工具与应用01
红帽在 2016 年发起 KubeVirt 项目，目标是让 Kubernetes 在管理容器的同时也能运行虚拟机，从而让老系统和新应用共用一个平台。如今它已成为 CNCF 孵化项目，Nvidia、微软、AMD、英特尔、SUSE 等公司都有贡献者，社区正推动它从孵化阶段毕业。未来方向包括：用 Kubernetes 原生的动态资源分配统一申请 GPU、网卡和 CPU；支持机密虚拟机，让敏感数据和 AI 模型在执行时也受硬件保护，并可远程验证环境是否可信；以及让 KubeVirt 更容易被其他项目集成。对读者来说，这些还在开发和讨论中，部分功能如 AMD SEV 已进入 beta、IBM Secure Execution 已可用，其余多数尚未发布。
文中可用工具
- KubeVirt让 Kubernetes 同时运行虚拟机和容器的开源项目
- Open Sovereign AI Cloud (OSAC)基于 KubeVirt 提供虚拟机、集群和裸机服务
- Cluster API Provider KubeVirt (CAPK)把 KubeVirt 虚拟机当作 Kubernetes 节点使用
- Flight Control在边缘环境运行 virt-launcher，无需完整控制平面
- Kubernetes Dynamic Resource Allocation由 Kubernetes 统一分配 GPU 等设备资源
- Trustee机密容器项目的远程证明与密钥释放服务
行业动态02
CNCF 报告说，82% 的容器用户在生产环境里使用 Kubernetes（一种管理大量容器的工具），它已经成了默认选择。但选对了技术不代表团队就省心了：开发人员喜欢自助上线、快速改配置，运维团队却担心稳定性和审批流程，双方常常较劲。现在 AI 推理任务越来越多，应用要跑到混合云和边缘设备上，GPU 调度和扩容又成了新难题；有专家认为，公司过度拆分微服务也带来了“架构臃肿”。好消息是，AI 自动化有望帮团队盯集群、查日志，甚至提前预测故障，把一部分运维活儿接过去。对读者来说，这意味着未来容器混乱有希望缓解，但作者也强调没有单一产品能解决所有问题——HPE 等厂商在推相关工具，但哪些具体限制、何时落地，文中没有说明。
文中可用工具
- Kubernetes管理大量容器应用的开源系统，用于自动部署、扩容和运行服务
- HPE OpsRampHPE 推出的软件，用于管理多云和本地混合计算环境
行业动态03
CNCF 执行董事 Jonathan Bryce 说，过去 18 个月里该基金会审批项目毕业的速度比以往任何时候都快，部分原因是他们创建了 AI 智能体来帮忙做不同阶段的尽职调查。他用 2018 年 OpenAI 早期借助 Kubernetes 调度算力的例子说明，开源工具让 AI 公司能在自有数据中心和多家云厂商之间灵活调配资源，不用被单一供应商锁死。现在这些 AI 公司把改进回馈给开源社区，金融和制造业也能跟着受益。不过，智能体具体怎样做尽调、准确率如何，文中并未说明。
文中可用工具
- Kubernetes开源容器编排工具，用来在自有数据中心和多个云平台之间灵活分配算力
Agent 与工作流04
Stacklok 创始人 Craig McLuckie 在 CNCF 博客上提出，目前多数 AI agent harness（即围绕 AI agent 的上下文、文件系统、子 agent、权限等支撑层）太“本地”，只适合单个开发者在笔记本上跑，难以支撑数百个会话，会话容易中断，体验也无法在不同客户端或设备间迁移。他认为应当把 agent harness 当作云原生分布式应用：把 agent 循环与底层基础设施和服务分开，就像 Kubernetes 教会业界“容器里的单体仍是单体”一样。对读者来说，这预示未来 AI agent 的支撑层可能像云服务一样可扩展、可迁移，而不只是本地玩具。目前这只是观点和倡议，尚未说明具体落地产品。
行业动态05
云原生计算基金会（CNCF）发布了 Kubernetes 1.37 版本，代号“Garhwal”。这次更新主要关注稳定性、安全性，以及对 AI/ML 工作负载的优化。对用户来说，稳定版指标 API 意味着监控工具可以直接依赖它，不用再冒险用试验功能；无根 Kubelet 进入测试版，则让容器运行更安全，即使被攻破也不容易影响整个机器。不过，文章没有说明具体哪些指标 API 转正、无根 Kubelet 什么时候正式可用，也没有提到具体的下载或升级方式。