企业正在加速将谷歌云的Kubernetes平台GKE（Google Kubernetes Engine）扩展至AI工作负载。过去，规模扩展仅停留在理论可能性层面，而现在已转变为现实挑战，如何维持大规模集群的运营效率与性能成为主要课题。云基础设施中GKE的可扩展性与成本平衡，以及多样化工作负载的协调能力正成为核心议题。
近期在芝加哥举办的KubeCon + CloudNativeCon 2025大会上，谷歌云Kubernetes工程总监杰戈·麦克劳德（Jago Macleod）指出，随着AI技术的引入，GKE规模扩展的实际应用案例正持续增加。他特别宣布正式发布动态资源分配（DRA）功能，并强调该技术对AI训练及推理集群的优化起着决定性作用。
麦克劳德表示，进行大规模训练任务的AI企业已不再倾向于在虚拟机或裸机环境中以传统方式部署Slurm，基于Kubernetes的资源管理正逐渐成为行业标准。与此呼应，RedMonk高级分析师凯特·霍尔特霍夫（Kate Holterhoff）指出：“随着AI系统逐渐普及，遵循社区实践指导的尝试日益增多。”她特别强调，通过AI性能标准化实现工作流一致性已成为重要议题。
在企业环境中推动GKE规模上限的核心动力首推GPU资源的大规模运用。谷歌云产品经理加里·辛格（Gari Singh）表示：“当前需求是在短时间内调配数十万GPU并在任务完成后快速缩减规模”，并强调现有自动扩展与调度功能需实时管理节点状态、更新及资源部署。
随着AI模型训练规模远超以往，确保集群控制平面的稳定性与节点扩展能力已成为基础设施战略的核心。实时部署与资源回收已超越单纯技术挑战，直接关系到运营效率，与之匹配的系统设计正在加速落地。
本次发布与对话通过SiliconANGLE旗下直播频道theCUBE进行实时转播，虽获谷歌云官方赞助，但未对内容编辑方向产生直接影响。对于正在思考AI普及时代云基础设施演进方向的企业而言，此次GKE的发展案例正成为未来运营战略的重要参考。
