我从云原生计算还没被称为"云原生"时就开始关注这个领域了。那时云原生计算基金会刚刚在Linux基金会下成立，当时的理念简单而大胆：标准化基础设施，释放开发者速度，让创新复合增长。

快进到本周在阿姆斯特丹举办的KubeCon欧洲2026，这个理念得到了回报，但方式与许多人预期的不同。

成熟度悖论：Kubernetes成功了，AI还没有（目前）

主题演讲中的核心数据令人震惊：

Kubernetes采用率82%

AI日常部署率仅7%

这不是差距，而是鸿沟。

CNCF执行董事Jonathan Bryce将其描述为"云原生推理挑战和淘金热"。Kubernetes已成为现代基础设施的事实操作层，但人工智能仍在努力实现大规模运营化——特别是生产级的AI日常使用。这是新的瓶颈。

多年来，我们谈论容器、编排和微服务是难题。今天，这些问题已经解决。新的前沿是推理：模型如何在生产环境中实际运行、扩展和提供价值。

Kubernetes正在成为AI操作系统

另一个关键数据：三分之二的生成式AI工作负载已经在Kubernetes上运行。这是本次KubeCon的隐藏故事。Kubernetes不再仅仅是基础设施，它正在成为AI操作系统。

这次不同的是谁在出现。上一个时代的领导者现在与下一个时代完全一致。英伟达正在从硅片到软件推动AI工厂堆栈，而亚马逊AWS和谷歌云正在将Kubernetes更深入地嵌入到他们的AI平台中，作为训练和推理的控制层。同时，IBM的红帽继续大规模运营开源，将企业IT与云原生乃至AI原生工作负载连接起来。它们共同代表了强大的融合：云原生遇见AI原生，开源作为连接组织。

但问题是：仅仅因为AI可以在Kubernetes上运行，并不意味着它是优化的、高效的或经济可行的。我们看到的是早期云采用的重演：

提升和迁移行为

糟糕的成本控制

碎片化工具

上层缺乏标准化

区别在于？风险成倍增加，新的AI时代来势汹汹。

经济性现在成为关键

Linux基金会研究的一个更被忽视但关键的洞察是，优化开放模型可以释放248亿美元的全球AI年度节约。这不是增量的，而是结构性的。

我们正在进入一个AI策略即成本结构策略的阶段。超大规模云提供商和模型提供商正在推动封闭生态系统。与此同时，由CNCF及其生态系统领导的开源世界正在将Kubernetes定位为AI工作负载的中性控制平面。

这建立了经典的行业张力：

封闭模型 vs 开放模型

平台锁定 vs 云原生可移植性

原始性能 vs 经济效率

AI控制平面的兴起

在美国和欧洲的许多theCUBE对话都指向一个新兴想法：AI需要自己的控制平面。不仅仅是基础设施编排，还包括模型生命周期管理、推理优化、策略执行和成本治理。CNCF中突出显示的Kubernetes AI一致性工作等项目标志着事情的发展方向。我们看到AI工作负载在Kubernetes上的标准化。

这还很早，但这是熟悉的领域。

我们之前在容器方面看过这部电影：

混乱

工具爆炸

标准化

平台整合

我们在AI方面正处于第1步和第2步之间。

下一章：从基础设施到智能

CNCF社区中的许多人都在强调生命周期成熟度，如认证、项目毕业和生态系统健康。这很重要，但现在是基本要求了。

真正的故事是：

云原生已经向上移动了堆栈。

昨天：基础设施抽象

今天：应用程序编排

明天：智能编排

这就是转变。

我的观点：这是第二个创始时刻

这一刻感觉很熟悉。当Kubernetes从谷歌项目成为现代计算的支柱时，我就在那里。但这次更大。KubeCon欧洲2026不再是关于Kubernetes采用的问题。那场战争结束了。这是关于在其上运行什么——以及云原生生态系统是否能在AI时代执行。

因为信号很清楚：

平台已准备就绪

采用率已经存在

生态系统庞大

缺少的是执行。执行就是一切。

这是云原生要么演化为AI经济控制平面，要么被做得更好的人抽象化的拐点。如果云原生计算基金会和开源社区能够弥合AI执行差距，他们不仅保持相关性——他们还定义了计算的下一个十年。

如果他们做不到，重心就会转移。这就是我们现在所处的时刻。

毫无疑问，这是云原生的第二个创始时代。

Q&A

Q1：云原生和AI现在的发展状态有什么差异？

A：目前Kubernetes的采用率已达到82%，而AI的日常部署率仅为7%。这表明云原生基础设施已经成熟，但AI的大规模生产应用仍然面临执行挑战。Kubernetes已成为现代基础设施的操作层，但AI还在努力实现规模化运营。

Q2：为什么说Kubernetes正在成为AI操作系统？

A：数据显示三分之二的生成式AI工作负载已经在Kubernetes上运行。Kubernetes不再仅仅是基础设施，而是正在演化为AI的控制平面，负责模型生命周期管理、推理优化、策略执行和成本治理等功能。

Q3：开放模型相比封闭模型有什么经济优势？

A：Linux基金会研究表明，优化开放模型可以释放248亿美元的全球AI年度节约。这创造了经典的行业张力：封闭模型对开放模型、平台锁定对云原生可移植性、原始性能对经济效率的选择。