1. 首頁 > 生活百科 > >

FluidCloud大型基礎設施模型解決多云網絡遷移難題

ai

FluidCloud大型基礎設施模型解決多云網絡遷移難題

將整個工作負載從一個云平臺遷移到另一個云平臺并非易事 。

基礎設施即代碼技術的事實標準Terraform本來是為了讓基礎設施在云提供商之間具有可移植性而設計的 。 然而現實情況更加復雜且往往令人痛苦 。 每個云提供商都使用自己的資源方言 ， 遷移需要數月的手動重寫 ， 而那些聲稱能夠生成生產就緒基礎設施即代碼的AI工具在網絡、身份訪問管理和服務依賴方面仍然表現不佳 。
FluidCloud是一家位于加利福尼亞州普萊森頓的初創公司 ， 于2025年7月獲得810萬美元種子輪融資并走出隱身模式 ， 正在推出他們稱為大型基礎設施模型的技術 。 大型基礎設施模型是一個專門構建的AI引擎 ， 用于在多云環境中生成、翻譯和驗證Terraform 。 該公司認為 ， 掃描云環境并生成基礎設施即代碼與實際能夠將該基礎設施遷移到另一個提供商是不同的 。
FluidCloud聯合創始人兼首席執行官Sharad Kumar對Network World表示：\"市場上大多數公司在掃描云環境并生成基礎設施即代碼時 ， 都稱之為彈性 。 真正的彈性是如果你有能力將其遷移到其他地方 。 你可以將其遷移到另一個區域 ， 可以遷移到另一個云提供商 。 這樣我才能稱之為真正的彈性 。 \"
大型基礎設施模型的架構設計
使用大語言模型然后針對特定用例進行微調的想法并不新鮮 ， 這正是各行各業現在獲得具有適用領域知識的高級AI工作方式 。
大型基礎設施模型背后的架構與大多數AI基礎設施工具的構建方式不同 。 聯合創始人兼首席技術官Harshit Omar表示 ， 該系統不是建立在像Llama這樣的基礎模型或標準微調大語言模型之上的 。
Omar對Network World表示：\"這是多個模型的混合 。 轉換和核心能力不是大語言模型 ， 而是我們自己的條件模型 。 \"
標準大語言模型位于前端以解析用戶意圖 。 Terraform生成和云到云轉換工作運行在基于基礎設施模式訓練的自定義基礎模型上 。 訓練數據完全是合成的 。 FluidCloud生成了自己的Terraform配置 ， 并使用自己的轉換技術來構建訓練語料庫 。
Omar說：\"我們生成了大量Terraform ， 并使用我們自己的技術生成越來越多的Terraform 。 這就是驅動大型基礎設施模型的動力 。 \"
FluidCloud使用BLEU評分對大型基礎設施模型進行基準測試 ， 這是評估生成輸出準確性與參考結果對比的標準指標 。 Omar表示該模型目前得分為0.58 。 0.60的分數代表在Terraform生成任務上達到人類水平的性能 。
擴展的功能和輸入模型
在大型基礎設施模型之前 ， FluidCloud的平臺需要直接云掃描作為輸入 ， 覆蓋大約25到30種資源類型 。 覆蓋范圍已擴展到跨云提供商的150多種資源 。
輸入模型也發生了變化 。 以前 ， 平臺需要受控掃描來產生輸出 。 大型基礎設施模型接受包含Terraform代碼的現有GitHub存儲庫 。 它處理多種Terraform語法樣式 ， 包括基于模塊、基于工作空間和變量配置 。 它還支持自定義映射覆蓋 。
大型基礎設施模型添加了在遷移開始前運行的兼容性評分層 。 給定現有基礎設施 ， 它估計在目標平臺上失敗的工作負載百分比 。 大型基礎設施模型還引入了故障預測 。 引擎分析云提供商發布周期、區域間公共網絡延遲數據和計劃的操作系統升級窗口 。 該公司計劃建立一個公共社區頁面來發布即將到來的故障預測 ， 以便企業可以訂閱提前通知 。
該平臺開箱即用包含1800個合規策略 。 這些策略涵蓋主要超大規模云服務商 ， 以及Vultr、OVH和Hetzner等新云提供商 。
解決跨云網絡挑戰
跨云網絡是多云遷移中較難的翻譯問題之一 。 VPC配置、私有隧道、安全組和防火墻規則在不同提供商之間的表達方式都不同 ， 手動遷移這些通常是遷移停滯的地方 。
大型基礎設施模型在云之間翻譯基礎設施時復制完整的網絡堆棧 。 Omar說：\"我們在另一個云中也復制整個網絡堆棧 ， 所以你真的不會丟失任何東西 。 所有云提供商都提供相同的功能 ， 只是計算方式不同 。 \"
大型基礎設施模型在跨提供商DevOps和基礎設施模式上進行訓練 ， 因此它處理翻譯而不需要工程團隊從頭學習每個云的網絡方言 。
除了遷移 ， 大型基礎設施模型還充當優化層 。 Omar解釋說 ， DevOps工程師做出的每個基礎設施變更都屬于三個類別之一：成本、安全或性能 。 大型基礎設施模型對這些變量建模 ， 并根據檢測到的意圖對它們進行權重設置 。
Omar說：\"如果你給每個變量不同的權重 ， 它就會產生新的基礎設施 。 大型基礎設施模型理解DevOps意圖 。 它試圖尋找什么 ， 是否在降低成本 ， 是否在提高性能 ， 然后平衡配置 。 \"
關于故障預測 ， Omar表示上游光纖提供商是云故障的最小因素 。 更大的驅動因素是發布周期壓力 。 他說：\"大多數時候要么是一些糟糕的發布 ， 要么是發布周期中的某些問題 。 由于每個云提供商都面臨提供越來越新服務的壓力 ， 再加上AI和代碼生成 ， 質量控制和故障正在變得越來越多 。 \"
Omar表示下一個開發重點包括用于通過MCP創建自定義基礎設施工作流的智能體構建器 ， 以及抽象云提供商API的可移植SDK 。 有了這些SDK ， 切換云部署只需要更改環境變量而不是重寫API調用 。
Kumar說：\"我們正在推出許多智能體工作流 ， 這幾乎將為用戶提供超能力 。 \"
Q&A
Q1：FluidCloud的大型基礎設施模型是什么？
A：大型基礎設施模型是FluidCloud開發的專門構建的AI引擎 ， 用于在多云環境中生成、翻譯和驗證Terraform 。 它能夠掃描云環境并實際將基礎設施遷移到其他云提供商 ， 實現真正的彈性 。
Q2：大型基礎設施模型如何解決跨云網絡遷移難題？
A：大型基礎設施模型在云之間翻譯基礎設施時會復制完整的網絡堆棧 ， 包括VPC配置、私有隧道、安全組和防火墻規則 。 它在跨提供商DevOps和基礎設施模式上進行訓練 ， 能處理不同云提供商的網絡方言翻譯 。
Q3：大型基礎設施模型的性能表現如何？
【FluidCloud大型基礎設施模型解決多云網絡遷移難題】A：FluidCloud使用BLEU評分對大型基礎設施模型進行基準測試 ， 目前得分為0.58 ， 接近0.60的人類水平性能 。 該模型覆蓋跨云提供商的150多種資源類型 ， 并包含1800個合規策略 。

    推薦閱讀