NVIDIA 公告与公开仓库共同确认完整平台代码、组件范围、Apache 2.0 许可及社区支持边界。
NVIDIA 扩展 Run:ai 的 GPU 控制与 Workload Map 复用
2026-10-13已核实动态TRIAL
NVIDIA 在 Run:ai 的显存硬约束 GPU 切分之外，进一步公开用于异构 Kubernetes AI workload 的 Workload Map 复用层。它把受支持的 CRD 转成统一树结构，供 Run:ai、KAI Scheduler 使用；NVIDIA 还称 Elotl Nova 已采用。库已按 Apache-2.0 发布，但生产使用与互操作证据仍主要来自厂商。
可用状态：公开 GitHub monorepo 与 NGC community distribution
对你意味着什么
对平台团队来说，共享 workload 转换层可以减少调度、检查和多集群放置中的一次性适配。应在隔离集群试用：自定义 CRD、replica/资源统计与状态传播仍需独立验证，GPU 共享的故障边界也要另测。
证据与关联材料
Run:ai 加入 CUDA 13.4 显存硬约束 GPU 切分。
NVIDIA 公开 Workload Map 架构，并称 Run:ai、KAI Scheduler 与 Elotl Nova 已复用统一 workload tree。
后续变化
Run:ai 加入 CUDA 13.4 显存硬约束 GPU 切分
NVIDIA 公开 Workload Map 架构与三条复用路径
技术细节与六维评分
| 可用性 | 公开 GitHub monorepo 与 NGC community distribution |
|---|---|
| 组件 | 控制面、集群服务、安装器、CLI、MCP server、KAI Scheduler、GPU Fractioning Operator、KAI Resource Management、Workload Map |
| 许可 | GitHub 仓库为 Apache-2.0；NGC 使用仍受 NVIDIA 条款约束 |
| 支持 | 社区版不附带企业支持权益 |
| 时间依据 | 官方博客发布于 2026-10-13T14:19:40Z；在配置的 overlap 内发现，上一轮 manifest 未记录 |
| GPU 切分更新 | 基于 CUDA 13.4 的显存硬约束，支持 request、limit 与 burst；time-slicing 使用独立故障域，SM sharing 使用共同故障域 |
| 发布时间 | 2026-10-27T20:50:39Z |
| Workload Map 更新 | 官方架构说明发布于 2026-11-02T16:00:00Z。Apache-2.0 CRD 与 Go 库把 JobSet、PyTorchJob、Ray、KServe、Knative、MPIJob、NIM、LeaderWorkerSet、Milvus、Grove 与 Dynamo 转成统一 workload tree。NVIDIA 称 Run:ai 已在生产使用，KAI Scheduler 用作 fallback，Elotl Nova 也已集成；v0.3.0 本身发布于 2026-10-21。 |
技术影响 4
工程价值 4
采用信号 3
成熟度 3
验证成本 4
风险 3