NVIDIA atveria „Run:ai“ GPU orkestravimo platformos kodą
Trumpai: NVIDIA paskelbė, kad visa „Run:ai“ platforma dabar yra atvirojo kodo ir tampa NVIDIA DSX AI Factory Platform pagrindu AI darbo krūvių bei GPU orkestravimui Kubernetes aplinkoje. Leidime pateikiami keturi moduliniai komponentai — KAI Scheduler, GPU Fractioning Operator, KAI Resource Management ir Workload Map, kuriuos galima naudoti kartu arba atskirai. Aštuoni ekosistemos partneriai, tarp jų Crusoe, Mirantis, Nebius, OpenNebula Systems, Rafay, Saturn Cloud, Spectro Cloud ir vCluster, integruoja platformą į savo paslaugas.
Šią santrauką automatiškai parengė dirbtinis intelektas pagal „NVIDIA Developer“ publikaciją. Tai mūsų tekstas, ne originalo kopija — faktai, skaičiai ir citatos priklauso šaltiniui, kurio nuoroda pateikta viršuje ir apačioje.
Kas pasikeitė?
- 1Visa NVIDIA Run:ai platforma dabar atvirojo kodo kaip DSX AI Factory Platform dalis
- 2Paskelbti keturi moduliniai komponentai: KAI Scheduler (GPU suvokiantis Kubernetes planavimas), GPU Fractioning Operator (CUDA-native GPU dalijimasis), KAI Resource Management (kvotos/hierarchija), Workload Map (darbo krūvių valdymo sutartis)
- 3Prieinama per GitHub saugyklą, NVIDIA NGC Community Product (Helm chart) arba per DSX ekosistemos partnerius
- 4Aštuoni partneriai (Crusoe, Mirantis, Nebius, OpenNebula Systems, Rafay, Saturn Cloud, Spectro Cloud, vCluster) integruoja atvirojo kodo platformą
- 5Papildomi atvirojo kodo projektai Model Streamer ir Grove pagreitina modelių įkėlimą ir daugiakomponentį išvedimo (inference) orkestravimą
Kodėl tai svarbu?
Komandos, valdančios savo GPU infrastruktūrą AI išvedimui ir mokymui, gauna nemokamą, gamybinio lygio alternatyvą patentuotiems GPU planavimo ir dalijimosi įrankiams — tai gali sumažinti kaštus ir pagerinti išnaudojimą aptarnaujant daug modelių ar klientų bendrai naudojamuose GPU.
Ką tai reiškia AI agentams ir kontaktų centrams?
Jei patys hostinate kalbos modelius (STT/TTS) ar LLM GPU serveriuose balso agentams, o ne naudojate tik debesies API, šie atvirojo kodo planavimo ir GPU dalijimosi įrankiai galėtų leisti sutalpinti daugiau darbo krūvių viename GPU ir efektyviau valdyti kvotas tarp komandų — verta įvertinti, jei GPU kaštai ar išnaudojimas yra kliūtis.
🧪 Verta testuoti
Gali reikšmingai pagerinti GPU išnaudojimą ir sumažinti infrastruktūros kaštus komandoms, kurios patys hostina kalbos ar LLM modelius dideliu mastu, tačiau reikalauja Kubernetes žinių.
Šaltiniai
- NVIDIA DeveloperOficialusPirminis šaltinisOriginalus straipsnis →„NVIDIA Run:ai Is Now Open Source as Part of NVIDIA DSX AI Factory Platform“2026-10-13 17:19
- Šaltinio publikavimo data
- 2026-10-13 17:19
- Mūsų sistema rado
- 2026-10-13 17:41
- Santrauka sugeneruota
- 2026-10-13 17:42
Straipsnį pagal originalų šaltinį parašė AI. Faktai, skaičiai ir kainos — iš šaltinio; trūkstamos reikšmės pažymėtos „Nėra oficialių duomenų“. Teisinė informacija, autorių teisės ir privatumas