"AI性能、资源与成本一目了然"……MakinaRocks发布Runway更新，强化企业AI主权

2026年9月30日（周三），首尔——韩国代表性物理AI企业MakinaRocks（CEO 尹成浩）通过其AI操作系统（AI OS）"Runway"2.4.0版本更新，推出了一系列新功能。

Runway是一款将分散的数据、模型与现场系统连接起来、让AI真正在业务现场运转的AI OS。它在单一平台上统一管理从开发、部署到再训练的AI全生命周期，并可在包括封闭网络在内的高安全环境中提供相同的运行环境。

本次更新聚焦于强化"治理"能力，让企业能够自主掌握并控制AI的性能、资源与成本。为此，Runway围绕成本管理、模型质量观测、基础设施可见性与数据便利性，新增了▲Token用量统一仪表盘 ▲输入数据漂移检测 ▲推理请求与响应日志 ▲推理性能（准确率）监控 ▲工作负载Pod级资源监控 ▲分层级资源使用统计 ▲存储浏览器上传与下载等一体化观测与管理功能。用户可以在Runway上直接管理AI的资源与成本支出以及性能可靠性，在不依赖外部平台的前提下自主运营和掌控自家AI，进一步强化"企业AI主权（Enterprise AI Sovereignty）"。

最引人注目的变化是"Token用量统一仪表盘"。近来随着LLM（大语言模型）的普及和Token单价上涨，企业的成本负担不断加重，但用量分散在各部门和项目中，难以实时掌握。Runway将原本散落各处的用量指标整合为一，新增了可在单一画面中查看组织、项目、模型各层级Token消耗情况的仪表盘功能。尤其是无论部署在本地还是云端，都可以汇总并管理用量，因此即使在基础设施混合的环境中，也能减少被随意浪费的Token用量，并对成本进行一致的控制。

用于防止AI模型部署后性能下降的质量观测体系也得到升级。"输入数据漂移检测"会自动比较并检测流入已部署模型的输入数据分布与训练时数据等基准数据之间的差异。即使在获得标注数据之前，也能捕捉分布变化、提前发现模型性能下降的可能性；达到设定的异常条件时会自动通知用户，在现场出现问题之前起到"早期预警"作用。此外还新增了自动记录推理请求与响应的"推理请求与响应日志"，以及利用用户上传的标注数据追踪模型准确率的"推理性能监控"，为判断何时重新验证、何时再训练提供了以数据而非直觉为依据的基础。

基础设施运营的可见性也更加精细。"工作负载Pod级资源监控"以应用和模型实际运行的单个Pod为单位，提供GPU、CPU、内存、存储用量以及重启次数等稳定性指标，帮助发现资源浪费或故障征兆。"分层级资源使用统计"让运营者可以按工作区、项目、创建者、工作负载等层级，以统计表形式查看资源状况，在一个画面中掌握资源分配的依据。此外，新增了可在网页上直接上传和下载文件的"存储浏览器上传与下载"，提升了数据管理的便利性。

由此，Runway让企业能够在单一平台上掌控性能、资源、成本等企业资产，为企业构建自主的AI治理体系奠定了基础。

另一方面，Runway于今年年初通过2.0版本完成了开放式架构重组、安全策略强化、基于权限的治理体系确立等，持续提升成熟度，并正在多个产业现场扩大版图。尤其在国防科学研究所、韩国水资源公社、保险开发院等制造、国防、金融、公共领域的高安全、高监管环境中，展现出了卓越的运营能力。

MakinaRocks CTO（首席技术官）沈相佑表示："通过本次更新，客户不仅可以透明地查看引入AI后性能是否下降，还能了解资源与成本是否被高效使用，并在问题发生之前作出应对。"他补充道："确保对性能、资源、成本的自主控制权，是实现企业自主运营自家AI的'企业AI主权'的核心，这正是MakinaRocks与Runway所追求的方向。"