隨著AI逐步進入企業實際營運，Kubernetes的角色也正在改變。過去著重容器與微服務部署，如今還須管理GPU資源、模型、資料、儲存與資安治理。企業面臨的問題，逐漸轉向如何長期穩定營運。GPU調度與跨環境權限管理，也將成為新的維運要求。
CNCF與Linux Foundation Research年度報告指出，82%的容器使用者已在正式環境使用Kubernetes；在部署生成式AI模型的組織中，66%以Kubernetes管理部分或全部推論工作負載，但僅7%每日部署AI模型。台灣調查則顯示，74%企業正規劃或推動AI，65%尚未正式導入Kubernetes，22%僅部分容器化，全面容器化的企業僅1%。技術導入與持續營運之間，仍存在明顯落差。
對多數企業而言，既有虛擬機器（VM）、Kubernetes與AI工作負載將長期共存，使正式上線後的Day-2維運更複雜。調查顯示，74%企業承受雙重架構的維護負擔，60%缺乏專業AI人才，49%面臨成本控管問題，超過45%受到工具碎片化影響。如何在有限人力與資源下整合管理，已成為重要課題。
AI也改變容器環境的資料保護需求。傳統無狀態微服務發生異常，通常可重新部署；AI工作負載涉及模型、資料集與向量資料庫，必須確保資料完整保存及快速恢復。調查指出，38%企業認為容器災難復原機制不健全，35%面臨持久化資料備份困難。
未來12個月，54%企業優先投入資安與營運治理，46%聚焦資料保護與災難復原，39%規劃AI基礎架構，顯示投資重心正轉向營運穩定性。下一階段的基礎架構現代化，應延續既有虛擬化投資，建立一致管理VM、Kubernetes及AI工作負載的架構，整合多叢集管理、生命週期、治理與資料保護，減少維運負擔。
當平台能承接底層複雜度，IT團隊才能把有限資源投入應用與AI創新。企業能否讓不同工作負載在一致的營運模式下被管理，將決定Kubernetes能否長期穩定運作，以及AI能否規模化落地。
＜本文作者：劉國龍現為Nutanix台灣總經理＞
