2017-2022
云原生与 Kubernetes 阶段：围绕容器编排与平台基础能力，先后发布《Kubernetes 架构与生态》《Cloud Native Go》《云原生 Java》《云原生模式》《云原生基础架构》等。
什么是 AI 原生基础设施？
为 AI 系统重新设计的基础设施 — 而非从云原生堆栈改造而来。
智能体 / AI 应用
智能体运行时与上下文
推理 · 训练 · 治理
GPU 与加速基础设施
- 非确定性 AI 工作负载本质上是非确定性的
- 智能体优先 智能体，而非服务，成为主要执行单元
- 一等资源 GPU、上下文和 token 成为一等资源
- 治理优于部署 调度与治理比部署更重要
研究证据：写作时间线与研究方法
从一线问题到系统化表达，持续写作是我验证与迭代 AI 原生基础设施方法论的方式。
写作时间线
2022-2024
服务网格与微服务阶段：聚焦治理与流量体系，持续完善《Istio 基础教程》《迁移到云原生应用架构》《Istio 最佳实战》《简明 Envoy 教程》等实践路径。
2025-Now
AI Native Infra 与 AI 阶段：形成 AI 工程到基础设施的方法论，推出《RAG 应用开发与实战手册》《智能体设计模式》《智能体构建指南》《Kubernetes 中的 GPU 调度与虚拟化手册》《AI 原生基础设施》《AI 基础设施之道》等。
研究方法卡片
问题先行
从真实生产问题出发，再抽象概念与模型，避免空泛技术叙事。
系统化拆解
把复杂主题拆成资源模型、运行时、平台工程与治理四个层次。
可验证表达
每个结论尽量对应可验证案例、开源项目或工程指标。
长期迭代
文章、图书与演讲互相校验，持续修正观点并更新实践边界。
出版物与长期著作
覆盖云原生、AI 原生基础设施与智能体系统的长期写作与出版项目，作为方法论的系统化产出。
AI 开源全景图
把方法论落到工具与项目：面向开发者持续更新的 AI 开源资源导航。
持续更新
探索 AI 资源列表
按分类浏览智能体、AI 编程工具、模型基础设施与工程实践相关的开源资源。
查看 AI 资源列表最新实践文章
最近发布的工程实践与思考更新，延续前述研究主线。
从信息架构、首页设计、社区展示、案例沉淀、博客体验、移动端适配到搜索能力，这次重构不是简单“换皮”，而是一次围绕 HAMi 社区影响力与文档可用性的系统升级。
在 GTC 2026 前夜，从 NVIDIA 的 AI Five-Layer Cake、智能体运行时的兴起，到 AI 原生基础设施，重新思考 AI 是否正在成为新的基础设施。
核心技术领域
研究范围概览：用三条主线界定 AI 原生基础设施的实践边界。
AI 原生
我关注 GPU 虚拟化、推理与智能体的运行时与工程抽象，思考如何把能力稳定高效交付到生产环境。
云原生
我研究 Kubernetes 在 AI 负载下的边界与演进方向，包括资源调度、弹性伸缩与多租户治理。
开源开放
我以工程师视角参与并推动 AI 原生基础设施开源生态，重视可验证、可演进的设计与协作方式。
关于宋净超（Jimmy Song）
Jimmy 长期聚焦 AI 原生基础设施与算力治理，持续研究 GPU 虚拟化、异构调度与系统级架构设计等工程问题。现任 Dynamia 密瓜智能 开源生态 VP，同时是 CNCF Ambassador 与 云原生社区（中国） 发起者，长期推进从云原生走向 AI 原生的工程实践。
