随着企业将AI工作负载推向生产环境,它们遇到了一个熟悉的难题:平台碎片化。云原生计算基金会(CNCF)在2025年北美KubeCon + CloudNativeCon大会上新发布的Kubernetes AI一致性认证计划,正是为了解决AI领域众多分散平台、工具和标准的问题。
长期CNCF支持者和Kubernetes贡献者VMware by Broadcom也宣布,其vSphere Kubernetes Service(VKS)已获得认证,成为首批符合新AI标准的平台之一。
在亚特兰大KubeCon大会现场录制的The New Stack Makers节目中,TNS创始人兼发行人Alex Williams与Broadcom工程高级总监Dilpreet Bindra以及产品营销总监Himanshu Singh讨论了这些在Kubernetes上运行AI工作负载的开放社区定义标准。
新一致性计划的意义
Bindra认为新的一致性计划体现了CNCF从Kubernetes早期发展中汲取的经验教训。
"AI工具领域存在很多混乱,"他指出。"通过AI一致性计划,CNCF正在重复他们在Kubernetes初期所做的工作,确保基于这些工具开发的应用程序能够在多个不同平台上使用。"
Singh补充说,一致性"核心理念是可移植性。"平台供应商、基础设施团队、企业AI从业者和Kubernetes开源贡献者都需要一个通用且可互操作的基础。"如果我在公有云上运行并想将应用程序迁移到私有云,或者反之,一致性意味着我应该能够以最小的阻力将应用程序迁移到最适合的地方。"
vSphere Kubernetes Service的独特优势
VMware vSphere Kubernetes Service是CNCF认证的Kubernetes运行时,作为VMware Cloud Foundation的一部分提供。Bindra表示,VKS的独特之处在于它与底层vSphere平台的深度集成,而不是添加另一个抽象层。VMware将VKS架构设计为直接使用Kubernetes API对抗基础设施。
"一切都是YAML文档,所有的对象,"Bindra说。"这意味着虚拟机、Pod、持久卷和Kubernetes集群本身都可以通过Kubernetes API和Argo CD等工具以声明式方式管理。"
为了支持这一点,最新的VKS版本包含一个新的附加组件管理系统,让用户能够管理所有VKS集群的扩展,无论是预打包组件还是第三方工具。
Kubernetes成为AI工作负载的坚实基础
Singh和Bindra一致认为,这一切之所以成为可能,是因为Kubernetes本身已经成为不可动摇的基础。这种稳定性使企业能够信任Kubernetes处理生产AI工作负载。这也是Broadcom一直加倍支持Cluster API和etcd等基础项目的原因,这些组件使可靠、可扩展的Kubernetes成为可能。
"现在有更多用户、应用程序和企业完全信任这项技术,"Bindra说。"我们的观点是,未来大部分应用程序开发都将使用Kubernetes完成。"
Singh补充道:"你希望技术成熟,希望平台成熟,然后社区可以继续构建,持续扩展并将事物提升到新水平。"
"而在这个时间点,"他总结道,"AI就是那个新水平。"
Q&A
Q1:CNCF推出的Kubernetes AI一致性认证计划主要解决什么问题?
A:该计划主要解决AI领域平台碎片化问题。随着企业将AI工作负载推向生产环境,面临众多分散的平台、工具和标准。一致性认证确保基于这些工具开发的应用程序能够在多个不同平台上使用,核心理念是实现可移植性,让企业能够以最小阻力在公有云和私有云之间迁移AI应用。
Q2:VMware vSphere Kubernetes Service有什么独特优势?
A:VKS的独特之处在于与底层vSphere平台的深度集成,而不是添加抽象层。它直接使用Kubernetes API对抗基础设施,将一切都设计为YAML文档形式。这意味着虚拟机、Pod、持久卷和Kubernetes集群都可以通过Kubernetes API和工具以声明式方式统一管理。
Q3:为什么说Kubernetes已成为AI工作负载的可靠基础?
A:Kubernetes本身已经成为不可动摇的稳定基础,这种稳定性使企业能够信任它处理生产AI工作负载。现在有更多用户、应用程序和企业完全信任这项技术。随着技术和平台的成熟,社区可以继续构建和扩展,而AI正是当前发展的新水平。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。