# NVIDIA Open Sources Run:ai Platform და KAI Scheduler AI სამუშაო დატვირთვის ორკესტრირებისთვის

Source: TechNewsList (https://technewslist.com)
Canonical URL: https://technewslist.com/ka/article/nvidia-open-sources-runai-platform-kai-scheduler-2026-10-14-morning-ka
Section: Software (https://technewslist.com/ka/software)
Author: TechNewsList
Language: ka
Published: 2026-10-14T06:55:22.388+00:00
Updated: 2026-10-14T06:55:22.588497+00:00

> NVIDIA-მ გამოუშვა სრული Run:ai საორკესტრო პლატფორმა და KAI Scheduler Apache 2.0-ით, რომელიც უზრუნველყოფს აპარატურის დონის GPU ფრაქციებს Kubernetes კლასტერებში.

## TL;DR
- NVIDIA-მ სრულად გახსნა Run:ai კლასტერული ორკესტრირების პლატფორმა ნებადართული Apache 2.0 პროგრამული უზრუნველყოფის ლიცენზიით.
- ძირითადი გამოშვება შეიცავს KAI Scheduler-ს, Kubernetes-ის მშობლიური GPU-ის შესახებ დისპეჩერიზაციის ძრავას, რომელიც მიღებულია როგორც CNCF Sandbox პროექტი.
- ტექნიკის დონის GPU ფრაქციები და მეხსიერების ლიმიტები ახლა ხელმისაწვდომია ღია კოდის ოპერატორებისთვის კომერციული პროგრამული უზრუნველყოფის ლიცენზირების გარეშე.

## Key points
- NVIDIA-მ გამოაცხადა Run:ai-ის ღია წყაროზე გადასვლა 13 ოქტომბერს, როგორც მისი DSX AI Factory პლატფორმის ძირითადი კომპონენტი.
- KAI Scheduler უზრუნველყოფს GPU-ს ფრაქციულ დაჭრას, Gang-ის განრიგს და პრიორიტეტულ პრიორიტეტულ არჩევანს პირდაპირ Kubernetes-ში.
- დამოუკიდებელი GPU Fractioning ოპერატორი ახორციელებს მეხსიერების მკაცრ საზღვრებს უშუალოდ CUDA 13.4 გაშვების ფენაზე.
- ჰიპერმასშტაბიანი AI ღრუბლოვანი პროვაიდერები, მათ შორის Nebius და Crusoe, ინტეგრირებულია ღია კოდის დასტა მართულ კლასტერულ შეთავაზებებში.
- კომერციული მხარდაჭერა რჩება NVIDIA AI Enterprise-ის მეშვეობით, ხოლო საზოგადოების მმართველობა შეესაბამება CNCF სტანდარტებს.

## რა მოხდა

ხელოვნური ინტელექტის ინფრასტრუქტურის პროგრამული უზრუნველყოფის მთავარ ცვლილებაში, NVIDIA-მ ოფიციალურად გახსნა სრული Run:ai ორკესტრირების პლატფორმა Apache 2.0 ლიცენზიით. ეს ნაბიჯი, რომელიც გამოცხადდა 13 ოქტომბერს, გადააქვს NVIDIA-ს მიერ შეძენილი კლასტერების მართვის კომპლექტს ღია, საზოგადოების მიერ მართულ საფუძვლად ჰეტეროგენული AI გამოთვლითი კლასტერებისთვის.

როგორც ასახულია [NVIDIA Developer Blog]-ის ოფიციალურ განცხადებაში (https://developer.nvidia.com/blog/nvidia-runai-is-now-open-source-as-part-of-nvidia-dsx-ai-factory-platform/), კოდის ბაზის გამოშვება მოიცავს ბირთვს K Kubernetes-ს და დინამიურ GPU-ს. კასეტური ტელემეტრიის მოდულები. გარდა ამისა, Cloud Native Computing Foundation-მა (CNCF) ერთდროულად მიიღო KAI Scheduler მის Sandbox პროექტების სიაში, დაამყარა ნეიტრალური მმართველობის გზა მრავალ გამყიდველის ღრუბლის განლაგებისთვის.

![NVIDIA Run:ai Architecture Schematic](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1791956561346-oqcgnr-nvidia-open-sources-runai-platform-kai-scheduler-2026-10-14-morning-inside-1-52c35cd923.webp)

## რატომ არის მნიშვნელოვანი

GPU-ს ეფექტური გამოყენება წარმოიშვა, როგორც ერთ-ერთი ყველაზე ციცაბო ოპერაციული შეფერხება გენერაციული AI განვითარებისთვის. სტანდარტული Kubernetes-ის დაგეგმვის ალგორითმები ამაჩქარებლებს განიხილავენ როგორც უხეში, მონოლითურ მთელ რიცხვებს. მსუბუქი დასკვნის მუშაკი, რომელიც ითხოვს GPU-ს, ხშირად ბლოკავს მთელ ძვირადღირებულ H100 ან B200 ამაჩქარებელს, ტოვებს მაღალი გამტარუნარიანობის მეხსიერებას (HBM) და ტენსორის ბირთვებს ძირითადად უმოქმედო.

Run:ai-მ დაამყარა ინდუსტრიის პოპულარობა ბირთვის დონის სპეციალიზებული ფრაქციული ვირტუალიზაციისა და მოწინავე რიგების მექანიზმების შემუშავებით, რაც საშუალებას აძლევს მრავალჯერადი ტრენინგის ან დასკვნის სამუშაოს გააზიარონ სილიკონი შესრულების დეგრადაციის გარეშე. ამ პროგრამული უზრუნველყოფის ნებადართული Apache 2.0 ლიცენზიით გამოშვებით, NVIDIA აღმოფხვრის ლიცენზირების ბარიერს, რომელიც ადრე ზღუდავდა მცირე ლაბორატორიებს, აკადემიურ ინსტიტუტებს და დამოუკიდებელ ღრუბლოვან პროვაიდერებს წარმოების დონის GPU ვირტუალიზაციის განხორციელებაში.

როგორც [Venture Atlas](https://www.ventureatlas.org/news/2026-10-13-nvidia-runai-open-source) იტყობინება, Run:ai-ის ღია წყარო ასევე აძლიერებს NVIDIA-ს CUDA ეკოსისტემას განვითარებადი ღია ამაჩქარებლის არქიტექტურის წინააღმდეგ. Kubernetes კლასტერული დაგეგმვის სტანდარტიზაციით უშუალოდ CUDA-ს მშობლიური ფრაქციული პრიმიტივების ირგვლივ, NVIDIA უზრუნველყოფს, რომ საწარმოს AI პლატფორმები დარჩეს ოპტიმიზირებული მისი აპარატურის არქიტექტურისთვის თვითმართვადი და ჰიბრიდული ღრუბლის განლაგებაშიც კი.

## ტექნიკური დეტალები

ღია წყაროს სტეკის არქიტექტურული ბირთვი არის KAI Scheduler. ფუნქციონირებს როგორც ალტერნატიული ან დამატებითი გრაფიკი Kubernetes-ის სტანდარტულ საკონტროლო თვითმფრინავებში, KAI წარმოგიდგენთ Gang-ის დაგეგმვას, ტოპოლოგიის ცოდნას ურნის შეფუთვას და ზედმეტ გამოწერას მკაცრი პრიორიტეტული პრემიით. როდესაც მრავალ კვანძის განაწილებული ტრენინგის სამუშაოა წარდგენილი, KAI გარანტიას იძლევა, რომ ყველა მუშა პოდი და მათთან დაკავშირებული NVLink ქსელის ქსოვილები ერთდროულად გამოიყოფა შესრულების დაწყებამდე, რაც თავიდან აიცილებს რესურსების ნაწილობრივ ჩიხს.

გრაფიკის შემავსებელი არის მოდულარიზებული GPU Fractioning ოპერატორი. განსხვავებით ძირითადი პროგრამული დონის დროის სლაინგისგან, რომელიც შეიძლება განიცადოს მეხსიერების გადატვირთვამ, როდესაც თანმხლები პროცესები აღემატება ფიზიკურ VRAM-ს, ღია კოდის ოპერატორი ამაგრებს CUDA 13.4 დრაივერის ფენას, რათა აღასრულოს ტექნიკის მეხსიერების მკაცრი ლიმიტები. თუ დასკვნის ამოცანა ცდილობს მეხსიერების გამოყოფას მისი გამოყოფილი ფრაქციის მიღმა, გაშვების დრო ლამაზად ზღუდავს განაწილებას, ვიდრე მეხსიერების გარეშე ბირთვის პანიკა მეზობლების დატვირთვისთვის.

[Nebius Blog]-ზე გამოქვეყნებული არქიტექტურული მიმოხილვის მიხედვით (https://nebius.com/blog/posts/nvidia-run-ai-open-source-nebius-applications), მართულ ღრუბლოვან პროვაიდერებს ახლა შეუძლიათ ამ კომპონენტების ინტეგრირება პირდაპირ Kubernetes-ის სტანდარტულ დისტრიბუციაში, საკუთრების გვერდითი აგენტების შენარჩუნების გარეშე. Nebius-მა და Crusoe-მ უკვე დაადასტურეს ღია კოდის Run:ai სტეკის ადგილობრივი განლაგება მათ განაწილებულ AI კლასტერებში, რაც აფიქსირებს GPU-ს ეფექტური გამოყენების სამჯერ გაზრდას დაზუსტებისა და დასკვნის მილსადენებისთვის.

![NVIDIA AI Factory Scaling Graphic](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1791956562874-28mji6-nvidia-open-sources-runai-platform-kai-scheduler-2026-10-14-morning-inside-2-dba1257bd2.webp)

## გავლენა ბაზარზე და ინდუსტრიაზე

Run:ai-ის ღია კოდირება ვრცელდება როგორც Kubernetes-ის მენეჯმენტის კომერციულ მომწოდებლებზე, ასევე სპეციალიზებულ AI ინფრასტრუქტურის სტარტაპებზე. პროგრამული უზრუნველყოფის გამყიდველები, რომლებმაც შექმნეს საკუთრების დაგეგმვის გაფართოებები ვანილის Kubernetes-ის თავზე, ახლა აწყდებიან კონკურენციას ღია წყაროს, გამყიდველების მიერ მხარდაჭერილი პლატფორმისგან, რომელიც მხარს უჭერს პირდაპირ NVIDIA-ს საინჟინრო რესურსებს.

საწარმოს მომხმარებლებისთვის, NVIDIA შეინარჩუნებს კომერციულ მხარდაჭერას და საწარმოს სერტიფიცირებას NVIDIA AI Enterprise სააბონენტო დონის მიხედვით, გთავაზობთ გარანტირებულ სერვისის დონის ხელშეკრულებებს (SLA), საწარმოს იდენტურობის ინტეგრაციას და სპეციალიზებულ უსაფრთხოების აუდიტს. თუმცა, ძირითადი განრიგის ძრავა და კონტეინერის ორკესტრირების კომპონენტები გამჭვირვალედ განვითარდება GitHub-ის საჯარო საცავებში CNCF-ის მითითებების შესაბამისად.

ეს ღია განვითარების მოდელი ასევე საშუალებას აძლევს მესამე მხარის ტექნიკისა და ქსელის მომწოდებლებს შემოგთავაზონ აწევის მოთხოვნები. საზოგადოების კონტრიბუტორებს შეუძლიათ გააფართოვონ KAI Scheduler დაგეგმვის გადაწყვეტილებების ოპტიმიზაციისთვის ულტრა სწრაფი InfiniBand ტოპოლოგიების, Ethernet RoCE v2 ქსოვილებისა და მაღალი ხარისხის პარალელური ფაილური სისტემების, როგორიცაა Luster და GPFS.

## რას უნდა დავაკვირდეთ შემდეგ

უახლოეს კვირებში, პლატფორმის საინჟინრო გუნდები შეაფასებენ არსებული Kubernetes კლასტერების მიგრაციის სირთულეს, რომლებიც აწარმოებენ ზოგადი მორგებული რესურსების განმარტებებს (CRDs) ახლად ღია წყაროს KAI Scheduler-ზე. საწყისი გამოშვების ტემპი და CNCF Sandbox ეტაპები გამოავლენს, თუ რამდენად სწრაფად აწვდიან გარე კონტრიბუტორებს ფუნქციები NVIDIA-ს უშუალო საცნობარო ტექნიკის კონფიგურაციის მიღმა.

ღრუბლოვანი ინფრასტრუქტურის გუნდებმა ასევე უნდა აკონტროლონ მომავალი CNCF KubeCon სესიები, სადაც შემსრულებლები გეგმავენ გამოაქვეყნონ ყოვლისმომცველი ბენჩმარკინგის მონაცემები KAI Scheduler გამტარუნარიანობის შედარება Kubernetes-ის სტანდარტული განრიგისა და ვულკანის დაგეგმვის ძრავის წინააღმდეგ მრავალათასამდე GPU კლასტერში.

დაბოლოს, საწარმოს პროგრამული ეკოსისტემა დააკვირდება, ეცდებიან თუ არა კონკურენტი ამაჩქარებლების მწარმოებლები, როგორიცაა AMD და Intel, მოარგონ KAI Scheduler-ის ღია ინტერფეისები, რათა მოერგოს მათ ROCm და oneAPI გამოთვლით დასტას.

## წყაროები

- [NVIDIA დეველოპერის ბლოგი](https://developer.nvidia.com/blog/nvidia-runai-is-now-open-source-as-part-of-nvidia-dsx-ai-factory-platform/)— ტექნიკური განცხადება, რომელშიც დეტალურადაა აღწერილი Run:ai პლატფორმის, KAI Scheduler და Apache 2.0 ლიცენზირების ღია წყარო.
- [ნებიუსის ბლოგი](https://nebius.com/blog/posts/nvidia-run-ai-open-source-nebius-applications)- საინჟინრო ავარია, რომელიც შეისწავლის KAI Scheduler-ის ღრუბელში არსებულ განლაგებას მართულ GPU კლასტერებში.
- [საწარმო ატლასი](https://www.ventureatlas.org/news/2026-10-13-nvidia-runai-open-source)— ინდუსტრიის ანალიზი, რომელიც მოიცავს CNCF Sandbox-ის მიღებას, საწარმოთა მხარდაჭერის მოდელებს და AI-ის ორკესტრირების ბაზრის ზემოქმედებას.

Mentions: NVIDIA, Cloud Native Computing Foundation, ნებიუსი, კრუზო

## Sources
- [NVIDIA დეველოპერის ბლოგი](https://developer.nvidia.com/blog/nvidia-runai-is-now-open-source-as-part-of-nvidia-dsx-ai-factory-platform/)
- [ნებიუსის ბლოგი](https://nebius.com/blog/posts/nvidia-run-ai-open-source-nebius-applications)
- [საწარმო ატლასი](https://www.ventureatlas.org/news/2026-10-13-nvidia-runai-open-source)