一句话看懂：在 2026 年微软开发者大会上，微软宣布了 Azure Kubernetes Service（AKS）的多项重大升级，核心包括裸金属节点支持、跨云/本地集群的舰队管理能力，以及面向 AI 训练与推理的托管 Ray 服务和模型部署框架。这表明微软正加速让 Kubernetes 成为 AI 工作负载的默认基础设施层，而非依赖专用 AI 硬件栈。
事件核心：发生了什么
本次发布覆盖四个方向：第一，AKS 裸金属版（公开预览）允许工作负载绕过虚拟化管理程序直接访问 NVLink、RDMA 等硬件特性，专为大语言模型训练和低延迟推理优化。第二，Azure Kubernetes Fleet Manager 扩展至 Azure Arc 启用的混合云和多云环境，实现集群策略、工作负载调度与权限的统一治理。第三，Azure 托管 Anyscale（公开预览）将 Ray 框架集成到 AKS，企业可通过该服务在动态扩展的 CPU/GPU 集群上编排分布式 AI 任务。第四，AI Runway 与 Kubernetes AI Toolchain Operator (KAITO) 进一步完善，提供从模型选择、资源评估到生产端点的 Kubernetes 原生部署流程。此外，AKS Automatic 中的托管系统节点池和专为容器优化的Azure Container Linux 也已正式商用，旨在分离系统组件与应用负载，降低集群运维复杂度。
为什么重要
这些公告反映了行业的一个关键趋势：AI 基础设施正从“堆叠专用硬件”转向“基于 Kubernetes 的标准化平台”。微软的策略并非自建封闭的 AI 编排系统，而是深度集成 Kubernetes、Ray、vLLM、Gateway API 等开源技术，以托管服务形式降低企业使用门槛。裸金属版的推出尤其值得关注——它解决了虚拟化层带来的性能损耗，使 GPU 密集型任务（如大模型训练）能在保持 Kubernetes 运维统一性的同时，获得近乎物理机的效率。这直接回应了企业在成本和性能之间的平衡需求：即便效率提升几个百分点，在大规模部署中也能显著降低开支。同时，Fleet Manager 的混合云支持，说明多区域、多云、混合部署已成为 AI 应用的常态，统一管控能力正从“选配”变为“标配”。
对用户/开发者/创作者的影响
对于企业 AI 团队，裸金属 AKS 和托管 Ray 服务可减少自主管理 GPU 集群的负担，尤其适合已采用 Kubernetes 但受限于虚拟化性能的推理场景。对于平台工程师，AI Runway 和 KAITO 提供了一层更高阶的模型部署抽象，但未屏蔽 Kubernetes 原语，意味着团队仍能保留对资源调度、自动扩缩容和网络策略的控制力。对于使用 AI 应用的终端用户，这些底层优化可能间接带来更低的推理延迟和更稳定的服务体验。短期内，现有 AKS 用户可通过更新集群配置启用裸金属节点池，但需注意其处于预览阶段，生产环境迁移应谨慎评估。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，裸金属 AKS 的价格与可用区覆盖尚未公布，需关注其正式发布后的定价策略是否与标准节点存在显著差异。第二，托管 Anyscale 服务对企业 Ray 工作负载的兼容性——特别是对现有自定义 Ray 代码的适配成本——将是决定其采用率的关键。第三，谷歌的 GKE 和亚马逊的 EKS 很可能在年内推出类似功能（如直接 GPU 硬件访问或更紧密的 Ray 集成），该领域的竞争将推动基础设施成本进一步下降。
来源：InfoQ CN
