一个平台，无限可能
加入全球 1600 多家具有前瞻性思维的组织，他们都在使用 ClearML
探索 ClearML 的 AI 开发中心
只需两行代码即可轻松地大规模开发、集成、交付和改进 AI/ML 模型。ClearML 提供了一个统一的开源平台，用于持续的 AI 和 ML。使用我们所有的模块构建完整的端到端生态系统，或者将任何模块替换为您已有的工具以获得自定义体验。ClearML 的 AI 开发中心可作为一个统一平台或模块化产品提供
精简您的整个 AI/ML 工作流程
使用 ClearML 自动化、集成和扩展 AI 开发
高效的 AI 工厂需要全面的软件基础设施来支持 AI 开发的各个方面。ClearML 解决方案的核心是我们的 AI 开发中心，它是一站式服务，涵盖您的整个 AI 工作流程，提供协作式实验管理、强大的编排、易于构建的数据存储以及用于 ML 模型和 LLM 的一键式模型部署。ClearML 使您能够专注于开发您的 AI/ML 代码和自动化，确保您的工作可复现且可扩展。
AI 开发中心是我们三层平台的一部分，该平台提供流畅、可扩展的 AI 工作流程。它与我们的基础设施控制平面无缝集成，使您能够在经批准的远程集群上安全地启动任何 AI 工作负载。对于需要灵活性和轻松访问计算资源同时推动 AI 采用的 AI 构建者来说，它是终极解决方案。
您的 ClearML AI 之旅可能始于通过基础设施控制平面调配计算资源。从那里，您可能使用我们的GenAI 应用引擎加速了您的 GenAI 项目，部署了自定义或微调的 LLM，同时使用集成的数据工具和编排进行迭代。AI 开发中心将所有这些联系起来，使您能够轻松地编写代码、测试和部署 AI 模型。
在任何 AI 基础设施上大规模构建、训练和部署模型
优化基础设施。最大限度地提高效率和降低成本。
构建
ClearML 的开源 MLOps/LLMOps 平台简化了构建和管理 AI 和 ML 模型的过程。它通过协作和可见性提升端到端工作流程效率。我们的联合数据管理方法使用户可以通过抽象的元数据查看、查询、采样和预处理数据。所有更改和版本都会保存，而不会影响原始源数据。ClearML 的 Hyper-datasets 功能将非结构化数据的管理提升到了一个新的水平，减轻了处理大型文件和数据集的负担，并具有诸如使用向量数据库改进搜索或用于可扩展 CI/CD 工作流程的自动化数据摄取管道等功能。
除了 ClearML，AI 构建者可以使用他们已经在使用的流行工具和框架来简化实验跟踪，其中包括详细的日志记录和模型版本控制。创建、跟踪和监控管道和 AI 代理，为您的模型提供额外的逻辑和脚手架。ClearML 通过协作式报告提供完整的模型溯源和可追溯性。利用易于使用的快捷方式，例如高级超参数优化，简化模型的微调以获得更好的性能。
训练
训练 AI 模型时，您将作业添加到队列中，ClearML 会自动处理运行所需的调度和资源管理，同时记录设置和参数。集成的编排使您可以通过每个作业及其完整环境的容器化来自由使用任何可用的计算集群（本地、云或 HPC）。这种方法允许实验的完全可复现性，同时为管理幕后计算的 IT 团队提供了灵活性和简单性。
对于拥有混合或多云集群的组织，ClearML 提供云溢出和自动伸缩器，以有效运行作业，同时最大程度地减少空闲时间并控制云支出。
部署
ClearML 的不同之处
自动化编排
专注于创新，而非基础设施
自动化您的整个 AI/ML 模型工作流程——从数据到洞察——并在单一、持续、无摩擦的流程中管理您的整个开发生命周期。ClearML 快速高效地将每个作业及其所需的环境容器化，使其可以在任何集群（Kubernetes、Slurm、PBS 或裸机）上运行。
调度和优化计算
优化性能，减少计算、硬件和资源支出
在您自己的计算平台（无论是本地还是云端）上编排和调度您的作业，这样您就可以完全了解您的基础设施使用情况，并最大限度地提高效率和降低成本。
构建、迭代和自动化
更快地微调数据和模型，缩短 AI/ML 周期，并大规模交付 CI/CD 模型
创建多节点管道和自动化，执行逻辑驱动的流程，以加速数据预处理、模型训练、反馈收集和 CI/CD。使用缓存组件加速 AI 开发，更快地交付更好的模型。
企业级复杂性简化
使用安全、可定制、生产就绪且可扩展的平台进行创新
ClearML 专为最复杂、要求最严苛的环境和新颖的用例而设计，可帮助您解决企业独特的开发挑战。通过 RBAC、SSO 和 LDAP 集成，借助企业级控制和权限推动 AI 采用。
