版本化 AI 数据引擎
Deeplake 结合了向量和张量存储、版本控制、查询支持、用于微调的 GPU 流式传输，以及无服务器 Postgres 接口。
Activeloop
Freemium
Activeloop 提供持续学习基础设施，涵盖版本化 AI 数据、跨团队共享的智能体记忆，以及针对目标硬件验证软件优化的工作流，适用于 AI、数据和软件工程团队。
什么是 Activeloop？
Activeloop 提供持续学习基础设施，包含三个组成部分：Deeplake 用于版本化 AI 数据，Hivemind 用于共享智能体记忆，Refinery 用于软件优化。它们共享基础设施，并围绕生产反馈组织工作流程：观察工作、记住执行轨迹、改进下一轮，并在发布前验证变更。
数据部分将向量和张量与查询功能及 GPU 流式传输相结合。记忆部分捕获智能体执行轨迹，并在团队间分发技能。Refinery 提供可部署的循环运行器，可针对团队的硬件、工作负载和正确性要求生成并测试候选内核。
Activeloop 能做什么？
共享智能体记忆
Hivemind 捕获智能体执行轨迹，在团队间同步，并分发由此形成的技能。
可部署的优化循环
Refinery 将生成、编译、基准测试和验证整合为一个引擎，持续处理选定的优先工作负载。
参考测试与发布门禁
候选内核在目标硬件上进行基准测试，与参考算子进行核对，并评估是否存在回归，然后再使用部署钩子。
遥测与可衡量的规格
生产环境信号会输入后续优化周期。团队会在启动范围明确的项目之前设定加速目标、延迟预算和准确率下限。
使用场景
“组织智能体数据”
对向量和张量数据进行版本管理并使其可查询，同时为微调工作负载提供 GPU 流式传输。
“在团队间共享智能体经验”
将执行轨迹转化为组织记忆和技能，以便同步和分发。
“针对目标硬件优化工作负载”
为迭代式内核优化项目提供模型图、算子轨迹、硬件配置、基准测试目标和正确性测试。
常见问题
这三个组成部分有何不同？
Deeplake 是数据引擎，Hivemind 负责共享智能体记忆，Refinery 负责持续优化。请根据需要解决的数据、记忆或工作负载问题选择相应部分。
Refinery 项目需要哪些输入，又会交付什么？
输入包括模型图、算子轨迹、硬件配置、基准测试目标和正确性测试。输出包括优化后的内核、性能报告、可复用的内核库和部署钩子。
如何检查改进效果？
该循环会生成并编译候选方案，在目标硬件上进行基准测试，检查其是否符合参考正确性并排查回归，然后将结果用于后续迭代。项目目标由可衡量的规格定义。
采用何种访问与交付方式？
该基础设施栈的各组成部分均有各自的产品入口。Refinery 提供为期 90 天、范围明确的试点，覆盖 3 至 5 个优先工作负载；达到商定的加速目标后，可转为平台合作。项目范围和目标由团队共同设定。
快速信息
- 产品类型
- 持续学习基础设施栈
- 组成部分
- Deeplake 数据；Hivemind 记忆；Refinery 软件优化
- 主要团队
- AI、数据和软件工程团队
- 内核项目输入
- 模型图、算子轨迹、硬件、基准测试和正确性测试
- 验证方式
- 参考正确性、目标硬件基准测试和回归检查
Activeloop 流量分析
流量数据仅供参考。
- 域名评分
- 65
