站在 2026 年的上海会场里，我想起了八年前和 Dan Kohn 一起筹备首届 KubeCon China 的日子。
2026 年 9 月，KubeCon + CloudNativeCon 再次回到中国大陆，又一次来到上海。大会的全名比过去长了很多，这次还包括 OpenInfra Summit 和 PyTorch Conference，旁边又有围绕 Agent 与 MCP 的活动。
名字变长不是一件小事。它几乎就是过去几年技术变化的缩影：云原生不再是舞台上唯一的主角，AI 已经挤到了聚光灯中央，而 Kubernetes、OpenStack 和各种云原生项目正在重新寻找自己在 AI 技术栈中的位置。
对我来说，这次回来还有一层更私人化的感受。
从 2018 年的上海说起
第一次 KubeCon China 是 2018 年，也是在上海。当时 Dan Kohn 来到中国，和我们一起讨论、筹备这场大会。那几年 Kubernetes 还在快速扩张，很多人第一次听到 Cloud Native 这个词，我们谈得最多的是容器、微服务、Service Mesh，以及 Kubernetes 会不会成为未来的数据中心操作系统。
那届大会来了 2500 多人，是当时首届国际 KubeCon 的参会纪录。Dan 在台上、会场和社区活动中的样子，我到现在仍然记得很清楚。
后来 Dan 因病去世。如今 KubeCon 的奖学金项目以他的名字命名。这次在上海重新看到 Dan Kohn Scholarship，我很难只把它当成大会页面上的一个项目名称。对我来说，它连接的是一群具体的人，以及中国云原生社区刚刚起步的那段时间。
八年过去，Kubernetes 已经不再需要证明自己能不能进入生产环境。它早已成为基础设施的一部分。可是，技术世界的中心也在发生变化。当年的问题是“应用如何跑上 Kubernetes”，今天的问题已经变成“AI 如何更高效、更可靠地跑在异构算力之上”。
我在 HAMi 展台看到的变化
这次我主要负责 HAMi 展台。除了见到很多多年未见的老朋友，一个很直观的感受是外国参会者比我预想的多。
尤其是在 HAMi 展台，我体感上有一半以上的访客来自海外。当然，这只是一个展台上的个人观察，不能代表大会整体的参会者构成。但它仍然说明了一件事：围绕 GPU 调度、共享和异构算力管理，中国项目正在吸引全球开发者主动来了解。
来自韩国的 Todea 团队在会后写了一篇很详细的回顾，把这次大会的共同主题概括为“从同一批硬件中找回容量”。这个说法和我在展台上的感受很接近。大家问 HAMi 的问题，已经不再只是“Kubernetes 能不能识别 GPU”，而是如何切分 GPU、如何提高利用率、如何在同一个集群中运行训练与推理，以及如何管理 NVIDIA、昇腾、寒武纪、海光等不同加速器。
这意味着 GPU 已经从一个外挂设备，变成了 Kubernetes 控制面必须理解的一等资源。
Todea 的回顾还记录了多个生产案例。招商银行把训练和推理放到共享的 Kubernetes 基础上，平均加速器计算利用率从 35% 提升到 60% 以上；合合信息通过切分、装箱调度、亲和性与弹性扩缩容，提高了 GPU 利用率并降低成本；越南 Viettel 的案例则更直接，同样的工作负载和服务水平下，单卡利用率从 13% 提高到 59%。
这些数字来自各团队在大会上的报告，场景和口径并不完全相同，不能横向做简单比较。但它们共同指向一个变化：AI 基础设施的第一问题正在从“有没有卡”转向“现有的卡究竟完成了多少有效工作”。
中国云原生社区没有消失，而是下沉了
如果只看社交媒体上的声音，有时会觉得中国的云原生热度已经不像几年前那么高。创业公司的标签变了，市场预算流向了大模型和 Agent，很多以前做云原生的人也开始研究推理、GPU、向量数据库和 AI 平台。
我自己也是其中之一。我这些年把主要方向逐渐转向 AI 基础设施，研究 GPU 与 Kubernetes 的适配。转过来之后我才发现，这并不是离开云原生，而是沿着云原生继续往计算资源的深处走。
CNCF 与 SlashData 在大会期间发布的《中国云原生开发现状报告》给出了另一幅图景。截至 2026 年第一季度，中国约有 175 万云原生开发者，其中约 40 万同时从事 AI 开发。中国后端开发者中的云原生比例，已经从两年前的 30% 增长到 48%。
还有一个数据很有中国特色：48% 的中国工业物联网开发者属于云原生开发者，高于 42% 的全球平均水平。制造、通信、能源和硬件是中国开发者更集中的行业，这些系统往往需要长期运行，也更偏好私有化和受控基础设施。云原生在中国并没有简单地等同于公有云，它越来越多地存在于本地数据中心、专有云、边缘节点和行业平台中。
所以我更愿意说，中国云原生不是消失了，而是下沉了。它从新鲜概念变成了很多系统默认采用的工程方法，又被内部开发平台进一步隐藏起来。报告显示，全球 88% 的后端开发者已经在某种标准化的 DevOps 或平台环境中工作。一个开发者可能每天都在使用以 Kubernetes 为底座的平台，却不再需要亲自写 Dockerfile、配置容器网络或者操作集群。
当基础设施变得不可见，它在舆论场里的声音会变小，但在生产系统里的责任反而更大。
CNCF 在中国的存在感为什么变了
这次大会让我觉得，CNCF 在中国的存在感并不是简单地变强或者变弱了，而是性质变了。
2018 年的 KubeCon China 有一个非常清晰的中心：Kubernetes 和 CNCF。当时中国是 CNCF 项目全球第三大贡献来源，国内公司加入基金会、捐赠项目、成为顶级贡献者，都是大会最重要的新闻。
2026 年，中国仍然是 CNCF 项目的全球第二大贡献者来源。代码贡献没有消失，Kubernetes 也没有失去生产地位。但这次活动需要和 OpenInfra、PyTorch 放在同一个舞台上，才完整表达今天的技术需求。基础设施、容器编排、模型框架和 Agent 系统已经连成了一条链，任何一家基金会都很难单独讲完这个故事。
这也带来了一个问题：当云原生成为默认底座之后，CNCF 还能不能继续定义下一代开发者最关心的问题？
在中国，这个问题尤其现实。国内企业的技术决策越来越受异构芯片、数据合规、私有化部署和本地供应链影响。社区成员还在贡献代码，但基金会与本地开发者之间的日常连接，比项目仓库中的贡献数字更难维持。大会可以带来一次集中重逢，真正的存在感却来自全年持续的本地内容、用户案例、维护者成长和跨语言协作。
如果 CNCF 只强调“Kubernetes 仍然很重要”，这句话当然没错，但已经不够了。更重要的是解释清楚：Kubernetes 如何承接 AI 的新工作负载，中国开发者和本土硬件又如何真正进入全球标准与上游社区。
AAIF 带来的不只是一个新基金会
2025 年底，Linux Foundation 成立了 Agentic AI Foundation（AAIF），首批项目包括 Anthropic 的模型上下文协议（MCP）、Block 的 goose 和 OpenAI 的 AGENTS.md。不到一年，围绕 Agent 的协议、工具调用、上下文管理和协作规范，已经形成一套新的开源叙事。
AAIF 对 CNCF 的冲击，不是说 Agent 会替代 Kubernetes。它真正争夺的是开发者的注意力、厂商预算和标准制定的入口。
十年前，一个开发者想参与下一代基础设施，很可能先学容器、Kubernetes 和云原生。今天，一个年轻开发者更可能先接触大模型 API、MCP、Agent 框架和 AI 编程工具。他关心的第一个接口不再是 Kubernetes API，而是模型如何调用工具、Agent 如何交换上下文、怎样控制权限和成本。
这也是为什么本届大会把围绕 Agent 与 MCP 的活动放在 KubeCon 同一周。Agentic AI 正在形成自己的社区中心，而它与云原生的边界还没有稳定下来。
我不认为 CNCF 和 AAIF 最终会是零和竞争。AAIF 更接近 Agent 的协议层和开发者入口，CNCF 更擅长管理长时间运行的分布式系统。一个 Agent 真正进入生产环境之后，仍然会遇到身份、隔离、网络、策略、可观测性、弹性和多租户问题。这些恰好是云原生社区过去十年反复解决的问题。
但合作不会自然发生。谁来定义 Agent 的运行单元，谁来管理状态，谁来规范身份和可观测数据，谁来承担安全边界，这些问题都会影响未来项目和基金会的分工。
Agentic AI 正在反过来改造 Kubernetes
过去我们常说 Kubernetes 是一个通用编排平台。但 Agentic AI 会迫使我们重新检查“通用”两个字。
传统 Web 服务的工作负载相对稳定，Pod 启动后持续处理请求，CPU 和内存基本可以描述它的资源需求。Agent 则可能突然启动，调用多个外部工具，等待模型推理，保存上下文，然后休眠或结束。它既像一个短任务，又可能携带长期状态；既需要沙箱隔离，又需要代表用户访问外部系统。
这会给 Kubernetes 带来几类新的压力。
首先是资源模型。训练、推理和 Agent 任务都不能只用“几张 GPU”来描述。显存、算力比例、互联拓扑、模型缓存和国产异构加速器，都需要进入调度决策。HAMi 和动态资源分配（DRA）解决的是这条链路中最靠近设备的一层。
其次是工作负载模型。一个大模型推理副本可能已经不是一个 Pod，而是一组跨节点协同的 Pod。Prefill 与 Decode 分离、Gang Scheduling、LeaderWorkerSet 和多集群调度，都说明原来的 Deployment 抽象不够表达 AI 系统。
再次是安全与治理。Agent 不只是响应请求，它会采取行动。它需要独立身份、细粒度授权、网络出口控制、工具调用审计和可恢复的执行记录。把每个 Agent 简单塞进一个 Pod 并不能自动解决这些问题，但 Kubernetes 的 ServiceAccount、策略引擎、沙箱运行时和可观测体系，提供了一个可继续演化的基础。
CNCF 与 SlashData 的报告也显示，AI 开发者走的是一条不同的云原生成熟路径。他们先用 Kubernetes、微服务、事件驱动和可观测工具建立数据管道，再通过不可变基础设施保证训练可复现，进入生产推理后才更需要 Service Mesh、混沌工程和多集群管理。
这个顺序说明，AI 不只是云原生上的一种新工作负载。它正在重新排列云原生技术的优先级。
社区的价值仍然是人
技术趋势可以从报告和议程里总结，但大会真正不可替代的部分，仍然是人。
这次我见到了很多多年没有见面的老朋友。有些人还在做 Kubernetes，有些人已经在做网关、大模型、Agent 或 GPU 芯片，还有一些人的职位和公司都换了好几次。大家聊起过去的项目，也聊现在各自面对的新问题。
我越来越觉得，社区不是一群永远讨论同一种技术的人。真正的社区，是当技术周期变化之后，这些人仍然愿意带着新的问题回来交流。
2018 年，我们相信 Kubernetes 会改变基础设施。2026 年，我们正在判断 Kubernetes 能不能支撑 AI 改变软件。问题变了，人也在变化，但那种通过开源建立信任、跨公司合作的方式没有变。
Dan 当年推动 KubeCon 来到中国，最重要的意义也不只是办了一场大会。他帮助中国开发者与全球开源社区之间建立了一座桥。今天，这座桥需要连接的不只是云原生，还包括芯片、模型、推理系统和 Agent 协议。
总结
如果要用一句话总结 KubeCon China 2026，我会说：云原生没有退场，它正在失去舞台中央的位置，同时成为整个舞台的地基。
中国云原生社区仍然有规模、有生产实践，也有持续的上游贡献，只是它的参与者已经分散到 AI 基础设施、异构算力、平台工程和 Agent 系统中。CNCF 面临的挑战，是把这些新方向重新连接起来。AAIF 带来的冲击，则提醒所有人，下一代开放标准的入口可能已经从容器编排移到了 Agent 与工具之间的协议。
对 Kubernetes 来说，这既是压力，也是第二次机会。它不需要成为 Agent 框架，也不需要包办整个 AI 技术栈。它需要做的是把 GPU、网络、身份、隔离、状态和可观测性变成可靠的生产底座，让 AI 工作负载可以像今天的微服务一样被规模化运行。
而对我个人来说，这次回到上海更像一次坐标校准。回头看，Dan 和我们一起筹备首届大会的情景还历历在目；往前看，我已经把更多精力放在 GPU 与 Kubernetes 的结合上。世事变化很快，但只要社区还愿意重逢、讨论和共建，那条从过去通向未来的路就还在。
参考文献
- KubeCon China 2026: Capacity Recovered From The Same Hardware - Todea
- The State of Cloud Native Development in China Report - CNCF
- KubeCon + CloudNativeCon、OpenInfra Summit 与 PyTorch Conference 首次在中国同台 - CNCF
- Linux Foundation 宣布成立 Agentic AI Foundation - Linux Foundation
- A look back at KubeCon + CloudNativeCon Shanghai 2018 - CNCF
- CNCF Statement on the Passing of Dan Kohn - CNCF
