当前，AI智能体基础设施正加速演进，以支持在推理、反馈和训练之间持续流转的系统。其中，Cognition AI Inc.开发的Devin在整个软件开发生命周期中发挥着重要作用，涵盖从规划、编写代码到代码审查，乃至响应生产问题。
Cognition AI研究主管兼创始团队成员Silas Alberti指出，Devin这种不断扩展的角色，要求AI智能体基础设施具备规模化持续学习的能力。他表示：“我们的运行始终在线。尽管我们仍会发布版本，进行打包，但实际上我们一直在训练，不断寻找新的数据和奖励信号来改进模型。”
Alberti与CoreWeave Inc.产品与工程执行副总裁Chen Goldberg在Fully Connected活动期间，接受了theCUBE Research的Dave Vellante和John Furrier的独家采访，深入探讨了持续学习、分布式AI训练、基础设施可靠性以及CoreWeave Forge平台。
这种“永远在线”的训练模式对系统可靠性提出了更高要求。Alberti解释说，尤其是在强化学习负载中，训练和推理日益紧密结合，生成的响应被用来改进模型。Cognition AI已将训练工作分布到全球多个数据中心和跨大陆，因此，数千块GPU的正常运行时间变得至关重要。他强调：“如果你进行大规模训练，关注的不仅仅是GPU本身，还有其正常运行时间。只要一个副本出现故障，整个训练就会中断。因此，实现99.99%的可靠性是一个非常重要的指标。”
Alberti还提到，新的硬件也持续影响着Cognition AI的研究方向。通过抢先体验Nvidia Corp.的Vera Rubin平台，其研究人员能够深入研究该系统，并相应调整模型架构，以追求更优的性价比。他表示：“每一代新硬件的出现，性价比都在提升，这意味着我们能以相同的计算资源完成更多工作。能够尽早接触并研究新平台的内核和动态，使我们能更有效地优先安排研究投资。”
在活动中首次亮相的CoreWeave Forge平台，旨在连接推理、观察、数据整理、模型改进和评估等AI循环中的各个环节。该平台集成了用于追踪智能体活动的Agent Lens功能，以及模型蒸馏和强化学习能力。其RL Rollouts服务甚至可以在不重新部署整个系统的情况下，将更新后的模型检查点热加载到实时部署中。
Cognition AI与#CoreWeave的合作，特别是其“永远在线”的训练范式和对CoreWeave Forge的深度整合，标志着AI Agent生态系统正从传统的静态模型部署向动态、自适应学习系统迈进。与当前主流的LangChain或CrewAI等Agent框架在应用层面提供编排和工具调用不同，Cognition AI的Devin及其背后的基础设施更聚焦于Agent自身的持续进化能力。这解决了传统模型在面对新环境或新数据时“过时”的问题，使得Agent能够像人类学习者一样，通过实时反馈不断优化其决策逻辑和代码生成能力。这种范式转变对于需要高度自主性和适应性的应用场景（如自动驾驶、智能制造和复杂系统管理）具有颠覆性意义。未来，我们可能会看到更多专注于提供这种闭环学习基础设施的服务商出现，这将进一步加速AI Agent的普及和能力边界的拓展，促使Agent从“助手”升级为真正能够独立思考和进化的“智能实体”，对未来的AI开发模式、产品形态乃至社会生产力都将产生深远影响。
