星流计算（NovuInfra，浙江星流计算科技有限公司）发布 SerpForge™ AI 模型训推平台（SerpForge™ AI Model Training & Inference Platform），面向全行业企业与机构，贯通数据处理、模型训练、效果评测、推理部署与应用反馈，支持用户基于自身数据和业务需求构建专属 AI 能力。

通用模型进入企业业务流程，往往还需适配专业术语、输出规范和具体任务。SerpForge 将模型调优与业务反馈连接起来，为制造、金融、能源、医疗等领域的专业问答、文档生成、语音处理和智能体应用提供支撑，推动模型能力融入实际工作流程。

图 1  SerpForge™ AI 模型训推平台工作台

贯通五环闭环 让模型迭代有据可循

SerpForge 将「数据—训练—评测—部署—反馈」组织为一条可管理的模型生产流程。训练前，平台检查数据重复、格式、泄漏、隐私信息、覆盖度与适配性，帮助用户识别质量问题。通过网页操作与流程编排，用户可以组织训练任务、查看运行状态，并比较不同实验版本。

在评测环节，用户可围绕业务任务设置评测数据与达标门槛，未达标的模型将被拦截部署。平台关联保存数据版本、训练记录、评测结果与模型产物，支持回溯每次升级的依据。模型上线后，业务人员的修改与评价经审核整理，进入下一轮训练，形成持续改进机制。技术团队可据此追踪实验过程，业务团队则结合场景评测与使用反馈判断模型表现，减少模型开发和应用验收之间的脱节。

图 2 SerpForge 模型训推五环闭环

一基座多任务 提升场景适配与调优效率

平台采用 LoRA 插件化适配方式，在共享基座上训练不同任务插件，支持独立训练、评测和版本管理，由推理服务按请求调用。这有助于减少重复部署完整模型的资源开销，让新增场景与版本更新更加灵活。企业可根据模型规模、业务量和并发需求配置资源，为不同部门分别管理任务能力。

在调优环节，自动实验流程串联训练配置调整、模型训练、效果评测与实验记录。AI 结合实验结果提出优化建议，用户选择继续、定版或停止；参数白名单、数值边界及轮次和算力时长限制约束自动化运行。平台还可协同知识库与智能体，让微调改善任务行为、知识库提供更新资料，支持业务应用持续优化。借助标准接口，模型服务可接入企业已有系统，配合智能体完成资料检索、内容生成等任务，再由业务人员审核确认。

创新 Agent 计算架构 支撑全国产化与信创建设

面向智能体多轮交互与持续上下文处理需求，星流计算提出 Agent Native Compute（智能体原生计算）架构，并通过 NovuWing Runtime 实现。据公司介绍，该架构的首创性创新在于基于 KV Cache 语义的三级内存调度：以模型上下文缓存为管理对象，协同调度显存（L0 级）、主机内存（L1 级）与 NVMe 存储（L1.5 级），使计算资源配置更贴合智能体任务的运行需求，为多轮交互与连续执行提供支撑。

NovuWing Runtime 与飞腾 ARM 服务器平台、国产加速卡、麒麟操作系统及自研软件协同，支撑全国产化部署与信创环境建设。训练、推理、存储与日志可在用户自有环境内完成，结合权限分级、版本管理、操作审计和资源监控，便于企业统一管理数据、模型与运行过程。部署可从单部门试点逐步扩展，按业务需求配置资源，兼顾现有系统衔接和后续应用增长。

布局全栈 AI 基础设施 从模型生产走向智能体应用

星流计算定位于全栈 AI 基础设施提供商，围绕国产算力底座、NovuWing 计算与推理支撑、SerpForge 模型训推、SerpMind 智能体系统，以及 MCP 业务接口和应用入口构建产品体系。各层协同连接资源调度、模型生产与业务执行，为企业建设 AI 应用提供完整基础。

围绕这一定位，星流计算以 Agent Native Compute 架构为技术主线，以全国产化与私有化部署为基础，通过开放接口连接既有业务系统，推动算力、模型与智能体应用协同演进。此次 SerpForge 发布进一步完善了模型生产与反馈环节，支持企业从具体场景起步，逐步拓展智能体应用。

来源：互联网