skypilot-org/skypilot

它解决了什么

SkyPilot 解决了在多样化基础设施上管理 AI 工作负载的复杂性。它通过提供统一界面，在任何云提供商、Kubernetes 或 Slurm 集群上执行工作，消除供应商锁定，同时优化成本与资源可用性。

它如何工作

用户使用统一的 YAML 或 Python API 定义 AI 任务，指定资源需求（如 GPU/TPU）、数据同步以及设置/运行命令。SkyPilot 随后负责部署最便宜的可用基础设施、在容量不足时自动故障转移、同步代码库、安装依赖，并执行任务。

目标对象

它面向需要简单、可移植方式来启动与管理任务的 AI 团队，以及需要统一控制平面进行高级调度、扩展和 GPU 资源利用的基础设施团队。

亮点

• 多云与多集群：在单一界面下支持超过 20 种云（包括 AWS、GCP、Azure）以及 Kubernetes/Slurm 集群。
• GPU 优化：具备空闲资源自动停止、共享集群的二元打包，以及智能调度器以实现最大利用率。
• Kubernetes 增强：为 Kubernetes 添加 AI 原生功能，如组调度、多节点任务，以及简化的交互式开发（SSH/IDE 连接）。
• 代理集成：提供 “SkyPilot Skill” 让 AI 代理管理 GPU 访问和任务。
• 自带云模型（BYOC）：在用户自己的账户和 VPC 中启动所有资源。