OpenStack诞生的时候，AI Agent还不知为何物。
十几年前，云计算基础设施面对的主要使用者还是人。管理员创建虚拟机，开发者提交任务，用户通过网页和应用产生请求，底层基础设施再按照这些需求分配CPU、网络和存储等硬件资源。
但现在，基础设施正在迎来一种完全不同的新用户，这就是AI Agent。麦肯锡2026年8月发布的调查显示，年收入超过10亿美元的大型企业中，40%已经开始规模化部署AI Agent，与去年相比相对增幅接近50%。Agent已经从实验阶段进入大企业生产环境。
一个Agent可以自己拆解任务、调用工具、访问数据，再继续生成新的任务。它不一定需要网页，不一定需要传统操作界面，也完全没有作息的概念，所以也别指望它按照人类习惯的方式去调用基础设施。
这引发了OpenInfra 基金会总经理 Thierry Carrez 阚雷的思考：今天有大量面向人设计的基础设施软件，如果未来使用基础设施的越来越多是Agent，这套架构如果保持不变还合适吗？
在9月举行的KubeCon + CloudNativeCon + OpenInfra Summit和PyTorch Conference China 2026上，Thierry Carrez与CNCF 执行总监，Linux 基金会云与基础设施执行总监 Jonathan Bryce傅兰石做出了解释与回应。
CNCF 执行总监，Linux 基金会云与基础设施执行总监 Jonathan Bryce傅兰石
AI对这些十多年前就有的开源基础设施带来了哪些新变化？在Jonathan Bryce看来，AI时代一个非常鲜明的特征就是“速度”，技术、代码和工作负载都在快速变化。
过去开源社区可能围绕一套相对稳定的软件栈长期迭代，但现在，AI正在不断制造新的需求，也在改变软件开发本身。因此，开源社区需要重新思考，在这样一个快速变化的环境里，究竟需要什么样的技术和协作方式。
对于OpenInfra来说，眼下更具体的问题或许是：一套诞生于云计算时代的开放基础设施，应该怎样进化，才能继续服务AI时代？
OpenStack从管理CPU和虚拟机，开始学习管理GPU
OpenStack最初面对的典型工作负载，是虚拟机。这背后的资源模型也比较清楚：CPU、内存、网络、存储，以及围绕这些资源进行的虚拟化和调度系统。
AI改变了这种现状。当我问Thierry，过去OpenStack大量能力围绕虚拟机和CPU展开，现在数据中心越来越重视GPU，OpenStack是否也因此发生技术变化时，他给出的答案是肯定的。
OpenInfra 基金会总经理 Thierry Carrez 阚雷
OpenStack正在持续适配GPU的新能力。例如，一块GPU可能不再只分配给一个工作负载，而是被切分之后交给多个任务和用户使用。OpenStack也需要在软件层跟进这些变化，持续不断优化GPU资源的访问方式，从而提高GPU利用率。
但GPU只是问题的一部分。Thierry提到，AI基础设施正在出现越来越多专用芯片，因此OpenInfra需要应对硬件持续多样化的趋势，并确保新的硬件能力能够正确暴露给上层软件使用。
从这个角度看，OpenStack正在经历的变化，并不是简单的把CPU换成GPU。除GPU以外，还有越来越多专用加速器，所以基础设施软件需要具备理解更多硬件的能力，再把这些能力以统一、可控的方式交给上层。
这也是OpenInfra在AI技术栈中的主要位置。Thierry将其描述为硬件和上层软件之间的一层：它一方面要把计算、网络和块存储等资源暴露出来，另一方面又需要负责控制、隔离和安全，保证这些资源能够被可靠使用。
底层硬件以外，更大的变化可能来自Agent
如果说GPU和异构芯片改变的是基础设施要管理的资源，那么Agent改变的，则可能是基础设施的使用者。
Thierry Carrez在采访中提到，今天很多基础设施软件，其实是十年前为人类设计的。过去，人通过控制台、API或者应用提交任务，软件再根据这些请求去创建虚拟机、分配计算和存储资源。围绕这种使用方式，我们已经形成了一整套成熟的接口和管理体系。
但Agent可能不是这么用的。Thierry认为，现在Agent实际上仍在使用一套为人设计出来的软件栈，但它们完全可能以更加直接的方式使用基础设施，而不需要像人一样经过相同的接口。
这意味着，未来要解决的问题可能不只是给现有OpenStack增加一些AI功能，而是重新考虑：如果基础设施的一部分主要使用者变成Agent，它究竟应该提供什么样的接口和能力？
这也是Thierry认为未来可能产生大量新开源项目的地方。在采访一开始，他就提到，AI和Agent工作负载正在对基础设施提出新的要求。特别是在硬件层和上层编排系统之间，还有不少创新空间。
问题在于，目前其中一些创新仍然主要发生在闭源环境中。他希望未来能够把更多这样的基础设施创新带入开源，让不同参与者可以围绕共同技术协作，并逐渐形成标准。
除了如何使用资源，Agent带来的另一个问题是安全。
今天AI安全讨论很多集中在模型，比如提示词攻击、模型越狱、数据泄漏。但当Agent能够主动调用工具、操作数据甚至影响外部系统之后，基础设施层面的隔离和追踪也会变得更加重要。
Thierry提到，目前OpenInfra体系中与AI安全关系比较密切的项目之一是Kata Containers。它可以为不同工作负载之间增加隔离，同时将工作负载与宿主机进一步隔离。这对于数据访问和合规要求严格的AI运行环境尤其重要。
不过，他也认为，现在做的工作还远远不够。尤其随着AI工作流越来越复杂，未来可能需要知道一个Agent到底执行过什么操作、影响过哪些资源，并且在可能的情况下对这些操作进行追溯甚至回滚。
Thierry认为，这些都还是非常新的研究方向，目前还没有对应的成熟项目。Thierry甚至提出了一个值得思考的问题：如果今天从零开始，重新面向AI时代的工作负载设计基础设施，最终做出来的东西可能不会和现在完全一样。
这也意味着，对于OpenInfra来说，未来要做的可能不只是追赶GPU和各种AI芯片的迭代速度，还要思考，当越来越多基础设施请求不再由人产生，而是由Agent产生时，基础设施软件应该如何演进。
AI开始写开源代码，但人类反而成了新的“瓶颈”
有意思的是，AI不只是在改变OpenInfra管理的基础设施，它同时也已经开始进入OpenInfra自己的开发流程当中了。
现在使用Claude Code、Codex等AI Coding工具写代码已经越来越常见。那对于一个大型开源社区来说，AI生成的代码到底能不能直接提交？社区又如何判断这些代码是否可靠？
Thierry介绍，OpenInfra是比较早制定AI代码贡献政策的开源社区之一。它并没有禁止AI辅助开发，而是给AI生成的代码有具体要求。
比如，如果开发者在提交补丁时使用了AI，需要披露这一点。与此同时，真正提交这段代码的人仍然必须承担责任，包括后续对代码的维护。在OpenInfra相关项目的实际开发中，AI已经被用于辅助Coding，也开始被用于一些规模比较大的代码重构。
不过，在Thierry看来，目前AI在OpenInfra社区里一个特别有价值的应用，反而是找漏洞。开发者可以把现代大模型用于软件安全研究，主动寻找代码中可能存在的问题。Thierry提到，这些模型已经发现了一些此前没有被检测出来的漏洞。
这样一来，社区就可以主动修复问题，而不是等到漏洞在真实环境里被别人发现之后再处理。按照这个趋势，一个很自然的问题是：既然AI写代码越来越快，那么开源项目是不是也可以更快迭代？
Thierry的回答却是：至少现在还没有。
原因也很简单，AI虽然能够帮助生成越来越多代码，但这些代码最终还是需要人来手动Review（审查）。目前，AI审查代码的能力还没有赶上它生成代码的能力。相较于AI，人类开发者仍然更加擅长判断一段代码是否真的应该被合并进项目。
以前缺的是写代码的人，现在AI可以快速生产代码之后，真正稀缺的可能变成了审代码的人。Thierry表示，人类Reviewer目前依然是项目进一步加快开发和发布速度的瓶颈，所以OpenInfra还没有因为AI Coding而明显提高项目迭代速度。
基础设施软件和应用侧软件，将在AI时代迎来一波分化
Thierry判断，未来越来越多代码可能根据用户的即时需求自动生成。比如，一些靠近用户的界面和应用功能，需要的时候AI直接生成即可。这些代码可能只针对一个人的需求，也就没有那么强的动力让成千上万开发者共同维护。
但越往底层走，情况可能刚好相反。
基础设施、编程语言以及所有人共同依赖的底层能力，更适合通过开放协作共同建设。因此，Thierry预计未来在基础设施层会看到更多合作，而越靠近用户的上层软件，传统开源项目的数量反而可能减少。
他甚至提出，未来讨论软件时，可能不只是开源和闭源的两种形态。还会出现越来越多类似私有的代码。这些代码不是企业开发出来卖给所有人的传统闭源软件，而是AI按照某一个用户的需求即时生成，只服务于这个用户。
如果这个判断成立，AI时代的软件世界可能会出现一个有意思的分化：越往应用层走，软件越个性化；越往基础设施底层走，开放协作反而越重要。对于OpenInfra来说，这也解释了为什么AI时代并没有削弱开源基础设施的价值。
因为无论最上面的应用最终是人写的，还是Agent即时生成的，它们最后都需要运行在共同的计算、网络、存储和硬件资源之上。而这些大家共同依赖的底层能力，恰恰是最需要稳定、标准和长期协作的地方。
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表