今天是我在 KubeCon Europe 2026 的第一天。
一个很强烈的感受是：
世界很大，但这个圈子真的很小。
老朋友、新周期
在 Maintainer Summit 现场，我见到了很多“老面孔”——
有蚂蚁的同事，也有来自 Tetrate 的朋友，还有一些已经认识接近十年的人。我们从早期的 Kubernetes、Service Mesh、云原生基础设施一路走到今天。
某种意义上，这一代人，是完整经历了：
- Kubernetes 崛起
- Cloud Native 标准化
- 微服务与服务网格热潮
- 再到今天的 AI Infrastructure
这不是一次“新的人进场”，而更像是——
同一批人，进入了一个新的技术周期。
Maintainer Summit 在讨论什么？
如果你问一个问题：
Kubernetes 社区现在最关心什么？
今天的答案其实非常明确：
👉 如何让 AI Workloads 更好地运行在 Kubernetes 上
在 Maintainer Summit 上，讨论的很多议题都围绕：
- LLM / AI workloads 的调度模型
- GPU / 加速器资源管理
- 推理（inference）系统与 Kubernetes 的结合
- 数据面 vs 控制面的重新分工
- 可观测性如 OTel 如何观测 AI 负载
换句话说：
Kubernetes 并没有被 AI 替代，而是在主动“吸收”AI。
重要的信号：GPU 正在变成“基础设施层”
今天和 CNCF TOC、Red Hat、以及 vLLM 社区有一场很深入的交流。
我们聊的核心问题其实只有一个：
GPU 应该如何被“平台化”？
一些共识已经非常清晰：
- GPU 不再只是一个 device
- 而是一个 可以被调度、被切分、被共享的资源层
在阿姆斯特丹的 Maintainer Summit 上，我们与 CNCF TOC、Red Hat 和 vLLM 社区围绕 Kubernetes 场景下的 GPU 资源管理与 LLM Serving 融合进行了深入交流，并探讨了 vLLM + HAMi 的潜在联合内容与后续协作。
这背后其实是一个很大的范式转移：
| 过去 | 现在 |
|---|---|
| GPU = 节点资源 | GPU = 基础设施层 |
| 独占 | 多租户共享 |
| 静态绑定 | 动态调度 |
| 框架内部管理 | 平台层统一管理 |
而这正是我们在 HAMi 里一直在做的事情。
HAMi：从“项目”到“参考样本”
今天还有一个比较有意思的变化是：
HAMi 不再只是一个“社区项目”，而是开始被当成：
一个 AI Infra 方向的参考实现（reference pattern）
这体现在几个地方：
- 被邀请参与 Maintainer Summit 的项目分享
- 参与 CNCF TOC 的讨论
- 参与 incubating review demo
- 和 vLLM 社区探讨联合内容（甚至已经在聊 joint blog 👀）
尤其是在和 Red Hat、vLLM 的交流中，有一个趋势非常明显：
GPU resource management 和 LLM serving 正在发生耦合
也就是说：
- 上层：vLLM / 推理框架
- 下层：GPU scheduling / sharing
正在逐渐形成一个“接口面”。
这会是一个很值得下注的方向。
值得警惕：AI Infra 创业还没真正爆发
但同时，我也有一个稍微“反直觉”的观察：
还没有看到大规模“AI Infra（K8s 方向）创业浪潮”。
今天看到的大部分公司：
- 很多是从 CI/CD / Service Mesh / Gateway 转型
- 很多是传统云厂商延展 AI 能力
- 很多在做模型、Agent、或者更底层的东西
但真正 focused 在：
“让 AI workload 在 Kubernetes 上运行得更好”
这一层的创业公司，其实还不多。
这可能意味着两件事：
1）这个层还没 Fully formed
现在更多是在：
- 模型层（LLM / foundation model）
- 应用层（Agent / Copilot）
而不是：
- 调度层
- 资源层
- runtime 层
2）或者，这一层门槛很高
因为它本质上是：
Cloud Native × GPU × AI workload 的交叉领域
不是简单的“套壳 AI”，而是基础设施级别的重构。
我的判断
如果把整个 AI 技术栈分层来看：
Agent / Application
↓
LLM Serving (vLLM, etc.)
↓
AI Runtime / Scheduling
↓
GPU Resource Layer
↓
Hardware
那么今天大多数创新集中在：
- 上两层（Agent / LLM）
但真正长期壁垒在：
- 中间两层（Runtime + Resource Layer）
而 Kubernetes，很可能会继续成为：
这个中间层的默认承载平台
最后
今天的总结是：
Kubernetes 并没有过时，它正在被重新定义。
而我们这一代人，也正在从：
“Cloud Native Builders”
转向：
“AI Infrastructure Builders”
明天继续。
