Crusoe扩展AI平台：推出无服务器微调与自助推理部署

AI

Crusoe最近在自家Intelligence Foundry平台上搞了个大动作，推出了无服务器微调和自助推理部署功能。说白了，就是让那些想定制开源模型的企业AI团队，不用自己折腾GPU基础设施，也能轻松上手。

新功能支持客户对开源基础模型进行微调，然后部署到托管推理端点，或者直接把训练好的模型权重导出到其他平台使用。这波操作，本质上是在降低企业应用AI的门槛。

企业从GPU访问转向全栈AI平台

这次发布背后，其实折射出AI数据中心市场一个更根本的演变方向。随着开源模型质量一路走高，市场竞争的焦点已经从“谁能提供更多的GPU算力”，转向了“企业能否在控制成本、保留模型所有权的同时，顺畅地从实验阶段跳到生产部署”。

IDC研究副总裁Da ve McCarthy对这个趋势看得很透。他说，竞争早已不是GPU访问那么简单了。“GPU访问是过去大概18个月的核心议题，但现在已经不是了，至少不是全部。”他接触的每一家企业都明白，原始算力只是入场券。真正的差异点在于，微调流水线、评估机制、部署工具以及推理优化，能不能作为一个整体系统协同运作。

McCarthy还点出了一个关键风险：只盯着算力的服务商，很容易被同质化。“只卖芯片的供应商会被商品化。最终胜出的，是那些能管理整个模型生命周期的平台——从训练数据到生产监控，而不仅仅是底层硬件。”他特别强调，模型可移植性已经成为企业采购的硬性要求，不是锦上添花的附加项。

开源模型驱动持续微调需求

Crusoe产品高级副总裁Erwan Menard观察到，开源模型在质量上已经明显跨过了可用门槛。越来越多企业开始希望拥有模型的自主控制权，而不是依赖第三方专有API。

“团队可以基于自己的数据，衍生出专属版本的模型，并自主决定什么时候在智能体中停用这个模型，而不是被动等待第三方供应商悄悄换掉底层模型。”Menard说。

随着企业从单纯调用API转向更深度的模型使用，持续微调的需求正在快速增长。很多AI原生企业已经不把微调当成一次性的开发步骤了，而是定期把生产环境数据反馈到开源模型里，一边提升性能，一边降低推理成本。

Menard坦言：“微调需求的增速超出了我们的预期。对于正在构建生产级AI智能体的团队来说，模型生命周期的自主管控正在变成刚性需求，尤其是在模型可预测性和数据所有权被列为采购标准的企业环境里。”

目前，该平台支持Qwen、DeepSeek、Gemma以及GPT-OSS等一系列主流开源模型。

动态调度降低GPU闲置成本

跟传统需要预留GPU集群的AI训练环境不同，Crusoe用的是动态调度方式，在AI基础设施里灵活分配微调任务。

“微调工作负载本身就有波峰波谷的特性。”Menard解释说，“预留容量模式会逼着团队为峰值负载超额购买资源，结果在其他时间只能让昂贵的硬件闲着。”

这个服务能自动重启中断的任务，在训练过程中保存检查点，并在模型停止改善时自动停止计费。客户拿到的训练完成模型权重，是开放的.safetensors格式，可以在Crusoe或者其他平台上自由部署。

在生产推理方面，公司新推出的自助部署服务基于Nvidia H100和H200 GPU运行，客户不需要直接管理基础设施，就能部署托管推理端点。

可移植性：通过可导出权重保留模型所有权

Menard表示，Crusoe的目标是消除模型定制与生产部署之间的操作摩擦。采用开源模型的企业，越来越希望保留对微调模型的所有权，不愿意被锁定在单一推理平台上。

无服务器微调与自助部署服务计划下周通过Crusoe Intelligence Foundry正式上线。微调服务按每百万Token计费，推理部署则按GPU使用小时收费。

Q&A

无服务器微调服务按每百万Token计费，推理部署按GPU使用小时收费。跟传统需要预留GPU集群的模式不同，这个平台采用动态调度，模型训练停止改善时自动停止计费，避免用户为闲置硬件买单，有效降低了企业的AI开发成本。

目前支持Qwen、DeepSeek、Gemma以及GPT-OSS。企业可以基于这些模型，用自有数据微调，生成专属版本，并以开放的.safetensors格式导出模型权重，部署在Crusoe或其他平台上。

IDC研究副总裁Da ve McCarthy指出，模型可移植性已经从业内常说的“锦上添花”变成了硬性要求。企业不想被锁定在单一推理平台，也越来越重视对微调模型的自主所有权，不愿因为第三方供应商更换底层模型而被动受影响。能在权重导出上提供灵活性的平台，显然更吃香。