AI任务排队而GPU闲置：Kubernetes为智能体工作负载找新解法

据The New Stack《Road to KubeCon》专栏，面向2026年11月9日至12日盐湖城KubeCon + CloudNativeCon北美大会，本期一半篇幅讨论在Kubernetes上叠加智能体AI需求时的纠结：自动处理Pod重启排障、调度器与自动扩缩器之间的通信同步，以及如何把推理更成熟地分布在云原生栈中；另一半则关注Kubernetes环境里缺失的上下文、指标缝隙，以及现有AI代理是否真能胜任SRE。企业把大规模AI与机器学习任务搬上Kubernetes时，常遇Pod重启障碍。HPE系统软件工程师Guoping Jia指出，客户用HPE Private Cloud AI承载长时AI/ML负载时，平台虽提供部分排障命令，仍需大量人工排查，“这套操作流程在PCAI大规模集群环境中难以有效扩展”。其方案借助开源工具k8s-pod-restart-info-collector自动收集详情，并把诊断信息直送Slack频道，以改善运维可用性。专栏赞助方HPE亦强调其软件帮助IT组织在混合、多厂商环境中现代化基础设施、精简运维并加速AI。文中还提出调度器与自动扩缩器能否更好协同等后续议题。