AI 工厂的战争，正在从芯片打到编排层。
2026 年 11 月 10 日，盐湖城，KubeCon + CloudNativeCon 北美大会。英伟达在这里一次性抛出了三组动作：把智能体安全运行时 OpenShell 捐给 CNCF Sandbox；向谷歌主导的 Agent Substrate 贡献代码，并让它与自家的 Dynamo 推理调度、KAI Scheduler 资源分配打通；再给 NVIDIA DSX AI Factory Platform 补上三块新开源组件——NVIDIA Kubernetes Engine、NVIDIA Kubernetes Recipes 和 NVIDIA Snapshot。
表面上看，这是一家芯片公司向开源社区示好。但把这三件事放在一起，能看到一条更清晰的线：英伟达正在把竞争的主战场，从 GPU 芯片本身，上移到“AI 工厂”的编排层。它不再满足于卖给你算力，它要定义算力之上那一整套怎么跑、怎么管、怎么安全的规则。
而这一次，它选择用开源的方式把规则定下来。
现象：KubeCon 上的一石三鸟
Kubernetes 这套开源系统，原本管的是应用怎么在成千上万个集群里跑。到了 AI 工厂时代，它管的是模型、智能体、推理服务怎么在 GPU 集群上跑。需求变了，对 Kubernetes 的要求也变了。
英伟达的应对，是沿着治理、规模、底座三层同时出手。
治理层，OpenShell 是一个开源运行时，用来给自主智能体提供安全的运行环境，并对智能体的行为施加确定性控制——智能体调用什么工具、访问哪个推理服务、执行什么工作负载，都可以被策略约束。官方披露，它已经落地数百家机构，上线不到一年收获了数万次贡献。现在它被捐给 CNCF，由 Linux Foundation 旗下的 CNCF 托管，交由使用它的组织和全球安全专家共同治理。
规模层，光管住智能体还不够，还得能把它们大规模跑起来。Agent Substrate 是谷歌主导、已进入 CNCF Sandbox 的开源框架，专门解决长时智能体工作负载在 Kubernetes 上的规模化问题。英伟达的贡献，是让它能跟 Dynamo 和 KAI Scheduler 协同，把智能体执行、推理服务和集群资源调度三件事在 Kubernetes 上捏到一起。
底座层，AI 工厂既要给客户提供托管的 Kubernetes 服务，又要保留对自己基础设施、软件和客户体验的控制权。NVKE 和 NVKR 提供在 GPU 基础设施上交付托管 Kubernetes 服务的开源构建块，目前处于公开预览阶段；Snapshot 则让初始化后的 GPU 工作负载可以在推理副本之间复用，把启动和恢复压缩到秒级。
这三层合起来，指向同一个目标：让 Kubernetes 成为大规模 AI 工作负载的首选底座。
为什么是 OpenShell：智能体的“笼子”成了新瓶颈
智能体最大的风险，不是它不够聪明，而是它太能干了。
一个自主智能体会调用工具、读写文件、执行代码、访问外部服务。如果它运行在一个没有边界的容器里，一次越权调用就可能演变成生产事故。过去这一年，智能体从演示走向生产，企业最先撞到的墙不是模型能力，而是“怎么让它在安全的环境里干活”。
OpenShell 解决的就是这个“笼子”问题。它给组织提供对智能体行为的控制权，通过确定性控制 enforce 策略，并且架构可扩展——企业可以接入自己的算力提供商、推理提供商、凭据存储和监控工具。这意味着治理可以跨不同的部署环境实施，同时跟现有企业系统集成。
云原生社区面临一个新的基础设施挑战：给智能体提供安全的运行环境。英伟达把 OpenShell 捐给 CNCF，给了开发者一个可以共同构建的基础，也给了大家塑造智能体安全演进方向的机会。
说这句话的是 Linux Foundation 首席执行官 Jim Zemlin。潜台词很直白：智能体安全不该是任何一家厂商的黑盒。当智能体开始自主行动，安全基础设施必须变成公共品——因为如果每家都搞一套私有运行时，跨云、跨环境的治理就无从谈起。
英伟达把 OpenShell 开源，等于主动放弃了在这层收“安全税”的可能。它换回来的是更大的东西：成为智能体安全标准的共同制定者。
Agent Substrate：把闲置的算力抢回来
管住智能体只是问题的一半。另一半是，智能体太浪费了。
AI 智能体大部分时间都在等——等人类提示、等工具返回、等模型响应。传统 Kubernetes 的做法是为每个会话跑一个 Pod：要么让 Pod 一直热着，那就为几乎不做事的会话付算力钱；要么每次用完就删，那每次都要承受数秒的冷启动，还丢掉智能体的状态。
Agent Substrate 换了一种思路。它在 Kubernetes 之上跑一层控制面，把大量的“actor”（智能体和它们的环境）映射到一小批随时待命的 worker Pod 上。智能体空闲时，连同内存和文件系统一起被 checkpoint；下一个请求到来时，再恢复到任何一个空闲的 worker 上。
英伟达官方技术博客给出的数字是：相比标准容器，Agent Substrate 能以 10 倍的密度安全运行数百万个智能体和工具。
这 10 倍密度，对 AI 工厂的账本意义重大。推理和训练的 GPU 已经贵得离谱，如果 CPU 侧的智能体环境再大量闲置，整体拥有成本会进一步失控。把闲置算力抢回来，本质上是在不增加硬件投入的情况下挤出更多有效吞吐。
更关键的是协同。Agent Substrate 管理智能体环境，Dynamo 负责跨 GPU worker 协调推理，KAI Scheduler 负责把 worker Pod 放到 GPU 训练器和推理服务旁边。Dynamo 还会把“预计首 token 时间”“GPU 池饱和度”这类推理信号回传给 Substrate，让它决定是让某个 actor 保持驻留、在长等待时挂起，还是在模型响应快完成时提前恢复。
这套联动意味着：智能体执行、推理、资源调度不再是三个孤岛，而是一个能互相感知、互相配合的闭环。
Snapshot：把 GPU 冷启动从分钟压到秒
AI 工厂还有另一个隐痛：冷启动太慢。
当推理需求突增或某个副本故障时，可用的 GPU 并不会立刻转化为服务能力。初始化一个 LLM 工作负载——业内叫 cold start——往往要几分钟：加载模型权重、编译、捕获 CUDA 图，一套流程走完，流量早就流失了。
Snapshot 的做法是 checkpoint 加 restore。工作负载完全初始化后，把 CPU 和 GPU 内存状态一起抓成一个可移植的 artifact；需要扩容或恢复时，直接把状态还原到兼容的节点上，跳过重复的初始化。官方测试数据显示，从 Snapshot artifact 恢复推理副本，耗时在 3.6 秒到 42.7 秒之间，相比冷启动有 8 倍到 36 倍的加速；创建 checkpoint 本身需要 15 秒到 5.5 分钟，但在所有测试配置里，checkpoint 加 restore 的总时间都短于一次冷启动。
它还支持多 GPU 工作负载，覆盖张量并行、数据并行、专家并行和解码上下文并行，最大支持跨 8 张 GPU、1TB 的 checkpoint。这些测试跑在 NVIDIA B200 GPU 和 VAST NFS 存储上。
对按秒计费的推理服务来说，这不是体验优化，是真金白银的成本账。
DSX 三件套：英伟达要的是 AI 工厂的“操作系统”
如果只看到开源，会漏掉这则新闻里更重的一条线。
NVKE、NVKR、Snapshot 这三个新组件，都属于 NVIDIA DSX AI Factory Platform。DSX 是什么？用英伟达自己的话说，它是 AI 工厂的软件栈——从 GPU 基础设施、Kubernetes 管理，到工作负载编排和模型服务，一整套。
NVKE 和 NVKR 解决的是“怎么交付托管 Kubernetes 服务”。NVKR 从版本锁定的源码构建可复现的节点镜像、容器镜像和软件包；NVKE 则通过这些制品，在管理集群上运行的 REST API 和控制器来供应和管理 Kubernetes 集群。它们目前处于公开预览阶段，以开源项目形式放在 dsx-ai-factory 的 GitHub 组织下。
Snapshot 解决的是“怎么让 GPU 工作负载秒级启停”。初始化后的 GPU 工作负载往往要加载模型、预热缓存、建立连接，这一套下来可能几分钟。Snapshot 让这些初始化状态可以在推理副本之间复用，启动和恢复被压缩到秒级。
把这三件事和 OpenShell、Agent Substrate 放一起看，英伟达的意图就很清楚了：它要在 AI 工厂的每一层都留下自己的印记——芯片之上是 Kubernetes，Kubernetes 之上是智能体运行时和调度，再之上是模型服务。
而它选择的方式不是封闭，而是开源。
为什么英伟达敢这么玩
这其实不是英伟达第一次用开源巩固护城河。CUDA 是私有的，但围绕 CUDA 的工具链、库、框架生态极度开放。开发者一旦习惯了这套生态，迁移成本就高得惊人。
这次在 AI 工厂层，逻辑类似，但赌注更大。
AI 工厂的核心矛盾是：客户既要托管服务的便利性，又要对基础设施的控制权。如果英伟达能提供一套开源的、可审计的、社区共同治理的栈，让客户既能跑托管 Kubernetes，又不被单一厂商锁死——那客户就更愿意把 AI 工厂建在英伟达的 GPU 上。
换句话说，开源不是放弃护城河，而是把护城河从“代码封闭”换成“生态依赖”。当 OpenShell 成为智能体安全的默认选择，当 Agent Substrate 成为智能体调度的事实标准，当 NVKE/NVKR 成为托管 Kubernetes 的构建块，开发者和合作伙伴的集成成本就会越来越高。
这时候，GPU 卖得好不好，已经不完全取决于芯片性能，而取决于整条栈的粘性。
还有一个细节值得玩味。负责 NVIDIA Kubernetes Engine 工程团队的 Erin Boyd，此前在 Red Hat 担任 CTO 办公室杰出工程师，还曾在 CNCF 技术监督委员会和管理董事会任职。负责产品的 Eric Chapman 则来自 AWS，做过 Amazon EKS。把这两个人放在这个位置上，英伟达要传递的信号很清楚：我们不是来 Kubernetes 社区抢地盘的，我们是来共建的。
谁会赢，谁危险
这场赌局里，最直接的受益者是云原生生态。CNCF 一下子拿到了智能体安全、智能体调度、GPU 工作负载管理三块关键拼图，Kubernetes 作为 AI 底座的话语权进一步巩固。
对开发者来说，最大的好处是选择权。OpenShell 开源后，企业不必再在“用厂商黑盒”和“自己造轮子”之间二选一；Agent Substrate 与 Dynamo、KAI Scheduler 的打通，让跨云、混合部署的治理成为可能。
危险的一方，是那些指望在智能体运行时和调度层收封闭税的厂商。当安全治理和规模化调度都变成社区项目，单一厂商很难再靠私有协议圈地。它们要么跟进开源，要么就得拿出真正不可替代的差异化能力。
还有一个潜在变量：谷歌。Agent Substrate 是谷歌主导的项目，英伟达是重要贡献者。两家在 AI 基础设施上既是对手又是伙伴——谷歌有 TPU，英伟达有 GPU；但在让 Kubernetes 成为 AI 底座这件事上，双方利益一致。这种竞合关系能维持多久，取决于 AI 工厂的利润最终流向芯片层还是编排层。
结语
英伟达把 OpenShell 捐给开源，看似退了一步，实则进了一步。它放弃的是智能体安全这一层的独占权，换来的是定义 AI 工厂规则的话语权。
AI 工厂的战争，从来不只是芯片的战争。谁掌握了编排层，谁就掌握了算力之上的定价权。
当智能体开始在 Kubernetes 上大规模奔跑，英伟达已经提前站在了跑道的内侧。
快报