GPU 集群跑喺 Kubernetes（開源容器編排系統）上，嘅話，成個配置涉及主機內核（host kernel）、GPU 驅動、容器運行時、網絡、儲存、device plugin、operator、排程器同工作負荷框架等一打幾十個組件，各係各嘅版本週期。NVIDIA 今個月初（2026 年 10 月 6 日）喺技術 blog 發布 AI Cluster Runtime（AICR）v1.0，將呢啲「邊個版本配邊個先得」嘅知識，由原本散落喺各種驗證系統、部署腳本同運維 runbook 嘅經驗，標準化成可共享、可驗證嘅「配方」（recipe）。
配方可做嘅同做唔到嘅
AICR 嘅每個配方鎖定一套可互相兼容嘅組件版本組合，然後渲染成 Helm、Argo CD、Flux 或 Helmfile 嘅部署配置。NVIDIA 技術 blog 指，同一套配置喺一個服務、一啲 GPU 世代或一個 Kubernetes 版本行得通，換另一個就可能靜默失敗；而組件升版可能打破原本正常運作嘅組合，部署後追溯版本衝突「緩慢兼容易出錯」。
v1.0 設立一套穩定嘅兼容契約，涵蓋 CLI、REST API、Go SDK、bundle 佈局同 artifact schema，意味 integrator 可以喺 v1.x 兼容政策下根據 AICR 公開介面開發。每個配方帶由測試硬件出具嘅簽署驗證證據（signed validation evidence），透過公開驗證 dashboard，運營者可按服務、GPU、作業系統、工作負荷意向搜尋配方，查閲狀態同已出版嘅證據。
不過要留意：NVIDIA 技術 blog 自己都講，「每個組件安裝成功」唔代表集群達到配方嘅目標配置。安裝成功唔會確認 gang scheduling（多進程/多節點聯動排程）同 accelerator discovery（加速器發現）等必要能力有冇運作，亦唔會確認實測結果達到配方嘅效能閾值。呢啲係 AICR 嘅限制，佢鎖定配置，但唔保證實測結果。
呢個同「開源／開放權重」唔係同一件事
呢度要講清楚：AICR 係 GPU 集群配置規格同工具，唔係模型權重（weights）嘅公開。佢鎖定嘅係配置組合，唔係任何模型參數。呢度無所謂「開放權重同開源」嘅分別，因為佢唔發布任何模型。
生態同貢獻者
AICR 過去六個月由少量配方擴展至涵蓋主要 Kubernetes 服務同 NVIDIA 目前加速器產品組合，以 deployer-neutral（部署工具中立）bundle 提供。Pulumi Labs 透過 infrastructure-as-code provider 暴露 AICR，Mirantis 嘅 k0rdent integration 將 AICR 包裝做多集群管理。NVIDIA 技術 blog 稱，AICR 現超過 100 名獨立貢獻者，約半數來自 NVIDIA 以外。
模姐驗嚇貨
NVIDIA 自己係賣 GPU 嘅，亦係寫部署工具嘅，呢個配方庫嘅獨立性問題值得留意：驗證證據係由邊個hardware出具、由邊個審核，呢度係用户該問嘅問題，呢篇 blog 未有細講。對要喺自家集群部署大模型嘅團隊而言，呢個配方庫有冇覆蓋你嘅 GPU 型號同服務組合，直接決定佢對你有冇用。
模姐｜深度調教
