Vultr 用 Nvidia GPU 和 AI 智能体降本 90%

Vultr 正在使用 Nvidia GPU 和 OpenClaw 等 AI 智能体来自动化开发者的基础设施设置——并声称其成本比主要超大规模云厂商的同类产品低 50% 到 90%。该平台专为内部开发者门户（IDP）构建，让平台工程团队能基于自身的安全策略、网络规则和合规要求训练 AI，然后将其暴露为一组预配置选项库，供开发者一键部署。

在 KubeCon+CloudNativeCon Europe 上，Vultr 首席营销官 Kevin Cochrane（拥有超过二十年的深厚技术背景）将 Nvidia 描述为 Vultr 所提供服务的“燃料”或“电力”。

“我们想帮助平台工程师造一辆他妈的宝马，这样当他们开上高速公路时，实际上是在开 autobahn（德国不限速高速），时速能达到 240 公里。”

“你将会消耗我们提供的燃料或电力，”Cochrane 补充道。

更便宜的计算，自动化的设置

借助 Nvidia 的资源，Vultr 表示可以提供成本更低的体验，其计算方面的“燃料”或“电力”价格更便宜，而这通常是组织难以承受的高昂成本。

“挑战在于，如果你有一辆宝马，并且想开得很快，否则你将在计算上投入大量资金，”Cochrane 补充说。

Vultr 创建了这个替代方案，让平台工程团队鱼与熊掌兼得：高性能、AI 集成的模板，用于以极具竞争力的成本创建和管理内部开发者门户。据 Vultr 称，这些成本节省既适用于这项新功能，也适用于其现有产品。

技能文件取代手动脚本

在这种新的 AI 基础设施方法中，平台工程师的角色从手动设置转向高层架构设计。他们不再手动编写每个脚本，而是专注于构建核心技能，Cochrane 告诉 The New Stack。这些技能本质上是“技能文件”，AI 智能体（如 OpenClaw）使用它们来执行特定的操作任务。

为了创建这些，平台工程师开发一个工件库作为训练集。这些工件代表了一套“已知的良好原则”，已经过“预烘焙”并“得到技术团队所有人的认可”，Cochrane 说。

例如，网络工程团队可能会创建一个网络技能文件。这个文件告诉 AI 如何“创建 VPC”，在特定城市之间建立“直连”，并设置“故障转移”区域，Cochrane 解释道。

一旦这些技能通过开发者门户暴露出来，下游开发者就可以部署应用程序，而无需担心“网络”、“数据中心位置”或“附加存储”，Cochrane 说。

由于平台是“100% API 驱动”的，AI 智能体只需使用这些技能文件来自动化整个配置，Cochrane 表示。这确保了数据隐私和安全策略等复杂要求得到自动处理，防止开发者“搞砸”。

最终，所有基础设施复杂性都“被完全抽象掉”，因此开发者可以只专注于应用程序本身，Cochrane 说。

Nvidia 技术栈赋能 Vultr

Cochrane 描述了 Vultr 所编排的 Nvidia 技术栈的三个组成部分：

• Nvidia Dynamo：一个用于基础设施管理的“AI 操作系统”，适用于 Kubernetes 的有状态和无状态工作负载。
• Nvidia Vera Rubin 平台：一个集成了 GPU、CPU、网络和存储的系统，旨在推动“代币经济学的效率边界”。
• 智能体 AI 与 NemoClaw：强调开源技术栈（包括 OpenClaw/NemoClaw），通过更高层次的“技能”和抽象为自主智能体提供安全基础。

开发者点击，而非配置

一旦平台工程团队设置好 IDP，开发者就可以点击选择他们想要和需要的东西（并且无法访问可能损坏基础设施或无意中产生 5 万美元云账单的 AI 智能体）。开发者可以使用 IDP API 选择服务器，例如选择 Cloud GPU 或 Optimized Cloud，以及其位置，无论是在新泽西、伦敦还是东京。

通过点击 Nvidia NemoClaw 图标可以访问“市场”标签页。Vultr 系统自动化的其他配置选项包括服务器大小、Nvidia GPU 型号（如 H100 或 A100）、RAM 和月度价格。

“所有这些复杂性都应该由平台工程团队处理，其他一切都应该对开发者完全透明。他们不应该需要了解任何相关细节。”

“任何构建下游应用程序的开发者都可以使用像 OpenClaw 这样的工具，并利用那些技能……他们基本上就是让他们的‘爪子’设置好他们的流水线、模型、代码流水线，然后就可以开始了，”Cochrane 说。“所有这些复杂性都应该由平台工程团队处理，其他一切都应该对开发者完全透明。他们不应该需要了解任何相关细节。”