H2O AI

一句话介绍

H2O.ai是一套同时覆盖传统机器学习、AutoML、模型部署监控、企业RAG、智能代理、LLM微调与AI应用开发的产品生态，既有免费开源组件，也有面向生产和合规场景的商业平台。

工具简介

H2O.ai由Sri Ambati于2012年创立，总部位于美国加利福尼亚州山景城。公司从开源分布式机器学习平台H2O-3起步，当前产品方向已扩展到预测式AI、生成式AI、智能代理和企业AI云。

“H2O AI”不是一个单独聊天工具的名称。用户可能指H2O-3、Driverless AI、H2O AI Cloud、Enterprise h2oGPTe、H2O LLM Studio、Wave或其他组件，选型前必须先明确任务和许可需求。

开源项目与企业产品共享部分技术和品牌，但授权、部署、支持、安全与功能边界不同。H2O-3开源不代表H2O AI Cloud免费，h2oGPT开源也不代表Enterprise h2oGPTe开放源码。

产品体系概览

H2O-3开源机器学习平台

H2O-3是H2O.ai最核心的开源项目，采用内存式分布式计算，可在单机或多节点集群上训练和评估模型。用户可通过Python、R、Java、Scala、Flow图形界面或REST API开展工作。

当前稳定文档版本为3.46.0.12。开源版免费并采用Apache 2.0许可证，但安装、升级、漏洞修复、容量、监控、备份和生产事故由使用者自行承担。

算法与AutoML

• 监督学习：GLM、GBM、XGBoost、随机森林、深度学习、支持向量机和规则模型等。
• 集成学习：Stacked Ensembles可组合多个基模型提高泛化能力。
• 无监督学习：K-Means、PCA、异常检测和其他数据探索算法。
• 时间与分布建模：广义加性模型、时间相关特征及多种概率分布。
• H2O AutoML：在预算内训练多种算法、调参、集成并生成排行榜。
• 模型解释：变量重要性、部分依赖、SHAP等方法因算法和版本而异。
• 数据接口：支持常见文件、对象存储、Hadoop、Spark和云环境集成。

H2O-3典型工作流

1. 在受控环境安装与客户端版本匹配的H2O-3。
2. 启动单节点或集群，并限制Flow和REST端口的网络访问。
3. 从文件、数据库、对象存储或Spark流程导入数据。
4. 检查列类型、缺失值、类别基数、泄漏和目标分布。
5. 拆分训练、验证与测试集，按业务时间和实体边界避免泄漏。
6. 运行单个算法或AutoML，并设置时间、模型数和资源预算。
7. 比较排行榜、稳定性、公平性、解释性和推理成本。
8. 按当前许可证与生产要求选择服务端评分、受支持模型工件或企业升级。

开源版安全边界

H2O-3文档将平台设计为部署在安全数据中心内部，Flow与REST服务不应直接暴露到公网。默认Web端口通常为54321，集群节点还会使用相邻内部通信端口。

开源并不等于默认安全。团队需要自行配置网络分段、TLS、身份、文件权限、数据脱敏、依赖补丁、日志、密钥和节点间信任。

H2O-3 OSS与H2O-3 Secure

H2O-3 Secure是2026年产品线中面向生产治理的商业路径，保留H2O-3代码、API与管线兼容性，并增加长期支持、商业漏洞修复、企业包和审计辅助控制。

H2O-3 Secure不会自动让客户通过SOC 2、ISO 27001或ISO 42001审核。它提供可支持证据与控制的产品能力，组织仍需建立自己的流程、人员、数据和风险治理。

H2O Driverless AI

Driverless AI是商业AutoML平台，自动处理数据可视化、特征工程、模型选择、调参、验证、解释和部署准备。用户定义目标列和实验偏好后，系统会搜索并比较候选管线。

核心能力

• 自动识别数据质量问题、潜在ID列、强泄漏信号和可用特征。
• 执行高级特征转换并发现变量交互。
• 自动选择算法、参数、验证方式和评分指标。
• 支持时间序列、NLP、图像和结构化数据等不同实验路径。
• 提供全局与单次预测解释、偏差检查和模型文档。
• 允许通过Python recipes扩展模型、转换器与评分器。
• 可生成REST服务、Python评分管线或Java独立评分工件。
• 支持CPU与GPU环境，实际加速取决于数据、算法与硬件。

适用边界

Driverless AI减少重复建模工作，但不会替用户定义正确业务目标、标签、成本函数和上线验收。自动得到最高分的模型也可能存在数据泄漏、漂移、偏差或不合理决策。

H2O AI Cloud

H2O AI Cloud是基于Kubernetes的端到端平台，可在H2O托管环境、客户私有云或本地基础设施运行。它把建模、Notebook、MLOps、应用商店、权限和多个H2O产品统一到工作区中。

默认核心组件

• AI App Store：分发和运行面向业务用户的AI应用。
• AI Engine Manager：管理H2O-3、Driverless AI与Notebook等计算引擎。
• H2O Driverless AI与H2O-3：负责AutoML和预测模型。
• H2O MLOps：管理、部署、服务和监测模型。
• Wave SDK：用Python构建低代码AI应用。
• Workflows与平台服务：覆盖权限、令牌、密钥、模型中心和遥测。
• H2O Drive、LLM Studio和Admin Analytics等组件按版本或配置选择。

额外付费组件

AI Cloud入门流程

1. 申请演示并与销售确认Managed或Hybrid部署方式。
2. 确定工作区、身份提供商、网络、密钥、数据区域和管理员职责。
3. 创建Driverless AI、H2O-3或Notebook引擎，并配置CPU、内存、GPU和磁盘。
4. 上传或连接样例数据，先完成数据分类和访问审批。
5. 运行实验并在独立验证集上检查性能、稳定性、解释性与公平性。
6. 把候选模型注册到MLOps，设置审批、服务、监控和回滚。
7. 使用Wave或应用商店构建业务界面，并限制每个工作区和应用实例权限。
8. 上线后监控模型、应用、资源、登录、成本和安全事件。

Enterprise h2oGPTe与AI Super Agent

Enterprise h2oGPTe是面向企业私有数据的生成式AI平台，可将文档库、知识库、数据库、预测模型和业务工具组合到RAG与智能代理中。它支持多模型、模型路由、守护规则、成本控制和本地、云或隔离部署。

企业RAG与文档AI

平台可围绕授权资料进行问答、摘要、检索和结构化JSON生成，适合合同、合规指标和审计资料提取。带依据的回答仍需检查检索是否完整、片段是否过期以及模型是否正确理解。

预测式AI与生成式AI结合

h2oGPTe可把H2O-3或Driverless AI的预测结果、Shapley解释和业务数据交给代理分析。这样可以从“发生概率”进一步生成业务建议，但不能让语言模型修改原始模型证据。

H2O AI Super Agent

Super Agent是Enterprise h2oGPTe中的通用代码优先代理，可选择工具、编写并运行代码、修复错误和迭代完成多步骤任务。相同请求可能因上下文与工具不同而产生不同路径，需要沙箱、审批和完整审计。

• 适合深度研究、预测分析、文档处理、数据查询和跨系统工作流。
• 可把复杂目标拆分为子任务并协调多个专用代理。
• 支持云、VPC、本地和完全隔离等主权AI部署思路。
• 工具调用和代码执行会扩大权限风险，必须按任务最小授权。
• 基准排名反映特定测试集表现，不等于每个企业任务都优于其他系统。
• 高风险决策、写操作和外部通信应保留人工批准与回滚。

h2oGPT开源版与企业版区别

开源h2oGPT曾提供本地文档问答、RAG、模型推理与多媒体输入，采用Apache 2.0许可证。官方GitHub仓库当前已归档，最近代码推送停留在2025年，最新正式发布仍为2024年的0.2.1。

Enterprise h2oGPTe仍是H2O.ai当前重点商业产品，功能、架构和支持持续发展。目录不能因为名称相近就把归档的h2oGPT写成企业平台的开源完整版。

H2O LLM Studio

H2O LLM Studio是Apache 2.0许可的开源框架和图形界面，用于准备数据、微调、评估和导出大型或小型语言模型。当前官方仓库仍活跃，2026年8月发布了1.15.0版本。

开源版能力

• 通过图形界面配置数据集、模型、训练参数和评估。
• 支持Hugging Face模型与多种参数高效微调方法。
• 保存实验、指标、检查点和推理配置。
• 适合单团队研究、原型和自管微调环境。
• 训练需要合适GPU、驱动、显存、存储和模型许可。
• 开源软件免费，但算力、数据准备、运维和安全并不免费。

Enterprise LLM Studio

Enterprise LLM Studio是在开源训练核心之上构建的许可版，面向防火墙后或私有云的多用户生产环境。它增加集中模型与数据集存储、角色权限、版本管理、完整REST API、数据生成与自动微调策略。

企业版整体闭源，并非Apache 2.0项目的简单托管套餐。实验性多模态训练和目标检测功能不应未经验证直接用于关键生产流程。

H2O Wave与AI应用开发

H2O Wave是用Python或R开发实时Web应用和仪表盘的开源框架，采用Apache 2.0许可证。开发者可以使用现成UI组件展示模型、数据、表单和交互，而不必先搭建完整前端技术栈。

Wave应用可独立运行，也可导入H2O AI Cloud的应用商店并按工作区共享。官方仓库当前活跃，2026年8月发布了1.8.12版本。

创建Wave应用

1. 安装与项目兼容的Python或R环境及Wave SDK。
2. 定义页面、卡片、表单、表格和可视化组件。
3. 连接H2O-3、Driverless AI、外部模型或业务API。
4. 为上传、查询、预测和下载动作添加输入校验与权限。
5. 在本地测试并记录依赖、环境变量、模型和数据版本。
6. 独立部署或将应用打包导入AI Cloud应用商店。
7. 设置实例休眠、资源、访问组、日志、更新和回滚。

开发接口与集成

适合哪些用户

• 数据科学家：使用H2O-3或Driverless AI完成结构化数据建模与AutoML。
• 机器学习工程师：部署、监控和更新预测模型或生成式AI服务。
• 研究人员与学生：用H2O-3和LLM Studio开展免费自管实验。
• 企业平台团队：通过AI Cloud统一计算、工作区、模型、应用和治理。
• 受监管行业：评估H2O-3 Secure、Driverless AI解释与企业安全控制。
• 知识管理团队：使用Enterprise h2oGPTe构建私有RAG和文档助手。
• 模型团队：用Enterprise LLM Studio微调、评估和部署领域模型。
• 应用开发者：用Wave把模型能力转换为业务界面。
• 不适合只想立即获得一个低价通用聊天机器人的个人用户，H2O主要面向技术或企业场景。

典型使用场景

• 欺诈、信用、流失、需求、风险和设备故障预测。
• 对结构化数据运行AutoML并比较多种算法与集成模型。
• 自动生成特征、验证策略、解释和模型文档。
• 把预测模型注册、部署、监控并在漂移后重新训练。
• 围绕企业文档和数据库构建带依据的问答与结构化提取。
• 让代理结合预测结果、工具和代码完成复杂研究。
• 微调领域LLM或SLM，并比较质量、延迟与成本。
• 用Wave把模型、表单、报表和业务流程组合成AI应用。

产品优势

• 同时拥有成熟预测式AI、AutoML、生成式AI和代理产品线。
• H2O-3、LLM Studio和Wave采用宽松开源许可证，便于学习和自管。
• Python、R、Java、Scala、REST和图形界面覆盖不同技术用户。
• 从实验、解释到部署和监控形成较完整的企业生命周期。
• 支持托管云、客户云、本地和部分完全隔离环境。
• Driverless AI强调特征工程、解释、验证和评分管线，而非只训练单一模型。
• Enterprise h2oGPTe可结合RAG、预测模型、工具和多模型路由。
• 官方有经过域名验证的GitHub组织，开源仓库、许可证与维护状态可核查。

限制与选型风险

• 产品多且名称相近，容易把开源组件、商业增强和云平台错误混写。
• 企业产品不公开固定价，许可证、支持、计算和实施成本需要分别报价。
• H2O-3是内存式分布式系统，大数据训练可能需要较高内存和专门集群规划。
• AutoML能缩短实验时间，但不能替代目标定义、数据治理、因果判断和上线责任。
• AI Cloud包含大量组件，身份、网络、存储、升级和支持边界需要系统实施。
• 开源h2oGPT仓库已经归档，新项目继续采用会承担依赖和漏洞维护风险。
• 模型、数据集和第三方基础模型各有许可，Apache 2.0平台许可不覆盖所有模型权重。
• 企业AI输出可能错误或产生不公平结果，最新合同要求客户进行最终人工审核。
• 医疗诊断、生物识别、关键基础设施、武器和高风险金融等用途受到企业许可限制。
• 历史页面仍写90天免费试用，但当前主要入口已经改为申请演示，不应把旧试用当作现行承诺。

价格与许可

截至2026年8月23日，H2O.ai没有为主要企业产品公开统一固定价格。H2O-3 OSS、H2O LLM Studio与Wave可以免费使用开源代码，商业产品则按部署、组件、用户、算力、支持和合同范围报价。

试用状态

官网历史教程和旧方案页曾介绍90天H2O AI Cloud免费试用，较早的Driverless AI页面也出现过21天试用。当前主要入口显示“Request a Demo”，没有可核验的现行自助试用期限。

企业评估应在书面试用或POC文件中确认组件、数据容量、GPU、并发、支持、期限、删除和转正式合同条件。云市场中的基础设施或镜像费用也可能与H2O软件许可分开结算。

GitHub与开源项目

H2O.ai拥有经过域名验证的官方GitHub组织，当前公开约195个仓库。不能把组织下所有项目都视为同一许可证，也不能把公开recipes或示例代码当作Driverless AI和AI Cloud本体开源。

开源使用注意事项

• 先阅读每个仓库自己的许可证、NOTICE、依赖和模型卡。
• 记录使用的提交、发布版本、Python或R包版本和服务端版本。
• 检查仓库是否归档、最近安全补丁、未解决问题和兼容矩阵。
• 开源框架的Apache 2.0许可不自动授予训练数据或模型权重的权利。
• 把官方组织中的fork、示例、recipes和核心产品分别管理。
• 生产环境需要自行建立SLA、漏洞响应、升级、回滚和长期支持。

隐私、安全与合规

H2O.ai当前隐私政策说明，客户提供的输入、元数据和模型数据不会用于训练H2O.ai模型，除非双方另有书面约定。免费、试用或API服务可能以瞬时方式处理输入，但仍可为安全、调试或防滥用保留有限元数据。

企业DPA在2026年4月更新，覆盖付费、免费层、试用、API和测试功能，并要求客户对数据合法性与AI输出最终人工审核负责。H2O.ai承诺维持符合行业标准的技术与组织措施。

安全部署流程

1. 按数据分类选择开源自管、Managed、Hybrid、本地或完全隔离方案。
2. 签署订单、EULA和DPA，列清所有组件、模型、分包商和数据区域。
3. 将管理端、Flow、REST、模型服务和节点通信放入受控网络。
4. 接入企业身份，按工作区、项目、模型、应用和操作分配最小权限。
5. 把密钥、对象存储凭证、模型令牌和数据库账户放入安全密钥服务。
6. 在测试环境验证越权、提示注入、数据泄漏、恶意模型和依赖风险。
7. 为训练、批准、部署、代理工具调用和高风险输出建立人工门禁。
8. 持续监测漏洞、模型漂移、异常调用、资源成本和审计记录。

商用与高风险用途

H2O开源项目可按各自许可证用于商业开发，但商业产品只授予订阅期内、内部业务目的的有限许可。代表第三方客户使用、再许可、托管服务和模型工件分发需要按合同确认。

当前企业EULA明确限制将AI用于可能造成生命损失、严重伤害或灾难性损害的系统，包括医疗诊断治疗、生物识别监控、应急服务、关键基础设施、航空、自动驾驶、武器和高风险金融决策等。

• 数据、模型、依赖和第三方API的许可证必须分别检查。
• 对个人产生法律或重大影响的模型需要公平性、解释、申诉和人工复核。
• 生成式AI和代理输出可能错误，不能直接作为专业或高风险决定。
• 模型卡、实验、特征、数据版本、批准人和部署记录应可追溯。
• 基准、客户案例和性能倍数只说明特定条件，不是自身结果保证。
• 监管行业应把风险模型、数据保护、验证和变更控制写入正式流程。

支持平台

基本信息

推荐指数

推荐指数：4.6 / 5。H2O.ai在开源分布式机器学习、AutoML、解释性、模型生命周期和企业生成式AI之间形成了少见的完整组合。

它最适合有数据科学、平台工程和治理能力的组织，而不是追求开箱即用低价聊天的个人用户。产品多、企业价格不透明和开源商业边界复杂，是选型时最大的理解成本。

常见问题

H2O.ai是什么？

H2O.ai是一家公司和一套AI产品生态，覆盖H2O-3机器学习、Driverless AI自动建模、AI Cloud、企业RAG与代理、LLM微调和Wave应用开发。

H2O.ai免费吗？

部分免费。H2O-3、H2O LLM Studio和Wave等开源组件可免费自管，Driverless AI、H2O AI Cloud、H2O-3 Secure和企业生成式AI产品需要商业授权。

H2O-3和H2O AI Cloud一样吗？

不一样。H2O-3是开源机器学习引擎，H2O AI Cloud是把多个引擎、MLOps、Notebook、应用、权限和平台服务组合起来的企业环境。

H2O-3 OSS可以用于生产吗？

技术上可由团队自行部署，但官方当前把生产支持、商业漏洞修复、企业包、模型工件和审计辅助能力放入H2O-3 Secure。关键生产系统应按现行功能和支持要求评估。

Driverless AI会替代数据科学家吗？

不会。它自动化特征工程、调参、验证、解释和部署准备，但业务目标、数据质量、因果判断、风险验收和生产责任仍由专业人员承担。

h2oGPT还是活跃开源项目吗？

官方h2ogpt仓库当前已归档，最新正式发布停留在0.2.1。历史代码仍可按Apache 2.0使用，但新项目应评估依赖、漏洞和维护替代方案。

Enterprise h2oGPTe开源吗？

不开源。它是持续维护的商业平台，增加企业RAG、代理、守护、多租户、MLOps和支持，不能与已归档的开源h2oGPT等同。

H2O LLM Studio开源吗？

开源版采用Apache 2.0并仍在活跃更新。Enterprise LLM Studio则是增加多用户、集中治理、REST API和自动化的闭源许可产品。

企业产品价格是多少？

官网没有公布统一固定价。费用会随产品组件、部署方式、算力、用户、支持、数据量和实施范围变化，需要申请演示和企业报价。

还有90天免费试用吗？

旧教程仍提到90天H2O AI Cloud试用，但当前主要入口已变成申请演示。除非销售书面确认，不应把历史90天规则当作当前权益。

客户数据会用于训练H2O模型吗？

现行隐私政策表示，客户输入、元数据和模型数据不会用于训练H2O.ai模型，除非双方明确书面同意。第三方模型、客户自带模型和测试功能仍需按具体合同核对。

H2O AI适合中文用户吗？

H2O-3的算法本身不依赖界面语言，生成式AI的中文能力取决于所选模型、微调数据、嵌入和评估。官方文档和企业实施主要以英文为主。

总结

H2O.ai的优势在于把开放的机器学习工具与企业生产平台连接起来。团队可以从H2O-3或LLM Studio原型起步，再根据安全、支持、部署和治理需求评估Secure、Driverless AI、AI Cloud或企业生成式AI产品。

选型时必须按具体产品逐项核对许可证、仓库状态、模型权重、部署、模型工件、API、价格和支持。最常见的误区是把公司“开源起家”理解为所有产品开源，或把归档h2oGPT当成Enterprise h2oGPTe的现行免费版本。