为何云原生应用的迅速普及需要更快、更高效的工具集

赞助专题 目前，在云原生环境中 AI 开发最重要的趋势是 AI/ML 工作负载与云原生架构及实践的快速融合，这一现象也被称为 Cloud Native AI 或 AI-Native Cloud。该趋势标志着开发实践的根本转变——从传统开发方式转向以充分利用云原生方法所固有的可扩展性、灵活性、韧性和效率的方式构建和部署 AI 应用。

为何这一点如此重要？原因其实并不复杂：一切都归结于速度和效率，而良好的开发必然如此，这往往需要新一代工具才能实现。使用正确的工具（包括跨平台工作负载编排器 Kubernetes）可直接影响企业的盈利，通过提升 IT 系统关键绩效指标 ( KPI ) 来实现。这些指标包括：

可扩展性和资源效率：

云原生环境提供所需的弹性基础设施，以应对 AI/ML 工作负载对计算资源的高要求，允许根据需要进行纵向或横向扩展，并优化成本。

敏捷性和更快的创新：

云原生实践所提供的模块化和自动化支持加速了 AI 应用的开发、测试和部署，从而加快了创新步伐。

可移植性和灵活性：

容器化和编排技术使得 AI 模型可以部署在不同云服务商或混合环境中，避免了厂商锁定，并提供了更大的灵活性。

云产品和服务的销售商——目前占美国所有电子商务交易的 16% 到 20%——需要特别注意这一点，Nutanix 产品管理高级总监 Dan Ciruli 对 The Register 说。"无论你销售什么，都可以说你同时是一家软件公司，" Ciruli 说，"如果你不对 IT 运营进行现代化改造，你很快就会倒闭。这就是为什么云原生（开发）对企业如此重要。"

使用正确的工具进行云原生开发还能带来其他显著成果——越来越多经验丰富的云开发者已经证明，这包括改进协作、更准确的治理和可重复性，以及成本控制的优化。

云原生平台和 MLOps ( machine learning operations ) 实践促进了数据科学家、开发者与运维团队之间更好的协作，从而简化了 AI 生命周期。云原生工具和 MLOps 工作流支持模型版本控制、追踪、监控及解释性，这对于负责任的 AI 开发和部署至关重要。按需付费模式与云原生环境中高效的资源利用可以为 AI 开发和部署带来显著的成本节约。

实例如下：一家知名披萨连锁通过适应云端实现了业务飞跃

Ciruli 表示，上述各项成果都在一个重要的早期案例中得到了体现，该案例涉及一个新一代云原生开发项目。

"25 年前 Netscape 创始人 Marc Andreessen 曾说过 'Software is eating the world' ( 软件正在吞噬世界 )，" Ciruli 说。

"直到大约五六年前，我在一家 Kubernetes 用户总部，我才真正理解这句话的含义。那是一家成立于 1958 年的实体企业，多年来经历了诸多 IT 变革。

"进入 21 世纪时，他们在北美拥有 6,000 个门店，但由于数字体验糟糕，他们逐渐失去了市场份额——并非产品出了问题，而是他们的应用体验差。其移动应用糟糕，而现代消费者希望通过应用下单。他们意识到必须采取一系列措施来革新体验，使客户能够顺利通过应用下单，并实现从生产到交付全流程追踪，直至送货上门。"

如果你已经猜到了，这家公司正是 Yum Brands 旗下的 Pizza Hut。

Ciruli 说："公司意识到必须在一分钟内完成所有销售和追踪工作。他们需要一个 API 来支持销售渠道，通过合作伙伴销售产品，同时还能快速创新，并在必要时随时进行调整。"

Ciruli 补充道，他们不仅需要快速响应，更不能有任何停机时间，因为他们的 6,000 个门店都依赖数字服务来正常运作。因此，他们的做法是构建一个现代化应用，打造一个现代化后端，并运行在基于 Kubernetes 的现代基础设施上。"他们成功做到了，并挽救了企业，" Ciruli 说。

云原生开发者的解决方案：Nutanix Kubernetes Platform ( NKP )

云原生 IT，特别是涉及 Kubernetes 的部分，并不仅仅是炒作。这些新一代技术工具——仅有十年左右历史——正通过提供构建现代 AI 应用所需的灵活性、可扩展性和效率，使得 AI 工作负载成为现实。多数过程实现了自动化，使得时间紧迫的 IT 部门也能实现快速开发。生成式 AI 以及 agentic AI 还通过提供精确的代码建议来缩短开发和测试时间。

NKP 是一个功能齐全的解决方案，可部署和管理横跨多种环境（包括本地数据中心、边缘节点和公有云）的 Kubernetes 集群。新 NKP 套件包含以下主要资产：

针对 AI 工作负载的 Kubernetes：Kubernetes 以即时分发微服务而著称，非常适合管理动态且资源密集的 AI 工作负载。它能够高效共享昂贵的资源——例如 GPU——并支持快速迭代和部署，这对 AI 开发至关重要。Kubernetes 使得 AI 应用能在公有云、私有云和边缘环境间真正实现可移植。

Kubernetes 在 AI 领域的实际应用：包括 OpenAI、Spotify 和 Uber 在内的领先 AI 公司都在 Kubernetes 上运行其模型，这充分证明了其在管理复杂计算需求方面的高效性。一项相关数据：Cloud Native Computing Foundation ( CNCF ) 2024 年云原生调查 [ PDF ] 指出 "如今的世界是 Kubernetes 的世界：93% 的公司在生产中使用、试点或积极评估 Kubernetes。"

NAI 与 Kubernetes 的整合：Nutanix Enterprise AI ( NAI ) 可在 Kubernetes 集群中运行，使组织能够轻松将新 AI 模型投入生产。Nutanix 将 AI 集成到 Kubernetes 的功能中，例如通过 AI Navigator 聊天机器人来协助工程师进行故障排查和系统监控。

灵活性和可移植性：在 Kubernetes 上运行的容器确保了 AI 应用可以在本地数据中心与公有云之间部署而不受厂商锁定限制。这对于追求混合云和多云策略、并注重成本、性能和数据主权的组织尤为重要。

云原生开发的变革潜力：云原生驱动的 AI 应用有潜力通过更好、更快的数据驱动决策及更高的生产力来变革业务运营。Kubernetes 容器所具备的模块化和便携性正好支持这种转型。

借助 Nutanix GPT-in-a-Box 实现的便捷部署：在 Kubernetes 上运行的 GPT-in-a-Box，使 Nutanix 能让组织轻松将 AI 模型投入生产。该解决方案简化了 AI 第2天（ Day 2 ）的运维工作，并适应生成式 AI 的新进展，提供了一套经过验证的技术堆栈，实现了操作、基础设施和服务的高效整合。毕竟，这是一个 Kubernetes 的世界

事实证明，AI 热潮正在为云原生应用开发注入强大动力，而 Kubernetes 则是这台引擎。在企业争相构建可扩展、快速且灵活的 AI 驱动服务之际，传统工具已显不足。新一代平台如 NKP 的出现，不仅简化了部署过程、最大化了系统正常运行时间，还大幅缩短了开发周期——这些都直接反映在企业的底线上。从披萨连锁到 OpenAI 等领先企业，云原生 AI 正在拯救企业、实现基础设施现代化，并释放出前所未有的敏捷性——因为在当今市场，要么快速创新，要么面临被淘汰的风险。