Две трети организаций, занимающихся генеративным ИИ, используют Kubernetes для инференса. Уровень внедрения Kubernetes в продакшн достиг 82%. Свежие данные за первый квартал 2026 года из совместного исследования CNCF и SlashData, представленные на KubeCon + CloudNativeCon Amsterdam, подкрепили цифрами то, что индустрия ощущала уже давно: Kubernetes не просто выдерживает волну ИИ, он является платформой, на которой эта волна движется.
«Kubernetes становится де-факто операционной системой для ИИ».
Это не пустой звук — так сформулировал Боб Киллен, старший менеджер технических программ в CNCF, на выставочной площадке KubeCon. Двадцать лет в этом цирке, и подобные заявления до сих пор заставляют меня стискивать зубы, но в этот раз данные… с ними трудно спорить.
Исследование CNCF также оценило сообщество cloud-native разработчиков в 19,9 миллиона человек по всему миру. Некоторые ключевые выводы, которые действительно имеют значение:
- 82% организаций используют Kubernetes в продакшне. Серьёзно, если вы всё ещё бьётесь с виртуальными машинами для чего-то хоть сколько-нибудь значимого, вы живёте прошлым.
- Две трети организаций, использующих генеративный ИИ, применяют Kubernetes для инференса. Дело не в выборе самой модной модели, а в «сантехнике».
- Опыт операторов — тот часто игнорируемый промежуточный слой между инфраструктурой и разработкой — наконец-то стал первоочередной задачей. Хорошо.
- Реальное узкое место — не генерация кода, а DevOps, надёжность и безопасность. Шок.
Кодирование никогда не было самой сложной частью. ИИ-сгенерированный код лишь укоротил и без того короткие «жерди». Безопасность, надёжность и операционная дисциплина и так были на пределе, а теперь они подвергаются колоссальной нагрузке из-за объёмов кода, который не создан людьми и который они не всегда могут осмыслить. Это как дать ребёнку волшебную палочку для строительства домов: он может что-то соорудить за секунды, но через пять минут вам придётся вызывать инженера-конструктора.
Данные CNCF ясно это показывают: «предохранители» — это механизм, позволяющий организациям работать быстро, не устраивая пожаров. Лиам Боллманн-Додд, ведущий консультант по исследованию рынка в SlashData, выразился прямо:
Разработчик ИИ — независимо от того, насколько он компетентен, среднего уровня, повысивший или понизивший квалификацию — по сути, вы можете сказать, что он не может разрушить наши системы, он ограничен в своих действиях, и поэтому вы можете позволить ему быть немного более «опасным», потому что он на самом деле не сможет ничего сломать.
И вот в этом, друзья мои, вся суть. Вывод однозначен: то, что хорошо для младших разработчиков, хорошо и для ИИ-разработчиков. Внутренние платформы разработчиков с надлежащими «предохранителями» — это настоящий прорыв, а не смена моделей. Речь идёт о контролируемом хаосе, а не о полной анархии. Кто выигрывает? Инженеры платформы, конечно, но также и любой, кто хочет, чтобы их системы оставались работоспособными.
Данные также показывают структурное изменение в организации команд. Киллен описал это как переход от небольших кросс-функциональных DevOps-команд к более крупным выделенным группам платформенной инженерии:
«Теперь мы видим сдвиг — более крупные команды, сосредоточенные на платформенной инженерии, предоставляющие услуги своим внутренним командам для их поддержки внутри организации».
Это соответствует тому, как модель Team Topologies становится стандартной практикой. Платформенные команды как внутренние поставщики услуг, снижающие когнитивную нагрузку для всех остальных — включая ИИ-агентов. В целом, это разумная эволюция. Прекратите изобретать колесо развёртывания и наблюдаемости для каждого отдельного проекта. Создайте прочную платформу и позвольте командам приложений сосредоточиться на своём деле.
Итак, что это значит для вас?
Запускаете ИИ на «голой» инфраструктуре или ВМ? Данные говорят в пользу консолидации на Kubernetes. Сообщество, инструменты и экосистема на месте. Присоединяйтесь. Масштабируете генеративный ИИ-инференс? Обратите внимание на Kubeflow и более широкий ландшафт ИИ/МО от CNCF — именно сюда направляются инвестиции сообщества. Погружаетесь в ИИ-сгенерированный код? Приоритезируйте свою внутреннюю платформу разработчика и «предохранители» перед добавлением новых ИИ-инструментов. Узкое место — не генерация. Создаёте функцию платформенной инженерии? Сдвиг от полнофункциональных DevOps-универсалов к платформенным специалистам подтверждён. Укомплектовывайте команды соответствующим образом. Речь идёт о специализации, и, честно говоря, это давно назрело.
Посыл из Амстердама ясен: открытая инфраструктура, инструменты, созданные сообществом, и инженерная дисциплина — вот что позволяет масштабировать ИИ. Сами модели почти второстепенны. А для тех из нас, кто видел, как технологические циклы приходят и уходят, это ощущается не столько как революция, сколько как солидная, хоть и неизбежная, консолидация лучших практик. Деньги, как всегда, текут к тем, кто делает сложное простым, а ненадежное — надежным.
🧬 Связанные материалы
- Читайте также: На что обратить внимание на этой неделе: ИИ, безопасность и производительность в центре внимания
- Читайте также: Open Source ИИ-модели: Llama, Mistral и революция открытых весов
Часто задаваемые вопросы
Что именно Kubernetes делает для ИИ? Kubernetes предоставляет стабильную, масштабируемую и управляемую среду для развёртывания и запуска моделей ИИ, особенно для инференса. Он берёт на себя такие задачи, как автоматическое масштабирование, самовосстановление и распределение ресурсов, что упрощает управление сложными рабочими нагрузками ИИ.
Заменит ли это мою работу? Маловероятно. В то время как инструменты ИИ могут автоматизировать написание кода и другие задачи, спрос на квалифицированных инженеров для создания, управления и обеспечения безопасности инфраструктуры (такой как Kubernetes), на которой работают эти модели ИИ, растёт. Сосредоточьтесь на навыках в области платформенной инженерии, безопасности и надёжности.
Слишком ли Kubernetes сложен для небольших команд? Хотя у Kubernetes есть кривая обучения, растущая экосистема инструментов и управляемых сервисов, наряду с тенденцией к внутренним платформам разработчиков, призваны абстрагировать большую часть этой сложности. Данные показывают, что даже небольшие организации внедряют его, особенно при работе с ИИ-нагрузками.
