返回 AI 工具目录
Dstack
基础设施人工精选最近核验 2026年7月23日
dstack 是 dstackai 开源的厂商无关 GPU 编排与控制平面,用于在多家云厂商、Kubernetes 集群和裸金属服务器上统一调度训练、推理与 Agent 工作负载。它把算力供给、任务排队、自动扩缩、网络与存储卷管理收拢到一处,开发者通过 YAML 声明 fleet、开发环境、task、service、volume 等资源即可跨异构硬件运行,避免绑定单一供应商。支持 NVIDIA、AMD、Google TPU、Tenstorrent 等加速器,提供 CLI、编程 API 与面向 AI Agent 的接入方式。采用 MPL 2.0 许可,适合需要在多环境间灵活调度 GPU 的机器学习团队。
定价开源部署自托管国内可达国内可达许可MPL-2.0
解决什么问题
- 跨多云、Kubernetes、裸金属统一调度 GPU 算力
- 自动处理供给、排队、扩缩、网络与存储卷
- 用 YAML 声明训练、推理与服务等工作负载
- 避免绑定单一云厂商或硬件
适合
- 在多个云或本地集群间灵活调度 GPU 的团队
- 需要统一管理训练与推理任务的 ML 团队
- 希望以声明式配置管理算力资源的场景
不适合
- 仅用单一云托管服务时价值有限
- 需自行部署与维护控制平面,有运维成本
- 不替代模型训练框架本身,只做编排
如何接入
- 通过 CLI 与 Python API 操作
- 用 YAML 定义 fleet、task、service、volume
- 对接 NVIDIA、AMD、TPU、Tenstorrent 等加速器
- 可接入多家云、Kubernetes 与裸金属后端
已知限制
- 控制平面需自行部署与维护
- 实际算力可达性取决于所配置的云或硬件后端
- 面向 GPU、ML 场景,通用编排非其定位
接入与使用事实
- 部署方式
- 自托管
- 实现语言
- Python、YAML
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- MPL-2.0
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。