<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
<channel>
  <title>MATRIX · NVIDIA Run:ai</title>
  <link>https://derekwang2002.github.io/ai-intelligence/projects/nvidia-runai/</link>
  <description>AI 模型、Agent、工程与基础设施的重要变化，附一手来源与建议等级。</description>
  <language>zh-CN</language>
  <lastBuildDate>Mon, 02 Nov 2026 16:56:00 GMT</lastBuildDate>
  <atom:link href="https://derekwang2002.github.io/ai-intelligence/feeds/projects/nvidia-runai.xml" rel="self" type="application/rss+xml"/>
  <item>
    <title>NVIDIA 公开 Workload Map 架构与三条复用路径</title>
    <link>https://derekwang2002.github.io/ai-intelligence/events/ev-20261013-02/</link>
    <guid isPermaLink="false">ev-20261013-02-workload-map</guid>
    <pubDate>Mon, 02 Nov 2026 16:56:00 GMT</pubDate>
    <category>重要更新</category>
    <category>TRIAL</category>
    <description>&lt;p&gt;NVIDIA 公开 Workload Map 架构与三条复用路径&lt;/p&gt;&lt;p&gt;原条目：NVIDIA 扩展 Run:ai 的 GPU 控制与 Workload Map 复用&lt;/p&gt;&lt;p&gt;&lt;strong&gt;为什么读：&lt;/strong&gt;统一 workload 映射可减少平台适配，但采用与互操作仍主要由厂商证明。&lt;/p&gt;&lt;p&gt;建议等级：TRIAL&lt;/p&gt;&lt;p&gt;来源：&lt;a href=&quot;https://developer.nvidia.com/blog/support-new-ai-frameworks-faster-using-nvidia-workload-map/&quot;&gt;Support New AI Frameworks Faster Using NVIDIA Workload Map&lt;/a&gt; · &lt;a href=&quot;https://github.com/dsx-ai-factory/workload-map&quot;&gt;DSX AI Factory Workload Map repository&lt;/a&gt; · &lt;a href=&quot;https://github.com/dsx-ai-factory/workload-map/releases/tag/v0.3.0&quot;&gt;Workload Map v0.3.0 release&lt;/a&gt;&lt;/p&gt;</description>
  </item>
  <item>
    <title>Run:ai 加入 CUDA 13.4 显存硬约束 GPU 切分</title>
    <link>https://derekwang2002.github.io/ai-intelligence/events/ev-20261013-02/</link>
    <guid isPermaLink="false">ev-20261013-02-gpu-fractioning</guid>
    <pubDate>Wed, 28 Oct 2026 15:58:44 GMT</pubDate>
    <category>重要更新</category>
    <category>TRIAL</category>
    <description>&lt;p&gt;Run:ai 加入 CUDA 13.4 显存硬约束 GPU 切分&lt;/p&gt;&lt;p&gt;原条目：NVIDIA 扩展 Run:ai 的 GPU 控制与 Workload Map 复用&lt;/p&gt;&lt;p&gt;建议等级：TRIAL&lt;/p&gt;&lt;p&gt;来源：&lt;a href=&quot;https://developer.nvidia.com/blog/memory-enforced-gpu-sharing-in-kubernetes-with-nvidia-cuda-13-4/&quot;&gt;Memory-Enforced GPU Sharing in Kubernetes with NVIDIA CUDA 13.4&lt;/a&gt; · &lt;a href=&quot;https://github.com/kai-scheduler/gpu-fractioning&quot;&gt;KAI GPU Fractioning Operator&lt;/a&gt;&lt;/p&gt;</description>
  </item>
  <item>
    <title>NVIDIA 扩展 Run:ai 的 GPU 控制与 Workload Map 复用</title>
    <link>https://derekwang2002.github.io/ai-intelligence/events/ev-20261013-02/</link>
    <guid isPermaLink="false">ev-20261013-02-published</guid>
    <pubDate>Wed, 14 Oct 2026 15:57:53 GMT</pubDate>
    <category>新事件</category>
    <category>TRIAL</category>
    <description>&lt;p&gt;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。&lt;/p&gt;&lt;p&gt;&lt;strong&gt;为什么读：&lt;/strong&gt;完整 Run:ai GPU 编排栈进入 Apache-2.0 仓库，团队首次可以检查并修改整套控制面，但社区版没有企业支持。&lt;/p&gt;&lt;p&gt;建议等级：TRIAL&lt;/p&gt;&lt;p&gt;来源：&lt;a href=&quot;https://developer.nvidia.com/blog/nvidia-runai-is-now-open-source-as-part-of-nvidia-dsx-ai-factory-platform/&quot;&gt;NVIDIA Run:ai is now open source&lt;/a&gt; · &lt;a href=&quot;https://github.com/dsx-ai-factory/run-ai&quot;&gt;Run:ai open-source platform repository&lt;/a&gt;&lt;/p&gt;</description>
  </item>
</channel>
</rss>
