skypilot

모든 AI 컴퓨팅 관리하기

SkyPilot은 모든 AI 인프라에서 AI 워크로드를 실행, 관리, 확장하는 시스템입니다.

SkyPilot은 AI 팀에게 어떤 인프라에서든 작업을 실행할 수 있는 간단한 인터페이스를 제공합니다.
인프라 팀은 고급 스케줄링, 확장, 오케스트레이션을 갖춘 통합 제어 플레인으로 모든 AI 컴퓨팅을 관리할 수 있습니다.

🔥 소식 🔥

[2026년 10월] 10월 8일 샌프란시스코에서 H Company와 함께하는 SkyPilot AI Infra 밋업: 지금 등록하세요
[2026년 9월] RL is Everything, Everywhere, All at Once : 블로그
[2026년 9월] SkyPilot Agent Sessions : 당신의 인프라에서 코딩 에이전트를 위한 미션 컨트롤: 블로그
[2026년 7월] SkyPilot으로 자체 GPU에서 Kimi K3 서빙하기 : 블로그
[2026년 7월] 어떤 클라우드에서든 AI 워크로드 실행, Hugging Face에 저장 , 송신 요금 걱정 없음: Hugging Face 블로그
[2026년 6월] SkyPilot Endpoints : 보유한 모든 클러스터에서 프로덕션 준비된 추론: 블로그
[2026년 6월] SkyPilot Sandboxes 발표 : 이미 보유한 Kubernetes 클러스터에서 신뢰할 수 없는 LLM 생성 코드를 실행하세요. 자세히 알아보기 , 얼리 액세스 참여
[2026년 5월] Multiverse가 SkyPilot으로 GPU 활용률을 두 배로 높인 방법 : 사례 연구
[2026년 4월] GPU Compass 소개 : 모든 GPU 클라우드를 탐색하고, 가격을 비교하고, 실행할 수 있는 하나의 대시보드. gpus.skypilot.co 에서 사용해 보세요.
[2026년 4월] Research-Driven Agents : 에이전트가 코딩 전에 arxiv 논문을 읽고, 약 3시간 동안 약 $29로 5개의 llama.cpp 커널 퓨전과 +15% 더 빠른 flash attention을 달성: 블로그 , HackerNews
[2026년 3월] Karpathy의 Autoresearch 확장하기 : Autoresearch는 한 번에 실험 하나를 실행합니다. 우리는 16개의 GPU를 주고 병렬로 실행하게 했습니다: 블로그 , HackerNews
[2026년 3월] H Company가 온라인 RL을 실현하고 AI 플랫폼을 통합한 방법 : 사례 연구

개요
SkyPilot은 AI 사용자에게 사용하기 쉽습니다 :

자체 인프라에서 컴퓨팅을 빠르게 시작
환경과 작업을 코드로 — 간단하고 이식 가능
간편한 작업 관리: 많은 작업을 큐에 넣고, 실행하고, 자동 복구

SkyPilot은 AI 및 인프라 팀에게 Kubernetes를 쉽게 만듭니다 :

Slurm처럼 쉬운 사용성, 클라우드 네이티브 견고성
K8s에서의 로컬 개발 경험: pod에 SSH 접속, 코드 동기화, IDE 연결
클러스터 강화: gang 스케줄링, 멀티 클러스터, 확장

SkyPilot은 여러 클러스터, 클라우드, 하드웨어를 통합합니다 :

예약된 GPU, Kubernetes 클러스터, Slurm 클러스터, 또는 20개 이상의 클라우드를 사용하기 위한 하나의 인터페이스
스마트 페일오버를 통한 GPU, TPU, CPU의 유연한 프로비저닝
팀 배포 및 리소스 공유

SkyPilot은 GPU 플릿 활용률을 극대화합니다 :

Autostop: 유휴 리소스 자동 정리
Binpacking: 공유 클러스터에서의 워크로드 빈패킹
지능형 스케줄러: 가장 가용성이 높은 인프라에 자동 스케줄링

SkyPilot은 코드 변경 없이 기존 GPU, TPU, CPU 워크로드를 지원합니다.

uv로 설치 ( 지원됨 : pip, nightly, 소스에서 설치)

# 클라우드 선택:
uv pip install " skypilot[kubernetes,aws,gcp,azure,oci,nebius,lambda,runpod,fluidstack,paperspace,cudo,ibm,scp,seeweb,shadeform,verda] "
에이전트(Claude Code, Codex 등)와 함께 SkyPilot을 직접 사용하려면 SkyPilot Skill 을 설치하세요. 에이전트에게 다음과 같이 말하세요:

Fetch and follow https://github.com/skypilot-org/skypilot/blob/HEAD/agent/INSTALL.md to install the skypilot skill

현재 지원되는 인프라: Kubernetes, Slurm, AWS, GCP, Azure, OCI, CoreWeave, Nebius, Lambda Cloud, RunPod, Fluidstack,
Cudo, Digital Ocean, Paperspace, Cloudflare, Samsung, IBM, Vast.ai, VMware vSphere, Seeweb, Prime Intellect, Shadeform, Verda Cloud, VastData, Crusoe.

시작하기
1분 만에 SkyPilot을 설치하세요. 그런 다음 Quickstart 에서 2분 만에 첫 클러스터를 실행하세요.

SkyPilot은 BYOC입니다: 모든 것이 당신의 클라우드 계정, VPC, 클러스터 내에서 실행됩니다.

Kubernetes에서 SkyPilot의 이점
SkyPilot은 Kubernetes를 AI 네이티브로 만듭니다.

AI/ML 속도를 가속화하여 기존 Kubernetes 클러스터를 강화합니다 :

작업과 배포를 실행하기 위한 AI 친화적 인터페이스
K8s를 위한 대폭 간소화된 대화형 개발 (SSH / 코드 동기화 / pod에 IDE 연결)

...그리고 GPU 스케줄링, 활용률, 확장 최적화 :

고급 스케줄링: Gang 스케줄링, 멀티 노드 작업, 큐잉
멀티 클러스터 지원: 모든 클러스터를 하나의 제어 플레인 아래로
멀티 클라우드 지원: 여러 제공자를 관리하기 위한 하나의 일관된 인터페이스

자세한 내용은 SkyPilot vs Vanilla Kubernetes 및 이 블로그 글 을 참조하세요.

1분 만에 보는 SkyPilot
SkyPilot 작업은 다음을 지정합니다: 리소스 요구 사항, 동기화할 데이터, 설정 명령, 작업 명령.

이 통합 인터페이스(YAML 또는 Python API)로 작성되면, 작업은 사용 가능한 어떤 인프라(Kubernetes, Slurm, 클라우드 등)에서든 실행될 수 있습니다. 이는 벤더 종속을 방지하고 작업을 다른 제공자로 쉽게 이동할 수 있게 합니다.

다음을 my_task.yaml 파일에 붙여넣으세요 :

resources :
accelerators : A100:8 # 8x NVIDIA A100 GPU

num_nodes : 1 # 실행할 VM 수

# 프로젝트 코드베이스를 포함하는 작업 디렉터리 (선택 사항).
# 그 내용은 클러스터의 ~/sky_workdir/ 에 동기화됩니다.
workdir : ~/torch_examples

# 작업 실행 전에 실행할 명령.
# 일반적 용도: pip install -r requirements.txt, git clone 등.
setup : |
cd mnist
pip install -r requirements.txt

# 작업으로 실행할 명령.
# 일반적 용도: 메인 프로그램 실행.
run : |
cd mnist
python main.py --epochs 1
다음을 복제하여 workdir을 준비하세요:

git clone https://github.com/pytorch/examples.git ~ /torch_examples
sky launch 로 실행하세요 (참고: 이 예제에는 GPU 인스턴스 접근이 필요합니다):

sky launch my_task.yaml
그런 다음 SkyPilot이 다음을 포함한 무거운 작업을 수행합니다:

클러스터 또는 클라우드 전반에서 가장 저렴하고 가용한 인프라 찾기
인프라가 용량 오류를 반환할 경우 자동 페일오버와 함께 GPU(pod 또는 VM) 프로비저닝
로컬 workdir을 프로비저닝된 클러스터에 동기화
작업의 setup 명령을 실행하여 종속성 자동 설치
작업의 run 명령을 실행하고 로그 스트리밍

SkyPilot 시작하기는 Quickstart 를 참조하세요.

실행 가능한 예제
개발, 학습, 서빙, LLM 모델, AI 앱, 일반 프레임워크를 다루는 SkyPilot 예제 를 참조하세요.

최신 주요 예제:

작업
예제

학습
Verl , Finetune Llama 4 , TorchTitan , PyTorch , DeepSpeed , NeMo , Ray , Unsloth , Jax/TPU , OpenRLHF

서빙
vLLM , SGLang , Ollama

모델
DeepSeek-R1 , Llama 4 , Llama 3 , CodeLlama , Qwen , Kimi-K2 , Kimi-K2-Thinking , Mixtral

AI 앱
RAG , 벡터 데이터베이스 (ChromaDB, CLIP)

일반 프레임워크
Airflow , Jupyter , marimo

소스 파일은 llm/ 및 examples/ 에서 찾을 수 있습니다.

더 알아보기
더 알아보려면 SkyPilot Overview , SkyPilot 문서 , SkyPilot 블로그 를 참조하세요.

SkyPilot 도입 사례: 추천사 및 사례 연구

업데이트 팔로우:

Slack
X
LinkedIn
YouTube
SkyPilot 블로그

질문 및 피드백
여러분의 피드백을 기다립니다:

이슈 및 기능 요청은 GitHub 이슈 를 열어주세요.
질문은 GitHub Discussions 를 이용해 주세요.

일반적인 논의는 SkyPilot Slack 에서 함께하세요.

기여
프로젝트에 대한 모든 기여를 환영합니다! 참여 방법은 CONTRIBUTING 을 참조하세요.