起源于Lyft内部机器学习平台的Union Systems已超越单纯的开源成功案例，正逐步演进为AI基础设施的核心平台。该公司为解决大规模AI模型部署与数据驱动预测的复杂性，开发了名为"Flight"的工作流编排工具，近期更推出了全面升级的"Flight 2"。
传统AI开发模式因数据老化与开发周期冗长，存在功能受限与运营效率低下的局限。对此，Union.ai销售工程总监Chris Matteson指出："当耗费六个月推出模型时，数据往往已经过时"，并强调Flight 2通过连接各类工具并实现自动化，能够基于实时数据持续运营AI模型。
这一进展由Matteson与Union Systems高级机器学习工程师Niels Bantilan在KubeCon + CloudNativeCon NA 2025大会上，通过SiliconANGLE媒体直播平台theCUBE正式披露。他们强调，随着Flight 2的问世，企业首次获得将复杂AI工作流转化为可响应系统的机遇。
随着AI基础设施日趋复杂庞大，众多企业正受困于大量孤立工具与手工流程导致的开销及维护负担。在此"基础设施过剩"的背景下，Flight 2通过整合异构工具，实现从失败API调用到内存分配的全程自动化，同时保障系统一致性与可扩展性。
此外，Flight 2被重新设计为完全基于Python的原生平台，支持条件逻辑、循环操作及实时生成级联处理等动态执行功能。Bantilan表示："Flight 2是吸纳社区反馈后推陈出新的开放平台，我们将先行完成内部构建，预计在今年底或明年初开源发布。"
Flight 2特别针对智能体AI与实验驱动的研究工作流进行优化，能敏捷应对实时变化的业务需求。这预示着未来AI工作流自动化将超越简单集成管理工具，转向聚焦灵活协调与持续演进。Union Systems正通过该平台精准瞄准企业同时实现AI运营敏捷性与规模扩展的双重需求。
