D2iQ宣布其云计算原生端到端机器学习平台Kaptain 1.0上市，Kaptain以Kubernetes机器学习工具包Kubeflow为基础，让开发者能够快速地开发和部署人工智能工作负载，Kaptain提供了一系列完整的机器学习工具，包括Jupyter Notebooks，并提供现成可用的GPU训练框架、工具和函数库，此外，用户也可以按需求安装需要的组件。
D2iQ之前的名字称为Mesosphere，其主要的产品是创建于Apache Mesos上的软件，被称为数据中心的操作系统，在2019年时，Mesosphere重命名为D2iQ，而Kaptain这个产品，最早于2020年6月的时候出现，但是当时被称为KUDO for Kubeflow，而现在正式发布，被更名为Kaptain，其目的是要用来简化在Kubernetes上进行机器学习开发的复杂度。
D2iQ提到，企业将机器学习投入生产，主要会遇到几个障碍，云计算原生人工智能和机器学习技术因为较新，近5年才出现，企业可能缺乏相关技术，而且相关的工具很复杂，云计算原生机器学习工具约将近300种。此外，结合Kubernetes和机器学习技术，让问题更加复杂，且对企业来说，还需要关注可靠性、安全性和可扩展性等重点。
Kaptain便是D2iQ创建来解决这些问题的解决方案，Kaptain是一个以Kubeflow为基础的企业端到端机器学习平台，能够解决结构性和组织性的问题，加速机器学习雏形到真正投入生产的过程，企业可以使用Kaptain开发和部署大规模机器学习工作负载，满足对安全性和法遵需求。Kaptain使用D2iQ Konvoy Kubernetes版本，可以在公有云、裸机和虚拟机上，或是混合云环境上部署。
除了Kubeflow项目，Kaptain还加入不少机器学习必要的工具，诸如TensorFlow、PyTorch和MXNet等，以及开箱即用的GPU支持，用户可以使用熟悉的笔记本进行操作，让资料科学家也能够简单地使用，所有工作都可以在Jupyter Notebooks中完成。而Kaptain SDK让资料科学家可以不降采样的利用整个人信息料集，训练机器学习模型。
Kaptain的一大优点便是能提升机器学习应用开发速度，用户可以在几分钟内，将机器学习项目雏形直接转为生产可用的部署，其借助了Kubernetes的扩展性和可靠性，强健地自动扩展基础设施，使其适用于训练、调校和部署模型。