# NVIDIA ღია წყაროები Run:ai პლატფორმა Apache 2.0-ში Kubernetes GPU დაგეგმვის დემოკრატიზაციისთვის

Source: TechNewsList (https://technewslist.com)
Canonical URL: https://technewslist.com/ka/article/nvidia-open-sources-run-ai-gpu-orchestration-platform-apache-2026-10-16-morni-ka
Section: Software (https://technewslist.com/ka/software)
Author: TechNewsList
Language: ka
Published: 2026-10-16T06:51:36.735+00:00
Updated: 2026-10-16T06:51:36.936891+00:00

> NVIDIA ავრცელებს სრულ Run:ai ორკესტრაციულ პლატფორმას ღია კოდის Apache 2.0 ლიცენზიით, განბლოკავს მშობლიურ ფრაქციულ GPU-ს დაჭრას და Kubernetes-ისთვის მრავალ დამქირავებელ განრიგს.

## TL;DR
- NVIDIA გამოაცხადა Run:ai პლატფორმის სრული ღია კოდის გამოშვება ნებადართული Apache 2.0 ლიცენზიით.
- გამოშვებაში შედის KAI Scheduler, GPU Fractioning ოპერატორი, რესურსების მენეჯერი და სამუშაო დატვირთვის რუკა.
- საწარმოს დეველოპერები იღებენ მშობლიურ Kubernetes-ის დინამიურ ფრაქციულ GPU-ს დაჭრას საკუთრების ლიცენზირების საფასურის გარეშე.
- ინიციატივა სტანდარტიზებს მრავალ მოიჯარეს AI სამუშაო დატვირთვას კერძო ღრუბლებში და მრავალ ღრუბლოვან კლასტერებში.

## Key points
- Run:ai ძირითადი ინფრასტრუქტურა გადადის საზოგადოების მიერ მართულ ღია კოდის საცავებში, როგორც NVIDIA DSX სტეკის ნაწილი.
- დინამიური ფრაქციული GPU განაწილება საშუალებას იძლევა რამდენიმე ერთდროულად მსუბუქი AI დასკვნა და სამუშაო დატვირთვის დარეგულირება ერთ ჩიპზე.
- KAI Scheduler წარმოგიდგენთ გაფართოებულ ბანდების განრიგს, ავტომატიზირებულ სამართლიან რიგებს და სამუშაო დატვირთვის პრევენციას.
- საწარმოები აღმოფხვრის გამყიდველის ჩაკეტვას, ხოლო გრაფიკული სილიკონის გამოყენების მაჩვენებლების გაუმჯობესებას ტიპიური საშუალო 30%-დან 80%-მდე.
- ღრუბლოვანი პროგრამული უზრუნველყოფის ძირითადი დისტრიბუციები სწრაფად აერთიანებს ოპერატორებს Kubernetes-ის ზემოთ შეფუთვაში.

## რა მოხდა

ღრუბლოვანი ხელოვნური ინტელექტის ინფრასტრუქტურის მთავარ სტრატეგიულ ასპექტში, NVIDIA გამოაცხადა Run:ai პლატფორმის სრული ღია კოდის გამოშვება Apache 2.0 პროგრამული უზრუნველყოფის ლიცენზიით. გამოცემა მოიცავს Kubernetes-ზე დაფუძნებული სამუშაო დატვირთვის ორკესტრირების კომპლექტის სრულ ოპერაციულ არქიტექტურას, რომელიც NVIDIA შეიძინა 2024 წელს საწარმოს გრაფიკის დამუშავების ერთეულის გამოყენების ოპტიმიზაციისთვის.

განაწილებული, როგორც მოდულური, დამოუკიდებლად განლაგებული კომპონენტები NVIDIA DSX AI Factory პლატფორმაში, ღია კოდის გამოშვება გლობალური დეველოპერების საზოგადოებისთვის თავისუფლად ხელმისაწვდომს ხდის ოთხ ძირითად სისტემას: KAI Scheduler, GPU Fractioning Operator, KAI Resource Management და Workload Map.

![წყაროს კოდი დაწერილი C პროგრამირების ენაზე რედაქტორზე.](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1792128431696-afhwdc-nvidia-open-sources-run-ai-gpu-orchestration-platform-apache-2026-10-16-morning-inside-1-0cb0fe2f0b.webp)
*დაბალი დონის სისტემის დაგეგმვის ოპერატორები ოპტიმიზაციას უკეთებენ ბირთვის დონის მეხსიერების მართვას კლასტერულ გრაფიკულ ჩიპებზე.*

საკუთრების ლიცენზირების ბარიერების აღმოფხვრით, NVIDIA საშუალებას აძლევს ნებისმიერ ორგანიზაციას - დაწყებული საწყის ეტაპზე დაწყებული, სუვერენულ ეროვნულ კვლევით ლაბორატორიებამდე - განათავსოს საწარმოს დონის დინამიური ფრაქციული GPU დანაყოფი და მრავალ მოიჯარე სამუშაოების რიგი სტანდარტულ Kubernetes კლასტერებში.

## რატომ არის მნიშვნელოვანი

საწარმოთა ტექნოლოგიების ლანდშაფტში, გრაფიკული ამაჩქარებლების კლასტერები წარმოადგენს კორპორატიულ ბალანსზე არსებულ ზოგიერთ ყველაზე ძვირადღირებულ აქტივს. მიუხედავად ამისა, მიუხედავად დიდი კაპიტალის ინვესტიციებისა, რეალურ სამყაროში GPU-ს გამოყენების მაჩვენებლები ტიპიურ საწარმოთა საინჟინრო გარემოში იშვიათად აღემატება 25-დან 35 პროცენტს.

ეს არაეფექტურობა ჩნდება იმის გამო, რომ სტანდარტული Kubernetes განრიგები განიხილავენ GPU-ებს, როგორც განუყოფელ, მონოლითურ გამოთვლით ერთეულებს. თუ დეველოპერი გამოუშვებს მსუბუქ დასკვნის კონტეინერს ან იუპიტერის გამართვის ინტერაქტიულ სესიას, რომელიც მოითხოვს მხოლოდ ორ გიგაბაიტ ვიდეო მეხსიერებას, Kubernetes აკავშირებს მთელ 80 გიგაბაიტიან GPU-ს ამ კონტეინერზე, ბლოკავს სხვა ინჟინრებს და ტოვებს ძვირადღირებულ სილიკონს.

Run:ai-ის GPU ფრაქციული ოპერატორისა და KAI Scheduler-ის ღია წყაროს გამოყენება წყვეტს ამ ფუნდამენტურ დაბრკოლებას. დრაივერის და კონტეინერის მუშაობის ფენაზე დინამიური ფრაქციული მეხსიერების დაჭრის ჩართვით, მრავალ დატვირთვას შეუძლია უსაფრთხოდ გააზიაროს ერთი ფიზიკური ამაჩქარებელი მკაცრი ტექნიკით განხორციელებული მეხსიერების იზოლაციით, კლასტერების გამოყენების სიხშირე 80 პროცენტზე მეტი.

## ტექნიკური დეტალები

ღია წყაროს არქიტექტურის ბირთვს წარმოადგენს KAI Scheduler, გაფართოებული Kubernetes განრიგის მოდული, რომელიც შექმნილია სპეციალურად განაწილებული მანქანური სწავლების დატვირთვისთვის. კონტეინერების ზოგადი განრიგებისგან განსხვავებით, რომლებიც აწყობენ პოდებს ერთ დროს, KAI Scheduler ახორციელებს ბანდების დაგეგმვას. მრავალ კვანძის განაწილებული მოდელის ტრენინგში, ან დაგეგმილია და ამოქმედდება ყველა საჭირო კვანძი მრავალ კვანძში ერთდროულად, ან არცერთი არ არის გაშვებული, რაც თავიდან აიცილებს ჩიხებს, სადაც განაწილებული სამუშაოები მოიხმარს ნაწილობრივ კასეტურ რესურსებს, ხოლო განუსაზღვრელი ვადით ელოდება დარჩენილ მუშა კვანძებს.

განრიგი ასევე აერთიანებს ავტომატიზირებულ სამართლიან რიგებს, გარანტირებულ კვოტებს და ინტელექტუალურ სამუშაოს პრევენციას. მაღალი პრიორიტეტის ავტომატიზებული უწყვეტი ინტეგრაციის მილსადენებს შეუძლიათ დროებით თავიდან აიცილონ დაბალი პრიორიტეტის კვლევის ექსპერიმენტები, უსაფრთხოდ შეამოწმონ სასწავლო მდგომარეობები და დააბრუნონ კვანძები რიგში, როგორც კი სასწრაფო სამუშაოები დასრულდება.

![ღია კოდის პროგრამული უზრუნველყოფის პროექტის წყარო კოდის საცავის ფაილები.](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1792128436340-3a84mv-nvidia-open-sources-run-ai-gpu-orchestration-platform-apache-2026-10-16-morning-inside-2-3c7b292248.webp)
*Apache 2.0 ლიცენზიის გამოშვება საზოგადოების ინჟინრებს საშუალებას აძლევს აუდიტი ჩაატარონ, შეცვალონ და გააფართოვონ GPU კლასტერების კონტროლერები.*

გრაფიკის შემავსებელი არის GPU Fractioning ოპერატორი, რომელიც პირდაპირ კავშირშია NVIDIA CUDA დრაივერებთან, რათა დინამიურად გამოყოს ფრაქციული vGPU ნაწილაკები მყარი ფიზიკური დანაყოფების ან სერვერის გადატვირთვის გარეშე. სამუშაო დატვირთვები იღებენ სპეციალურ ვირტუალურ გამოთვლით კონტექსტს, ტექნიკის მეხსიერების ლიმიტებით, რაც ხელს უშლის მეხსიერების გაურკვეველ გამოყოფას მეზობელი პროცესების ავარიისგან.

## გავლენა ბაზარზე და ინდუსტრიაზე

NVIDIA-ის გადაწყვეტილება ღია კოდის შესახებ Run:ai გარდაქმნის MLOps-ისა და ღრუბლოვანი ორკესტრირების ბაზრის კონკურენტულ დინამიკას. კონკურენტი GPU მენეჯმენტის პლატფორმები დაუყოვნებლივ განიცდიან ფასების ზეწოლას, რადგან პლატფორმის ინჟინერიის გუნდები ახლა ფლობენ საწარმოს დონის, საზოგადოების მიერ მხარდაჭერილი ღია წყაროს ალტერნატივას, რომელსაც ინარჩუნებს თავად ნახევარგამტარების დომინანტი გამყიდველი.

ღრუბლოვანი პროვაიდერებისთვის და საწარმოს ინფრასტრუქტურის გამყიდველებისთვის, როგორიცაა Red Hat, VMware და SUSE, გამოშვება უზრუნველყოფს უშუალო სტანდარტს. Kubernetes-ის ძირითად დისტრიბუციებს შეუძლიათ შეაერთონ მშობლიური ფრაქციული GPU ორკესტრირება მათ ნაგულისხმევ კონტეინერ პლატფორმებში, რაც გაამარტივებს კლიენტების ჩართვას AI სამუშაო დატვირთვისთვის.

გარდა ამისა, ნებადართული Apache 2.0 ლიცენზია საშუალებას აძლევს სუვერენულ AI-ის ინიციატივებს ევროპასა და აზიაში განათავსონ უსაფრთხო, აუდიტორული კლასტერების გრაფიკები, ამერიკული პროგრამული ტელემეტრიის ან კომერციული SaaS გამოწერების დაყრის გარეშე.

## რას უნდა დავაკვირდეთ შემდეგ

ღია კოდის Run:ai საცავები პირდაპირ ეთერშია GitHub-ზე, კონტეინერის სურათებით და Helm სქემებით გამოქვეყნებული ღია კოდის კონტეინერების რეესტრებში ავტომატური განლაგებისთვის.

უახლოეს თვეებში, დეველოპერების საზოგადოებები მონიტორინგს გაუწევენ სიჩქარეს, რომლითაც Cloud Native Computing Foundation (CNCF) და კუბერნეტის ზემოთ მყოფი საზოგადოება აფასებს Run:ai გრაფიკის გაფართოებების ინტეგრირებას პირდაპირ Kubernetes-ის გამოშვების ციკლებში.

DevOps-ის ლიდერებმა და მანქანათმცოდნეობის პლატფორმის არქიტექტორებმა უნდა ჩაატარონ პილოტური განლაგება GPU-ს განვითარების შიდა კლასტერებზე, რათა გაზომონ უტილიზაციის გაუმჯობესება და დაადგინონ სტანდარტიზებული მრავალბინიანი რესურსების კვოტები მათ საინჟინრო ორგანიზაციებში.

## წყაროები

- [NVIDIA ტექნიკური დეველოპერის ბლოგი](https://developer.nvidia.com/blog/open-sourcing-run-ai-kubernetes-gpu-orchestration/): ოფიციალური ტექნიკური გამოშვება, რომელშიც დეტალურადაა აღწერილი არქიტექტურა, Apache 2.0 საცავის ბმულები და KAI განრიგის სპეციფიკაციები.
- [New Stack Cloud Native](https://thenewstack.io/nvidia-open-sources-run-ai-platform-for-kubernetes-gpu-scheduling/): Kubernetes-ის გრაფიკის გაფართოებების ანალიზი, კლასტერული ეკონომიკის მრავალბინიანი ეკონომიკა და საწარმოს ეკოსისტემის მიღება.
- [TechRepublic Enterprise IT](https://www.techrepublic.com/article/nvidia-open-source-run-ai-kubernetes/): ღია კოდის ლიცენზირების შედეგების დამოუკიდებელი გაშუქება, ფრაქციული GPU დაჭრის ეფექტურობა და განლაგების გზები.

Mentions: NVIDIA, Run:ai, Cloud Native Computing Foundation

## Sources
- [NVIDIA ტექნიკური დეველოპერის ბლოგი](https://developer.nvidia.com/blog/open-sourcing-run-ai-kubernetes-gpu-orchestration/)
- [New Stack Cloud Native](https://thenewstack.io/nvidia-open-sources-run-ai-platform-for-kubernetes-gpu-scheduling/)
- [TechRepublic Enterprise IT](https://www.techrepublic.com/article/nvidia-open-source-run-ai-kubernetes/)