当前位置: 首页 > news >正文

华为云亮相 KubeCon EU 2026,共建“智能原生”基础设施,加速 Agentic AI 未来

本文分享自华为云社区《华为云亮相 KubeCon EU 2026,共建“智能原生”基础设施,加速 Agentic AI 未来-云社区-华为云》

[荷兰,阿姆斯特丹] 在刚刚闭幕的 KubeCon + CloudNativeCon Europe 2026 上,全球开源精英与产业力量齐聚,共同见证了云原生与开源领域的又一次浪潮。本届大会以“Keep Cloud Native Moving”为主题,传递出一个清晰的信号:云原生已远超资源编排的范畴,正加速进化为AI——尤其是LLM与Agentic AI——的核心运行底座。

 

开放创新,共建面向 Agentic AI 的智能原生基础设施

作为 CNCF 的持续贡献者与全球云原生产业的引领者,华为云本次参会以 “Powering the Agentic Future” 为核心主旨,全方位展示了面向 Agentic AI 的“智能原生”基础设施开源创新与产品方案。通过多场深度技术演讲、沉浸式展区互动以及前沿技术研讨,华为云向全球开发者系统分享了在 AI 全生命周期管理、大规模异构算力调度、分布式推理流量治理、高性能服务网格等关键方向上的技术突破与实践经验,共同码写云原生在智能时代的新篇章。

Volcano:从 AI 全生命周期调度到 Agent 韧性底座

随着 Agentic AI 的兴起,基础设施面临着从“作业调度”向“复杂智能体编排”的转变。作为业界顶尖的云原生AI调度引擎,Volcano 构建从大规模训练到 Agent 编排的 AI 全生命周期调度底座,并于 2025 年重点推出了 面向 LLM 推理的 Kthena 与 面向 AI Agent 工作负载的高性能编排层 AgentCube 两个备受瞩目的子项目,在技术层面高性能适配 Agentic AI 应用要求。

在工作负载层:Volcano-Global 将海量训练作业拆分到多个集群,突破了单集群的限制;Kthena 提供企业级 LLM 服务,并支持 vLLM 等框架;AgentCube 快速实现Agent工作负载调度。在基础设施层,Volcano 通过 DRA 集成、HyperNode 发现、GPU 共享和异构池化,提供现代化的资源抽象,实现高效的任务到加速器映射。

▲ Breaking the Monolith: Decomposing and Governing Giant LLM Jobs Across Clusters

通过打通完整 AI 生命周期的统一调度能力,Volcano 提供强大的调度能力和高吞吐量,能够协调各种工作负载,超越批处理作业的限制,实现多调度器协同,高效应对人工智能快速发展过程中的训练、推理和 Agent 工作负载运行在孤立的系统中造成的资源效率低等难题。这不仅是调度算法的优化,更是云原生 AI 基础设施的一次范式重构,为 Agentic Future 提供了稳健、高效的运行动力。

▲ 华为云开源技术专家发表Volcano及Kthena、AgentCube 议题

Karmada:跨越云端边界,构建面向 AI 的多集群管理架构

本届大会,来自华为云的 Karmada Maintainer 组织了专场 Project Meeting ,与开发者与用户深度探讨了多集群扩展性、工作负载分发及社区发展路标,强化了分布式云原生的协作生态。携手Bloomberg、携程等生产用户,Karmada 社区也在分论坛上分享了社区过去一年的关键演进。Karmada 正在从“多集群管理工具”进化为“多集群AI编排底座”:应用优先级调度、联邦资源配额、有状态应用故障迁移等能力持续增强生产级稳定性;AI 作业调度增强与 Volcano Global 的协同,则为超大规模 LLM 任务的跨集群拆分与统一调度提供了坚实基础。同时,Karmada Dashboard 正式发布、Operator 能力持续增强,显著提升了多集群场景的可观测性与运维体验。

▲ Karmada 社区专场会议与议题演讲

在 ArgoCon 论坛上,华为云开源技术专家联合用户伙伴分享了 Karmada 与 Argo 生态整合的最佳实践。针对混合云多集群场景下渐进式交付缺乏全局协调能力的痛点,他们展示了如何通过 Karmada 与 Argo CD、Argo Rollouts 的整合,构建“定义一次,安全交付到任意集群”的统一平台。通过金丝雀发布示例,现场演示了集成架构与完整工作流,既保留了 Argo 在单集群渐进式交付的成熟能力,又借助 Karmada 的跨集群编排能力,将渐进式交付扩展至全局多集群。该方案已在生产环境中验证,为企业多云应用交付提供了可复用的实践范本。

▲ From Canary To Global: Unified Progressive Delivery for Hybrid Cloud With Karmada & Argo

Karmada 的成熟度与可靠性已在 Bloomberg、携程等复杂生产环境中得到充分验证,社区用户组成员突破40+。未来,Karmada 社区将持续聚焦 AI 工作负载的跨集群编排能力,与 Volcano、Kueue 等项目深度协同,共同构建面向AI多集群场景的统一管理与控制面。

Kmesh:基于 Rust 的数据面创新,引领Sidecarless服务网格

服务网格的性能开销一直是大规模分布式系统痛点,尤其是在对时延极其敏感的 AI 推理场景中。Kmesh 独辟蹊径地采用了内核级、Sidecarless 的架构。通过将服务治理逻辑下沉至 OS 内核(基于 eBPF 技术),Kmesh 实现了近乎零开销的网络转发,极大地降低了服务间通信的时延。

▲Optimize Sidecarless Service Mesh With A Brand-New Rust-Based Proxy

华为云开源技术专家分享了在 Kmesh 社区的技术创新成果。针对现有 Sidecarless 服务网格方案中 L7 流量处理依赖 Envoy waypoint 所带来的性能瓶颈与内存管理难题,包括不可预测的内存泄漏和生产环境调试复杂性。Kmesh 引入基于 Rust 重构的 Orion,作为 waypoint 与 Kmesh 深度集成后,Orion 与 Kmesh 的 eBPF L4 处理能力形成合力,构建了覆盖 L4 与 L7 的统一高性能 Sidecarless 服务网格。这一方案既延续了 Kmesh 在 L4 层的极致性能优势,又通过 Rust 的安全内存模型解决了 L7 代理在长期运行中的稳定性隐患,为服务网格在AI时代高吞吐、低延迟场景下的规模化落地提供了全新路径。

边缘智算引擎,KubeEdge 赋能万物智能

正如会上的演讲议题“KubeEdge Everywhere: From Graduation to Global Adoption”,KubeEdge 的行业应用近年来呈爆炸式增长。作为首个从 CNCF 毕业的云原生边缘项目,KubeEdge 自 2024 年晋级后,社区的功能更新、治理更新以及实践案例,充分验证了在边缘 AI 和行业工作负载管理方面的强大性能,其强大的边云协同能力,为千行百业的智慧场景提供了可落地的云原生边缘基础设施技术方案。来自DaoCloud、谐云、Google、华为云的技术专家共建了 KubeEdge 系列议题,与此同时,KubeEdge Project Pavilion 吸引了大量关于边缘 AI 落地场景的讨论。

▲ KubeEdge 应用于大会 Keynote 议题演讲中的滑翔机

展区零距离——智算引擎全栈体验

在华为展台,华为云向与会者展示了面向 Agentic AI 时代的智能原生基础设施解决方案。展区围绕 Agentic AI 基础设施与开发者展开深度互动,通过全新一代 CCE 智算集群、华为云 Agent 全栈平台、华为云容器领导力等产品与内容展示,呈现了从云原生基础设施到 AI 时代工作负载最佳运行底座的全栈能力,共同探讨智能原生未来图景。同时,华为云技术团队也分别在 Volcano、Karmada、Kmesh 等多个项目展台驻场,从多集群编排到AI调度,从服务网格到K8s生态,通过现场答疑、案例讲解与代码演示,与开发者进行开源技术创新与应用的面对面深度技术交流。

 

作为云原生与 AI 领域的先驱者,华为云深耕 Kubernetes 等核心技术十余年,在 AI 浪潮中打造面向未来的AI原生基础设施,构建 AI Infra、Agent Infra 等算力底座,支撑 AI 大模型与 Agent 智能体应用需求。凭借多年来的产业实践和技术创新,华为云连续5年蝉联国内容器软件市场份额 TOP1,获选 Gartner 容器管理魔力象限领导者,Omdia 产品战略与执行全球第一,技术实力获全球权威认可。

Powering the Agentic Future

这场阿姆斯特丹的思想碰撞,是云原生基础设施与 Agentic AI 的一场“双向奔赴”;云原生底层逻辑正在升级重塑,成为支撑智能时代运行的“数字神经系统”。

在迈向 Agentic Future 的征途中,我们将持续开放创新,让算力更高效、让治理更简洁、让智能更无处不在。期待与全球开源力量并肩,在智能原生的时代浪潮中,跑出加速创新的时代脚步。

http://www.jsqmd.com/news/676349/

相关文章:

  • Spring Boot 2.3+ 参数校验保姆级教程:从@NotNull到自定义注解,告别if-else
  • 安卓安全加固服务商报价与合同避坑指南:如何选对不选贵?
  • Pi0 VLA模型惊艳效果:视觉特征可视化揭示模型对‘红色’‘方块’‘边缘’的关注焦点
  • Webots仿真进阶:如何用编码器和激光雷达数据,让机器人‘感知’自己的速度与环境?
  • 为什么 C 语言能统治 50 年?从“混乱代码”到“结构化编程”的革命
  • XSP33 2-5串锂电池专用快充管理芯片
  • 猫抓浏览器插件终极指南:快速获取网页视频资源的完整解决方案
  • 花大价钱加固,App性能就废了?实测防抓包方案对启动速度、功耗的影响
  • Dislocker:跨平台BitLocker加密盘数据恢复的终极解决方案
  • Desktop Postflop专业实战:深度解析高性能GTO求解器的技术架构与应用
  • Phi-3.5-Mini-Instruct企业落地:汽车研发团队构建零部件技术问答助手
  • VCS仿真效率提升:用UCLI/TCL脚本实现FSDB波形按需抓取与分段存储
  • 三步实现网盘高速下载:LinkSwift开源工具使用指南
  • 告别虚拟示教器:用QT写个简易界面,实时调试ABB机器人的EGM UDP通信
  • 全自动PP高速收卷机厂家怎么选?从常州奥普托案例看无纺布产线升级路径 - 企师傅推荐官
  • BlenderKit插件跨平台兼容性深度解析:从ModuleNotFoundError到架构级解决方案
  • APK防破解安全加固服务商怎么选?2026年最新避坑与评估框架
  • Windows LAPS深度体验:它如何帮你堵上本地管理员账号这个最大的安全漏洞?
  • Windows Cleaner终极教程:5分钟掌握高效磁盘清理技巧,彻底解决C盘爆满问题
  • DLSS Swapper终极指南:游戏画质优化技术深度解密
  • 从‘穷举’到‘筛选’:深入解读SpERT模型中的Span过滤与关系负样本构建策略
  • RPFM终极指南:如何快速掌握Total War模组制作工具
  • 聊聊专业打印机租赁怎么选,长沙广运数码性价比出众 - mypinpai
  • AI漫剧制作完全指南:从零基础到爆款的完整制作流程(2026最新)
  • 题解:学而思编程 洗牌机器人
  • Hunyuan-MT 7B开箱即用:Streamlit可视化界面,翻译结果实时展示
  • diff-pdf:企业级PDF智能对比技术的深度解析与实战应用
  • EdgeRemover终极指南:如何彻底卸载Windows系统上的Microsoft Edge浏览器
  • API网关日志盲区正在泄露敏感字段!Dify 2026审计策略配置(含OWASP API Security Top 10映射表)
  • 2026广州定制楼梯品牌怎么选?从10个核心维度拆解 - 资讯焦点