CNCF宣布Kubeflow项目正式毕业，成为Kubernetes上成熟、生产就绪的AI/ML平台。该项目标准化了从数据处理、模型训练到推理的完整AI生命周期，支持多云环境。自2017年创建以来，已有超6600名贡献者，下载量近2.6亿次，被Bloomberg、NVIDIA等企业采用，未来将扩展大语言模型编排和智能体工作负载。

Kubeflow统一SDK在PyPI下载量突破100万，提供Pythonic接口，无需YAML，支持本地、容器和Kubernetes三种后端，覆盖训练、调优、模型注册等ML生命周期。未来将集成MCP服务器、OpenTelemetry和LLM训练框架，以简化分布式训练并提升可观测性。

Kubeflow在Kubecon Japan 2026上宣布多项进展，包括Kale 2.0集成、Notebooks v2 alpha、SDK支持Spark和LLM微调、Trainer支持MPI及强化学习，并发布26.03发行版。项目已申请CNCF毕业，社区通过外展计划和ML体验工作组推动采用，8月19日将举办线上展示会。

Kubernetes调度与Cilium网络策略因拓扑感知差异，导致分布式训练协调器与GPU工作节点跨可用区隔离，训练停滞且GPU闲置。修复无需改动CNI，仅通过节点亲和性和拓扑分布约束将Pod同区部署，即可消除网络阻断、延迟和跨区成本，GPU利用率从40%提升至85%。

2022年首届Kubeflow峰会在旧金山举行，聚焦Kubernetes上的AI/ML工作流，旨在为机器学习工程师和数据科学家提供讨论Kubeflow应用与未来发展的平台，促进社区合作与创新。

2025年KubeCon + CloudNativeCon将在伦敦举行，我与Hezhi Xie共同探讨Kubeflow在机器学习中的应用。会议聚焦Kubernetes、MLOps和基础设施效率，强调云原生生态系统的快速发展和社区的重要性。

Kubeflow社区因简化Kubernetes中的AI/ML体验而快速发展，提供端到端解决方案。在KubeCon + CloudNativeCon上，用户和贡献者分享技术与最佳实践。Kubeflow 1.10发布了新功能，包括模型注册的新UI和超参数优化，社区积极展示其在AI/ML中的应用。

我在Coupang工作两个月，主要负责BOS系统开发和ML Workflow平台调研。选择Coupang是因为其AI基础设施建设的机会。虽然对ML Workflow了解不深，但我发现其在数据处理和模型生命周期管理上与通用Workflow有显著不同。经过调研，我对Flyte的强类型和多租户支持特别感兴趣，希望能灵活部署选定的ML Workflow系统。

Sveltos 提供多集群、GitOps 驱动的 MLOps 解决方案，旨在高效管理 Kubernetes 上的 AI 工作负载，适合复杂的 AI 堆栈部署。