CNCF在KubeCon北美站启动用户组计划,首批设立平台工程、公共部门、科研、电信四个用户组,按行业或问题领域长期服务终端用户,并向技术咨询委员会汇报。用户组须具备章程、经批准的主席,每月召开公开会议并定期汇报。技术社区组是轻量起点,取得多项成果后可申请升级为用户组,平台工程组即由技术社区组转型而来。
文章指出,AI代理使非工程师也能开发软件,平台工程需同时服务两类新用户:随意发挥的普通员工与严格按规则行事的AI代理。作者主张将规则写入平台而非依赖个人经验,借鉴Kubernetes的声明式配置、准入控制、资源限额和自动恢复机制,为每个应用和代理分配身份与权限,限制变更速度,提供可读的错误提示,并保留审计与紧急停止手段。
CNCF与SlashData发布2026年第三季度技术雷达报告,指出平台工程模式影响AI基础设施策略:使用独立管理工具的团队中54%采用混合AI工作流,自建内部平台者仅5%。可观测性领域Prometheus和OpenTelemetry获“采纳”评级,基础设施即代码领域OpenTofu和OpenFeature领先,存储领域Carina获“采纳”。报告强调成熟云原生技术对生产级AI工作负载的支撑作用。
平台工程研究显示,强制采用平台的团队中62.2%称实现了大部分或全部目标,而自愿采用者仅27.5%。但行业正转向自愿采用,强制平台占比从63.0%降至45.9%。强制采用常与领导支持、预算信心相伴,且在预算不确定时更有效。建议强制推行安全、成本等政策,而平台采用本身保持自愿,让平台成为满足政策的最省力路径。
2026平台工程报告调查379名从业者发现,以从零自建为主的团队更易缺乏清晰战略、更难达成目标。51.3%的团队主要采购现成工具,高效团队更依赖工具。本地开发和临时环境因绑定特定技术栈而偏向模板化,临时环境与AI对交付有积极影响,自建团队更依赖AI进行维护。核心结论:自建本身不是问题,无理由的默认自建才是战略缺口,应有意识地采购。
平台工程日将于2026年11月9日在盐湖城KubeCon北美大会期间举行,由社区为实践者打造,聚焦AI与平台工程、可持续性、智能体、平台即产品及合规等议题,分享真实案例与经验教训。活动设单双轨环节,适合各阶段从业者,无需预备知识。
BackstageCon将于2026年11月9日在盐湖城举行,为期一天,与KubeCon北美站联动。会议聚焦Backstage实践及近一年推出的AI功能,设AI代理、技术深度、开发者体验、部署经验四大主题,单轨进行。适合生产环境平台团队、评估者及贡献者参加,可获取实战经验并结识维护者。
KubeCon + CloudNativeCon北美2026大会面向应用开发者,聚焦平台工程、安全、可观测性和AI辅助开发等云原生趋势。开发者可参与BackstageCon、Agentics Day等活动,了解从代码到生产的完整流程,并与维护者交流,以减轻认知负担、提升开发体验。
企业Kubernetes自助服务的核心矛盾在于界定哪些资源可安全交给开发者、哪些由平台团队管理。直接开放原始API会将运维负担转嫁给开发者,务实方案是“铺好的路”:平台团队定义安全配置,开发者从服务目录自助申请开发集群、命名空间等低风险可重复资源,无需工单。HPE Morpheus与HKS集成,自动化配置、权限、审批和生命周期控制,将环境交付从数周缩短至数小时,并统一治理Kubernetes、虚拟机和云环境。
AI基础设施不应只关注GPU,而应视为CPU、内存、存储和网络协同工作的整体系统。平台团队需匹配各阶段资源需求,而非孤立优化GPU。通过Kubernetes及DRA等工具统一编排异构资源,并观察CPU到GPU的完整链路,以识别瓶颈。设计应围绕整个系统,而非单一组件,才能将算力转化为有效AI基础设施。
该文探讨CNCF平台工程成熟度模型中“接口”方面的四个阶段:自定义流程、标准工具、自助服务和集成服务。多数团队停滞在第二阶段,原因包括黄金路径外的例外请求堆积、专业知识不足、维护陷阱和僵化问题。为提升成熟度,需先命名现有流程,再参数化路径、记录请求并视接口为产品,最终通过自动化、集成工具和分布式所有权实现隐形平台。
Kubernetes平台团队正面临支持AI工作负载的挑战。文章指出,虽然66%的组织用Kubernetes运行生成式AI推理,但仅7%每日部署模型,且35%平台团队未编排AI工作负载。为让平台AI就绪,需扩展资源模型(如动态资源分配)、将CI/CD延伸至模型生命周期、观察工作负载而非仅集群、为开发者提供标准化路径,使AI成为常规生产工作负载。
LLMOps是大语言模型运维实践,涵盖数据、提示工程、部署、监控与治理,比MLOps更复杂。平台工程应统一管理LLM管道,避免影子AI风险。通过治理API、策略执行、审计追踪,将LLM能力作为平台产品提供,而非另建独立体系。
Qodana目前仅检查应用代码,但DevOps和平台工程栈缺乏统一质量检查。团队使用多个独立CLI工具(如Kube-score、Checkov等)分析基础设施,各有配置和集成,无共享质量门禁或IDE反馈,导致基础设施代码审查不足。文章提议将Qodana扩展至DevOps工件,提供统一界面、配置和跨域分析,建立基础设施代码的共享质量标准,并征求社区反馈。
自建内部开发者平台需约60人团队,年成本750万美元,五年达3750万美元,远超购买商业平台。商业平台维护人员少,且自建存在隐性成本、晋升激励和速度差距问题。企业应聚焦核心业务,购买平台而非自建,将工程资源用于开发差异化应用。
随着AI生成代码的普及,软件工程师角色将分化为产品工程师和平台工程师。产品工程师专注于客户界面,而平台工程师则构建AI工具链。平台工程从支持功能转变为核心,涵盖代理护栏、成本控制、反馈循环等,确保AI安全高效编码。未来多数工程师将转向平台侧,因为构建和维护AI“引擎”的适配层比写代码更关键,组织需重视此转变。
CNCF与SlashData报告显示,日本云原生开发者约95万,占开发者总数41%,略超全球平均。AI需求推动采用,约10万AI开发者使用云原生技术。日本以本地部署为主(47%),混合云占16%,平台工程成熟度提升,88%后端开发者使用标准化环境。
在Kubernetes环境中,“你构建,你运行”的DevOps模式对数据库运维不现实。开发者擅长构建软件,但数据库操作需专业运维。平台工程应通过集中控制平面自动化处理数据库的配置、补丁、备份和治理,减少开发者负担,避免因升级或故障导致停机。开发者应专注应用开发,而非数据库运维。
平台工程正演进以支持智能体企业,AI代理成为与人类开发者并列的一等平台消费者。平台需管理应用、资源和AI代理三类软件资产,并建立共享上下文模型,使人类与代理能协作运维。OpenChoreo作为CNCF沙箱项目,通过生态模块扩展,在Kubernetes基础上统一治理,实现人机协同管理企业软件资产。
平台工程已获认可,但AI编码代理将环境需求从工单变为流量:并发、短时、持续。传统复制或共享环境模式成本高、延迟大。需将环境视为服务系统,采用增量部署与路由,实现秒级响应和近零边际成本,使代理能自主请求环境,提升验证吞吐量,决定AI代码实际交付量。
完成下面两步后,将自动完成登录并继续当前操作。