障时仍具备韧性。
AgentEngine 具备智能代理工作流的可观察性,采用并行、分布式追踪,使开发者能够统一且简洁地查看规模庞大且复杂的智能代理流水线。
VAST 表示,它将以每月一个的速度发布一系列开源代理。其中,一些个人助理代理将针对特定行业应用进行定制,而其他代理则设计为通用用途。示例包括: o 一个推理聊天机器人,基于整个组织的 VAST 数据驱动 o 一个数据工程代理,用于自动管理数据 o 一个提示工程师代理,帮助优化 AI 工作流输入 o 一个元代理,用于自动部署、评估和改进代理 o 一个合规性代理,用于执行数据和活动级合规性要求 o 一个编辑代理,用于创建丰富的媒体内容 o 一个生命科学研究代理,协助生物信息学发现
VAST Data 将在全年开展一系列 “VAST Forward” 全球研讨会,包括线下和线上形式。这些活动将涵盖 AI 操作系统组件的培训以及如何在该平台上进行开发的讲座。
评论 VAST 的 AI 操作系统并非像 Windows 或 Linux 那样的独立操作系统,它们是关注于硬件和基本服务的低级、处理器绑定系统。而该 AI 操作系统代表了 VAST 对 “思维机器” 愿景的最终呈现,是一个完整的 AI 栈实体。
Nvidia 拥有其 AI Enterprise 软件套件,支持生产级 AI 应用程序的开发与部署,其中包括生成式 AI 和智能代理 AI 系统。该套件包括类似 NIM 的微服务,并支持构建和部署 AI 代理以及管理 AI 工作流的工具,但它并不是一个完整的操作系统。
Dell 和 HPE 都拥有类似 AI 工厂的方案,这些方案可视为有潜力发展成为 AI 操作系统的方式。
附注 VAST 声称,它创下了所有数据公司历史上累计预订达到 20 亿美元最快的记录。在 2025 年第一季度,其同比增长近 5 倍,其 DASE 集群全球支持超过 100 万个 GPU。VAST 表示,其商业模式实现了正向现金流。
好文章,需要你的鼓励
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。