# NVIDIA Платформа Run:ai с открытым исходным кодом под управлением Apache 2.0 для демократизации планирования графических процессоров Kubernetes

Source: TechNewsList (https://technewslist.com)
Canonical URL: https://technewslist.com/ru/article/nvidia-open-sources-run-ai-gpu-orchestration-platform-apache-2026-10-16-morni-ru
Section: Software (https://technewslist.com/ru/software)
Author: TechNewsList
Language: ru
Published: 2026-10-16T06:51:31.87+00:00
Updated: 2026-10-16T06:51:32.07076+00:00

> NVIDIA выпускает полную платформу оркестрации Run:ai под лицензией Apache 2.0 с открытым исходным кодом, открывая встроенную дробную нарезку графического процессора и многопользовательское планирование для Kubernetes.

## TL;DR
- NVIDIA объявил о выпуске платформы Run:ai с открытым исходным кодом под разрешительной лицензией Apache 2.0.
- Релиз включает в себя планировщик KAI, оператор фракционирования графического процессора, диспетчер ресурсов и карту рабочей нагрузки.
- Корпоративные разработчики получают встроенную динамическую фракционную нарезку графического процессора Kubernetes без каких-либо лицензионных отчислений.
- Инициатива стандартизирует многопользовательскую организацию очередей рабочей нагрузки ИИ в частных облаках и мультиоблачных кластерах.

## Key points
- Базовая инфраструктура Run:ai преобразуется в управляемые сообществом репозитории с открытым исходным кодом как часть стека NVIDIA DSX.
- Динамическое дробное распределение графических процессоров позволяет одновременно выполнять несколько упрощенных вычислений искусственного интеллекта и тонкую настройку рабочих нагрузок на одном чипе.
- Планировщик KAI обеспечивает расширенное групповое планирование, автоматизированное справедливое распределение очередей и упреждение рабочей нагрузки.
- Предприятия устраняют привязку к поставщику и одновременно повышают коэффициент использования графического процессора с типичных средних 30% до более чем 80%.
- Крупные дистрибутивы облачного программного обеспечения быстро интегрируют операторов в исходные пакеты Kubernetes.

## Что произошло

В качестве важного стратегического поворота для облачной инфраструктуры искусственного интеллекта NVIDIA объявила о выпуске платформы Run:ai с открытым исходным кодом под разрешительной лицензией на программное обеспечение Apache 2.0. Этот выпуск включает в себя полную операционную архитектуру пакета оркестрации рабочих нагрузок на базе Kubernetes, который NVIDIA приобрел в 2024 году для оптимизации использования корпоративных графических процессоров.

Распространяемая в виде модульных, независимо развертываемых компонентов на платформе NVIDIA DSX AI Factory, эта версия с открытым исходным кодом делает четыре основные системы бесплатными для глобального сообщества разработчиков: планировщик KAI, оператор фракционирования графического процессора, управление ресурсами KAI и карту рабочей нагрузки.

![Исходный код написан на языке программирования C в редакторе.](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)
*Операторы системного планирования низкого уровня оптимизируют управление памятью на уровне ядра в кластерных графических чипах.*

Устраняя проприетарные лицензионные барьеры, NVIDIA позволяет любой организации — от стартапов на начальной стадии до национальных исследовательских лабораторий — развертывать динамическое фракционное разделение графических процессоров корпоративного уровня и многопользовательские очереди заданий в стандартных кластерах Kubernetes.

## Почему это важно

В сфере корпоративных технологий кластеры графических ускорителей представляют собой одни из самых дорогих активов на корпоративных балансах. Тем не менее, несмотря на огромные капиталовложения, реальный уровень использования графических процессоров в типичных корпоративных инженерных средах редко превышает 25–35 процентов.

Такая неэффективность возникает потому, что стандартные планировщики Kubernetes рассматривают графические процессоры как неделимые монолитные вычислительные единицы. Если разработчик запускает облегченный контейнер вывода или интерактивный сеанс отладки Jupyter, требующий всего два гигабайта видеопамяти, Kubernetes привязывает к этому контейнеру целый 80-гигабайтный графический процессор, блокируя работу других инженеров и оставляя дорогостоящий процессор бездействующим.

Открытый исходный код оператора фракционирования графического процессора Run:ai и планировщика KAI решает это фундаментальное узкое место. Включив динамическое дробное разделение памяти на уровне среды выполнения драйвера и контейнера, несколько рабочих нагрузок могут безопасно использовать один физический ускоритель со строгой аппаратной изоляцией памяти, что повышает коэффициент использования кластера выше 80 процентов.

## Технические детали

В основе архитектуры с открытым исходным кодом лежит KAI Scheduler, усовершенствованный плагин планировщика Kubernetes, разработанный специально для распределенных рабочих нагрузок машинного обучения. В отличие от обычных планировщиков контейнеров, которые планируют модули по одному, планировщик KAI реализует групповое планирование. При обучении распределенной модели с несколькими узлами либо все необходимые модули на нескольких узлах планируются и запускаются одновременно, либо ни один из них не запускается, что предотвращает взаимоблокировки, когда распределенные задания потребляют частичные ресурсы кластера, ожидая в течение неопределенного времени оставшихся рабочих узлов.

Планировщик также включает в себя автоматизированное справедливое распределение очередей, гарантированные квоты и интеллектуальное вытеснение заданий. Автоматизированные конвейеры непрерывной интеграции с высоким приоритетом могут временно препятствовать исследовательским экспериментам с низким приоритетом, безопасно проверяя состояния обучения и возвращая узлы в очередь после завершения срочных заданий.

![Файлы репозитория исходного кода проекта программного обеспечения с открытым исходным кодом.](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)
*Выпуск лицензии Apache 2.0 позволяет инженерам сообщества проверять, модифицировать и расширять контроллеры кластеров графических процессоров.*

Дополнением к планировщику является оператор фракционирования графического процессора, который напрямую взаимодействует с драйверами CUDA NVIDIA для динамического выделения дробных фрагментов виртуального графического процессора без необходимости жесткого разделения физических разделов или перезагрузки сервера. Рабочие нагрузки получают выделенные виртуальные вычислительные контексты с жесткими ограничениями аппаратной памяти, что предотвращает неконтролируемое выделение памяти и сбой в соседних процессах.

## Влияние на рынок и отрасль

Решение NVIDIA открыть исходный код Run:ai меняет конкурентную динамику на рынке MLOps и облачной оркестрации. Конкурирующие проприетарные платформы управления графическими процессорами сталкиваются с немедленным ценовым давлением, поскольку команды разработчиков платформ теперь обладают альтернативой корпоративного уровня с открытым исходным кодом, поддерживаемой сообществом, поддерживаемой самим доминирующим поставщиком полупроводников.

Для поставщиков облачных услуг и поставщиков корпоративной инфраструктуры, таких как Red Hat, VMware и SUSE, этот выпуск обеспечивает непосредственный стандарт восходящего потока. Основные дистрибутивы Kubernetes могут включать встроенную дробную оркестровку графического процессора в свои контейнерные платформы по умолчанию, что упрощает подключение клиентов к рабочим нагрузкам ИИ.

Кроме того, разрешительная лицензия Apache 2.0 позволяет суверенным инициативам в области искусственного интеллекта в Европе и Азии развертывать безопасные, проверяемые планировщики кластеров, не полагаясь на проприетарное американское программное обеспечение телеметрии или коммерческие подписки SaaS.

## За чем следить дальше

Репозитории Run:ai с открытым исходным кодом сразу же публикуются на GitHub, а образы контейнеров и диаграммы Helm публикуются в реестрах контейнеров с открытым исходным кодом для автоматического развертывания.

В ближайшие месяцы сообщества разработчиков будут следить за скоростью, с которой Cloud Native Computing Foundation (CNCF) и сообщество разработчиков Kubernetes оценивают интеграцию расширений планировщика Run:ai непосредственно в основные циклы выпуска Kubernetes.

Руководители DevOps и архитекторы платформ машинного обучения должны провести пилотные развертывания в существующих внутренних кластерах разработки графических процессоров, чтобы оценить улучшение использования и установить стандартизированные квоты на мультитенантные ресурсы в своих инженерных организациях.

## Источники

- [NVIDIA Блог технических разработчиков](https://developer.nvidia.com/blog/open-sourcing-run-ai-kubernetes-gpu-orchestration/): Официальный технический выпуск с подробным описанием архитектуры, ссылками на репозиторий Apache 2.0 и спецификациями планировщика KAI.
- [Новый стек Cloud Native](https://thenewstack.io/nvidia-open-sources-run-ai-platform-for-kubernetes-gpu-scheduling/): Анализ расширений планировщика Kubernetes, экономики многопользовательских кластеров и внедрения корпоративной экосистемы.
- [ТехРепублик Предприятие ИТ](https://www.techrepublic.com/article/nvidia-open-source-run-ai-kubernetes/): Независимый обзор последствий лицензирования открытого исходного кода, частичной эффективности разделения графических процессоров и путей развертывания.

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

## Sources
- [NVIDIA Блог технических разработчиков](https://developer.nvidia.com/blog/open-sourcing-run-ai-kubernetes-gpu-orchestration/)
- [Новый стек Cloud Native](https://thenewstack.io/nvidia-open-sources-run-ai-platform-for-kubernetes-gpu-scheduling/)
- [ТехРепублик Предприятие ИТ](https://www.techrepublic.com/article/nvidia-open-source-run-ai-kubernetes/)