本第二部分探讨了 Ray 的高级库——Serve、Data 和 Train——如何抽象在 Google TPU 切片上运行 AI 工作负载的复杂性。Ray Serve 使用简单的拓扑配置来正确地对大型多主机模型进行联合调度，而 Ray Data 通过以原生 JAX 批次直接为加速器提供数据来消除数据加载瓶颈。最后，JaxTrainer 通过自动处理跨切片协调、检查点保存和容错，简化了跨 TPU 的分布式训练。