文章目录
- 模块二：Kubernetes 与云原生 AI 平台
- 📚 模块导论：为什么 Kubernetes 是 AI 的“操作系统”？
- 第一部分：K8s 核心基础篇（云原生入场券）
- 第二部分：GPU 调度与设备管理篇（核心技能）
- 第三部分：AI 工作流平台篇（企业级实战）
- 第四部分：监控、日志与故障排查篇（稳定性保障）
- 第五部分：综合项目篇（简历亮点）
- 🎓 模块结业标准
- 🚀 下一步建议
模块二：Kubernetes 与云原生 AI 平台
课程总时长预估：50-60 学时（含实验）
前置依赖：已完成《模块一：AI 基础设施与虚拟化底座》
教学目标：让学员掌握在 Kubernetes 集群中调度和管理 GPU/NPU 资源的能力，熟练部署和维护企业级 AI 训练与推理平台（如 Kubeflow），达到中级 AI 基础设施工程师（AI Infra Engineer）的任职要求。
📚 模块导论：为什么 Kubernetes 是 AI 的“操作系统”？
核心概念：
- 从单机到集群：单台服务器无法训练千亿参数大模型，需要成百上千张卡协同工作。K8s 是管理这些资源的“军团指挥官”。
- 从手工到自动化：手工启动 Docker 容器无法满足多租户、队列优先级、弹性伸缩的需求。
- 云原生 AI：将 AI 工作负载（Training/Inference）像 Web 服务一样进行声明式管理、调度和监控。
第一部分：K8s 核心基础篇（云原生入场券）
教学重点：摒弃冗杂的
