当生产级智能体的部署不再是终点而是起点，CoreWeave试图用Forge把决定智能体能否真正变强的两个团队拧进同一条工作流。
企业竞相把智能体投入生产环境后学到的一个教训是：这项工作永远不会真正结束。上线一个智能体并不是终点线，而是一声发令枪，开启一个运行、观察、评估、改进的持续循环。CoreWeave Inc.正是围绕这一现实进行构建的公司，其Forge产品正是这一战略中的工作流层。
CoreWeave近年来以GPU云算力供应商的身份为人熟知，在AI基础设施建设浪潮中占据了重要位置。而Forge的推出表明，这家公司的雄心已经从裸机算力延伸到智能体AI的运行节奏本身。与众多聚焦开发或部署环节的智能体工具不同，Forge的设计重心在于上线之后发生的事情：一个永续循环——在线运行的智能体不断生成关于自身表现证据，而这些证据又反哺下一轮迭代。这款产品背后的押注很简单：决定智能体AI价值能否复利增长或悄然停滞的，是循环本身，而不是发布那一刻。
Forge最具辨识度的卖点是组织层面的。该产品旨在为业务部门和机器学习团队提供一个共享的工作流，让那些对商业结果负责的人与那些调优底层模型的人处在同一个流程之内，而不是像传统模式那样处在交接流程的两端。在许多企业的实践中，业务团队提出效果诉求，算法团队接手优化，双方通过工单、例会甚至口头沟通完成信息传递，每一次交接都是信息损耗与响应延迟的来源。Forge试图把这条断裂的链条重新焊接起来。
Forge瞄准的循环听起来简单得近乎可疑：运行、观察、评估、改进，然后再来一遍。然而每一个环节的质量都会叠加在前一个环节之上。一个被糟糕观测的智能体，只能基于不完整的信号被评判；一个被不一致评判的智能体，会被导向错误的改进方向。在持续运行的状态下，链条上任何一处摩擦都会对后续每一次迭代征税——这正是为什么这个循环的速度，而非任何单一环节的精巧程度，正在成为平台厂商竞相争夺的指标。
对采购方而言，这一趋势值得认真对待。企业AI算力买家过去习惯以硬件参数和单位算力成本作为选型核心，但在智能体时代，评估维度需要扩展：平台能否支撑高频的实验与回滚？观测数据是否对业务侧可见？评估标准能否由业务方共同定义？这些问题的答案，往往比单纯的每GPU小时报价更能决定三年后的总体拥有成本。一个把改进循环做顺的平台，可以让同一批算力资产产生更高的有效产出；反之，一个只提供裸算力的方案，会把大量隐性成本留给买家的内部团队去消化。
对CoreWeave来说，此举标志着其全栈野心如今已越过原始基础设施，深入到智能体AI的运营节拍之中。如果智能体在企业内部固化为常驻基础设施，那么掌握改进循环的厂商——而不仅仅是承接初始工作负载的厂商——将是更难被替换的那一个。这也解释了为什么超大规模云厂商、新兴智能体平台与算力供应商都在向这一层聚集：锁定循环，就意味着锁定持续的算力消耗与数据回流。
从行业格局看，Forge所代表的方向预示着算力采购逻辑的迁移。当评估驱动的迭代成为常态，算力需求将不再是波峰式的训练任务，而是细水长流的推理、观测与实验混合负载。买家在与供应商谈判时，应把循环工具链的成熟度、与现有观测栈的兼容性、以及跨团队协作的权限模型纳入评分体系。同时也要警惕供应商锁定风险：改进循环沉淀的数据与评估资产，一旦深度绑定某一平台，迁移成本将随时间指数上升。
【必须嵌入的真实行情】该型号当前无在售挂价数据。
对关注该领域采购动态的读者而言，这一行情信息意味着Forge目前尚无标准化的挂价参照，定价大概率需要通过企业洽谈获取。建议采购团队在接洽时要求供应商提供基于自身智能体负载规模的测算模型，并把循环迭代频率、观测数据留存周期等关键参数写入询价清单，以便跨平台比价。
总而言之，CoreWeave的Forge把行业讨论的焦点从“如何把智能体发出去”推向了“如何让智能体持续变好”。在这条路线上，速度、组织协同与数据回流构成了新的护城河。对于正在规划智能体战略的企业买家，现在是重新审视算力与平台选型框架的合适时机。
Q: Forge瞄准的智能体改进循环包含哪几个阶段，其核心指标是什么？
A: 包含运行、观察、评估、改进四个阶段并循环往复；行业竞争的核心指标是整个循环的速度，而非单一环节的精巧程度，因为链条上任何摩擦都会拖慢每一次后续迭代。
Q: Forge的组织层面卖点是什么，采购方在无挂价数据时应如何询价？
A: Forge为业务部门与机器学习团队提供共享工作流，让对商业结果负责者与模型调优者处于同一流程；由于该型号当前无在售挂价数据，采购方应要求供应商基于自身负载规模提供测算模型，并将迭代频率与数据留存周期写入询价清单。
萬安算交所 AIXX · 算力硬件实名会员制交易平台 · 进入货源大厅