💡
原文中文，约6600字，阅读约需16分钟。
📝
内容提要
KubeCon EU 2026 结束，密瓜智能的 HAMi 项目展示了 GPU 共享与调度，强调 Kubernetes 在 AI 工作负载中的重要性，推动全球对 AI 基础设施的关注。
🎯
关键要点
- KubeCon EU 2026 结束，密瓜智能的 HAMi 项目展示了 GPU 共享与调度。
- 云原生正在从应用运行平台演进为 AI 基础设施的运行底座。
- Kubernetes 正在进入 AI Infra 阶段，关注 AI 工作负载的高效运行。
- HAMi 项目在 KubeCon 上完成了标志性集中亮相，参与了多场重要讨论。
- GPU 资源管理和调度问题成为 AI 基础设施的核心问题。
- HAMi 与 vLLM 等项目之间的协同开始变得自然，推动 AI Infra 生态的组合式协作。
- HAMi 项目正在申请 CNCF 孵化工程，参与 TAG workshop 讨论项目治理。
- KubeCon 上的技术分享聚焦于 GPU 共享与调度机制，强调其在 AI 工作负载中的重要性。
- HAMi 在 KubeCon 主论坛 Keynote 上进行现场 Demo，展示了多 workload GPU 调度场景。
- AI Native Summit 讨论 AI workload 的运行效率，强调 GPU 虚拟化和调度的重要性。
- HAMi 被视为 Cloud Native Landscape 的扩展项目，代表新一代基础设施问题。
- 全球社区对 AI Infra 的关注快速升温，Kubernetes 与 AI 的结合进入深水区。
- HAMi 正在逐步形成独特定位，面向 Kubernetes 的 GPU 资源层与异构算力调度能力。
- 密瓜智能将继续推动 Kubernetes 更好地承载 AI workload，提升算力资源的组织与调度效率。
❓
延伸问答
密瓜智能在 KubeCon EU 2026 上展示了什么项目？
密瓜智能在 KubeCon EU 2026 上展示了 HAMi 项目，重点是 GPU 共享与调度。
Kubernetes 在 AI 基础设施中的作用是什么？
Kubernetes 正在成为 AI 基础设施的运行底座，关注 AI 工作负载的高效运行。
HAMi 项目如何解决 GPU 资源管理问题？
HAMi 项目通过实现 GPU 虚拟化和共享调度机制，解决了 GPU 资源管理和调度的问题。
KubeCon 上讨论的主要技术问题有哪些？
主要技术问题包括 AI workload 的高效运行、GPU 的共享与调度、以及异构算力的统一管理。
HAMi 在 KubeCon 的 Keynote 中展示了什么？
HAMi 在 KubeCon 的 Keynote 中展示了基于 Kubernetes 的多 workload GPU 调度场景。
密瓜智能对 AI 基础设施的未来有什么看法？
密瓜智能认为，AI 基础设施的竞争关键在于底层算力资源的高效组织与调度。
➡️
