云原生技术动态：Kubernetes加速AI工厂化转型，Week 35安全与版本更新密集落地
云原生技术动态：Kubernetes加速AI工厂化转型，Week 35安全与版本更新密集落地
本周（8月24日至30日）云原生生态在”AI基础设施”与”安全维护”两条主线上同步推进。CNCF官方博客连续发布三篇聚焦AI落地Kubernetes的深度文章，从”AI工厂”蓝图、容器平台到底层GPU预测式弹性伸缩，勾勒出平台工程拥抱大模型工作负载的完整路径；与此同时，LWCN Week 35周报显示Cilium、Kyverno、Keycloak、OPA、SPIRE等核心项目集中发布安全与功能更新，供应链接连出现高危补丁。
主要新闻
CNCF发布”AI工厂”蓝图：用Kubernetes原生组件打造GPU基础设施
CNCF于8月27日发布《Building an AI factory on Kubernetes》，为企业构建规模化AI训练与推理平台提供了可落地的参考架构。文章将现代AI工厂视为一条端到端的”数据流水线”：从数据入库到分布式训练、再到推理服务与在线更新，每一环都可映射到云原生组件——Kubernetes提供统一的调度与资源抽象，Dynamic Resource Allocation（DRA）管理GPU等异构设备，Kueue以队列式配额协调多租户作业，vLLM等推理运行时承载在线服务，KServe负责模型版本化与自动扩缩。文章强调，AI工厂并非全新基础设施，而是把Kubernetes多年积累的”自助服务、可观测、可组合”范式平移到GPU负载之上。
Source: Building an AI factory on Kubernetes
“你的Kubernetes平台准备好迎接容器，准备好迎接AI了吗？”
8月28日CNCF再发文《Your Kubernetes platform is ready for containers. Is it ready for AI?》，直指容器与AI工作负载在资源模型上的根本差异：容器通常要求”快速、短暂、可水平扩展”，而AI推理负载往往”有状态、GPU密集、冷启动昂贵”。文章建议平台团队从三方面审视现有平台缺口：GPU调度与分时复用（如MIG、时间分片）、扩展GPU内存与长寿命推理会话（Long-Running Inferencing with GPUs，LIGA）、以及在保持CPU负载弹性的同时为GPU配额引入排队机制。其核心观点是：多数平台只需在新调度语义、设备管理与弹性策略上做增量改造，而非另起炉灶。
Source: Your Kubernetes platform is ready for containers. Is it ready for AI?
预测式GPU自动扩缩：在”尖峰”到来之前扩容
同一日，CNCF发布《Scale before the spike: Predictive autoscaling for GPU workloads on Kubernetes》，聚焦推理场景中GPU资源”等待即花钱、扩缩有滞后”的成本痛点。文章以开源工具为线索，对比了基于历史时序的预测式扩缩（如KEDA的预测scale、基于周期性流量的人工智能预测）与既有HPA/VPA方案的优劣势，并讨论了训练与推理负载在弹射模型上的差异：训练任务需要在队列中等待配额，推理服务则需要平滑应对流量尖峰。作者给出的建议是在GPU工作负载上把”反应式HPA”升级为”预测式HPA + 队列准入”的组合，以在保障SLO的同时收敛GPU账单。
Source: Scale before the spike: Predictive autoscaling for GPU workloads on Kubernetes
Week 35周报：Cilium、Kyverno、Keycloak等发布安全更新
LWCN发布Week 35（8月24日-30日）周报，共记录46个发布、161条新闻。网络与安全组件是本周边际更新最密集的区域：Cilium同时发布v1.20.1/v1.19.7/v1.18.13补丁版本；Kyverno v1.19.0修复高危漏洞CVE-2026-32280；Keycloak 26.7.2修复CVE-2026-45292；OPA发布v1.19.1；SPIRE更新至v1.15.3；CoreDNS发布v1.14.7、Crossplane发布v2.4.0；Rook也随之跟进修复Ceph侧的CVE-2025-30156。多项目同期出补丁再次提醒运维团队：策略、密钥与身份组件的补丁节奏已成为Kubernetes安全基线的关键一环。
Source: Last Week in Cloud Native, Week 35, 2026
分析
本周唯一的核心叙事是”Kubernetes与AI的深度耦合”。与8月26日Kubernetes v1.37把Gang调度、工作负载感知抢占、HPAScaleToZero等能力正式带进GA/Beta一脉相承，CNCF本周的三篇博客把平台侧的”能力储备”翻译为可操作的工程路径：从”AI工厂”的端到端蓝图，到容器平台与AI负载之间的资源语义差异，再到GPU预测式扩缩的成本优化。对平台工程团队而言，这标志着AI不再只是”在K8s里跑个业务”，而是正在催生一套围绕DRA、Kueue、KServe、KEDA等组件组装起来的原生AI编排栈。
对运维与SRE角色，最值得关注的仍是成本与容量管理。GPU实例常以小时计费，”扩得太慢丢SLO、扩得太快烧预算”的两难在推理负载上被放大。预测式扩缩工具（KEDA预测scale等）与传统HPA的差异正在成为成本治理的分水岭；叠加不可抢占的训练作业与可抢占的推理作业之间的优先级设计，平台团队正需要把”排队、配额、抢占、预测”组合成一套完整的资源治理策略。
安全层面，Week 35的补丁潮带有明显的”供应链收紧”信号：Kyverno与Keycloak作为策略与身份入口，其高危CVE的修复节奏直接关系到集群的合规基线；而Cilium连续三条分支线补丁、Ceph侧CVE由Rook跟进，说明在零信任与多集群部署成为常态后，网络与存储组件的交叉修复需要更紧密的协同。对采购和依赖管理的团队，这一类”周报级”补丁应被纳入上线前准入扫描。
结论
本周云原生的关键词是”AI工厂化”。从CNCF连续三篇重磅文章到v1.37的AI调度特性，再到GPU预测式弹性扩缩，整个生态正在把AI工作负载从”外部工具的拼装对象”改造为”Kubernetes的原生一等公民”。对平台团队，建议对照”AIfactory”参考架构盘点自身GPU编排缺口，并评估预测式扩缩在推理成本治理中的收益；对安全团队，建议把Week 35这批补丁（Kyverno CVE-2026-32280、Keycloak CVE-2026-45292）纳入近期的升级与准入清单。接下来值得关注的是CNCF在GPU调度与AI工具链上是否推出更正式的标准或孵化项目，以及各家发行版对这类AI编排能力的支持节奏。