傅兰石（Jonathon Bryce ）：Linux Foundation云计算与AI基础设施业务施执行董事、CNCF 与OpenInfra Foundation 执行董事

过去几周，我几乎完成了一次围绕 AI 与开源基础设施的全球观察之旅。

这段时间，我先后参加了 KubeCon + CloudNativeCon Europe、MCP Dev Summit New York、PyTorch Conference Europe，随后来到中国，从深圳一路北上，走访并交流了多家科技企业和开源生态参与者。

如果要用一个关键词来概括这段旅程，我会说是：AI around the world。

在不同地区，大家都在讨论 AI，但关注点并不完全相同。在欧洲和美国，很多讨论集中在 AI 工作负载的基础设施、系统治理、应用连接、自动化，以及模型能力的持续提升。而来到中国之后，我看到的是一种更直接、更高频、更工程化的 AI 实践方式。

在这里，AI 已经不只是一个技术趋势，而是正在快速进入企业真实的生产环境和日常工作流。

中国让我看到：AI 正在成为新的工作方式

这次中国行中，让我印象最深的一点是，很多企业已经不再只是讨论“我们应该使用哪个模型”，而是在思考如何把模型、推理基础设施、开源框架和工作流系统真正整合起来。

在很多交流中，我看到企业已经在内部大规模使用不同类型的 AI 工具和 agent，把它们应用到开发、自动化、数据处理和业务流程中。

这种变化让我想起十多年前 IT 消费化的过程。当时，用户不再满足于企业规定的设备和软件，而是希望使用更灵活、更高效的工具。今天，AI 也在发生类似的变化。

企业内部的开发者和员工，正在主动使用 AI 工具来完成工作，并且希望这些工具能够更快、更灵活、更贴近实际需求。

这意味着，AI 不再只是一个由中心化平台提供的能力，而正在变成企业内部不断演化的生产力系统。

开源正在打开 AI 产业的边界

过去一段时间，我们看到 AI 产业快速发展，也看到很多前沿模型公司在推动技术边界。但我越来越清楚地感受到，AI 产业不会只由少数几家公司定义。

开源正在把这个领域真正打开。

在中国，这一点尤其明显。很多企业都在积极使用开源项目，构建自己的 AI 基础设施和应用体系。开源不仅是一种协作方式，也成为企业在 AI 时代保持速度、灵活性和自主创新能力的重要路径。

在一些场景中，开源甚至提供了一条非常务实的道路：当某些硬件、芯片或商业模型服务并不总是容易获得时，企业仍然可以通过开源框架、开源模型和开源基础设施继续快速推进。

这也是为什么我在中国看到的开源热情非常强烈。大家并不是把开源当作补充选项，而是把它视为 AI 时代的核心基础设施。

PyTorch 与 vLLM 在中国的重要性超出我的预期

这次中国行中，我非常明显地感受到，PyTorch 和 vLLM 在中国 AI 生态中的重要性正在快速上升。

PyTorch 已经是 AI 模型训练和研究中的关键开源框架，而 vLLM 则在模型推理层面展现出非常强的价值。尤其是在多模型、多场景、模型快速迭代的环境中，vLLM 的意义不仅是运行模型，而是帮助企业更快接入、测试和部署新的模型能力。

在中国，开源权重模型生态非常活跃。企业会同时关注来自不同团队和公司的模型，并且根据不同任务灵活选择。这样的环境下，推理基础设施变得非常关键。

我会把这个体系理解为三层：

第一层，是推理引擎。比如 vLLM，它需要支持尽可能广泛的模型，并且能够在新模型出现时快速适配。

第二层，是推理基础设施。企业需要能够稳定部署这些引擎，加载模型，并让内部开发者和业务系统可以调用。

第三层，是工作流和编排框架。最终使用者不应该被底层复杂性限制，而是可以根据任务需求，在不同模型之间进行选择、路由和组合。

这三层共同决定了 AI 能力是否能够真正进入企业工作流。

中国企业对模型的态度：更开放，也更务实

另一个让我印象深刻的观察是，中国企业对模型本身并没有很强的单一绑定心态。

在一些市场中，企业可能会选择一个主要模型供应商，然后围绕这个供应商建立企业级使用方式。但在中国，我看到更多的是一种 model-agnostic 的思路。

也就是说，企业并不执着于某一个模型，而是更关注：哪个模型适合当前任务，哪个模型效果更好，哪个模型成本更合适，哪个模型可以更快部署。

这是一种非常务实的工程文化。

在这样的环境下，模型是可以切换的，工作流才是核心。企业真正需要构建的是一种能力：可以持续接入新的模型，可以根据不同任务灵活调度模型，也可以在内部安全、稳定、可治理地提供这些能力。

这对云原生和开源基础设施提出了新的要求。

我们不仅要运行应用，也要运行越来越复杂的 AI 工作负载；不仅要管理服务，也要管理模型、推理、agent 和自动化流程。

Kata Containers 在 AI 工作负载中的角色正在变得更加重要

除了 PyTorch 和 vLLM，Kata Containers 也是这次中国行中让我印象很深的一个项目。

随着 AI agent 和自动化工作流进入企业环境，安全隔离、沙箱化和资源边界变得越来越重要。企业希望 AI agent 能够帮助完成更多工作，但同时也需要明确的安全框架和治理机制。

在我与多家企业的交流中，Kata Containers 经常被提到。很多团队在探索 AI 工作负载沙箱化时，都会把 Kata Containers 作为重要选项，有些已经在生产环境中使用。

这说明，云原生基础设施并没有因为 AI 的兴起而变得不重要。相反，AI 正在为云原生技术带来新的场景。

Kubernetes、Kata Containers、推理引擎和工作流框架，正在共同构成 AI 时代的新基础设施栈。

真正的创新机会，可能在连接层和编排层

今天，模型能力在快速提升，推理引擎也在快速成熟。接下来，我认为会有大量创新发生在连接层和编排层。

也就是：如何把模型、推理基础设施、数据源、工具系统和企业工作流连接起来。

有些人会把这一层称为 harness，或者 workflow framework。无论叫什么，它的核心问题都是一样的：如何让 AI 能力真正被组织起来，并在企业环境中被安全、高效、持续地使用。

这也是开源社区可以发挥巨大作用的地方。

因为 AI 系统不会只有一种架构，也不会只有一种模型。未来的企业 AI 环境，一定会是多模型、多框架、多工作流并存的状态。开源可以为这种复杂性提供共同的基础、标准和协作空间。

为什么我更加期待回到上海

这次中国行让我更加期待9/8-9号我们即将在上海举办的开源技术峰会，KubeCon China + OpenInfra Summit Asia + PyTorchCon China。

因为我看到，中国开发者和企业技术团队正在非常认真地构建 AI 时代的基础设施。他们关注的不只是模型本身，也关注如何运行模型、如何优化推理、如何实现安全隔离、如何进行工作流编排，以及如何把这些能力真正带入生产环境。

PyTorch、vLLM、Kata Containers、Kubernetes、OpenStack 等项目，都将在这个过程中扮演重要角色。

这也是为什么我认为，上海峰会将会是一个非常重要的交流场景。它不仅是一次技术会议，更是一个让全球开源社区与中国技术生态深入连接的机会。

在 AI 时代，我们需要更多跨区域、跨项目、跨社区的对话。因为真正的问题已经不再是单一技术可以解决的，而是需要整个开源生态共同协作。

AI 的下一阶段，将由开放生态共同推动

这次中国行给我的最大启发是：AI 的下一阶段，不会只由模型公司推动，也不会只由单一平台定义。

真正的创新会来自开放生态、基础设施能力和全球开发者社区的共同推进。

在中国，我看到 AI 正在以非常快的速度进入真实生产环境。企业正在构建多模型、多场景、多工作流的技术体系，而开源正在成为这个体系中不可或缺的基础。

从 PyTorch 到 vLLM，从 Kata Containers 到 Kubernetes 与 OpenStack，开源项目正在支撑 AI 时代新的基础设施需求。

这场变化才刚刚开始。

我期待9月在上海，与更多来自中国和全球的开发者、企业技术团队、开源贡献者继续交流：我们如何共同构建 AI 时代更加开放、灵活、安全和可持续的基础设施。