Canonical 通过 NVIDIA 企业级 AI 工厂认证
by Canonical on 31 July 2025
Canonical 通过 NVIDIA 企业级 AI 工厂认证设计交付 Kubernetes 平台与开源安全解决方案
参考架构加速智能代理 AI 项目上市进程
为简化企业 AI 应用路径，加速 AI 洞察向商业价值的转化，NVIDIA 近日发布 NVIDIA 企业 AI 工厂验证设计，该方案作为集成式解决方案生态，可实现与企业系统、数据源及安全基础设施的无缝连接。NVIDIA 软硬件设计模板专为现代 AI 项目定制，涵盖物理 AI 与 HPC，重点关注智能代理 AI 工作负载。
Canonical 荣膺 NVIDIA 企业级 AI 工厂验证设计生态伙伴Canonical Kubernetes 容器编排方案，支持在高性能基础设施上高效构建、部署及管理多样化且持续演进的 AI 智能体套件。Ubuntu 操作系统是 NVIDIA 认证系统的核心枢纽，深度集成于戴尔等 OEM 伙伴的硬件生态。Canonical 还与 NVIDIA 合作，通过保护 NVIDIA 制品仓库中的智能代理 AI 依赖项，确保 AI 工厂中开源软件的稳定性和安全性。
Canonical 对开源技术、模型驱动运维及易用性的专注，为企业构建基于 NVIDIA 加速基础设施的 AI 工厂提供灵活选项。
Canonical Kubernetes
Canonical Kubernetes 是一款安全设计、提供商业支持的基础平台。它将复杂技术栈的管理统一整合至单一平台，涵盖 NVIDIA AI Enterprise、存储系统、网络架构及可观测性工具。
在 NVIDIA 企业级 AI 工厂认证设计中，Kubernetes 被用于独立开发、更新及扩展基于微服务的智能体，并与自动化 CI/CD 管道深度集成。Kubernetes 还能处理训练 AI 模型所需的庞大且通常具有突发性的计算需求，并能根据实时需求扩缩已部署智能体的推理服务。
基于上游 Kubernetes，Canonical Kubernetes 已集成 NVIDIA GPU Operator 与网络 Operator，以利用 NVIDIA 硬件加速功能，并支持部署 NVIDIA AI Enterprise，从而通过 NVIDIA NIM 和加速库实现 AI 工作负载。
Canonical Kubernetes 提供全生命周期自动化能力，并具备长期支持特性，近期更宣布提供长达 12 年的安全维护保障。
针对操作系统及主流 AI 工具链与库的安全更新
Ubuntu 是 AI 工作负载领域应用最广泛的操作系统。将 Ubuntu 选作 NVIDIA AI 工厂的基础操作系统，不仅能为企业提供可信赖的操作系统支撑，更将构建覆盖全部开源生态的统一可信存储库。Ubuntu Pro 用户可享受长达 12 年的安全维护服务，覆盖包括 Python、R 等主流编程语言工具链在内的数千款开源软件包。组织机构可在此基础上，结合 Canonical 容器构建服务，获得按需定制的专属容器，并实现全开源依赖树的安全维护。
延伸阅读
订阅博客文章
查看更多内容
利用开源机器学习基础架构加速 AI 发展
人工智能技术在迅速发展，对稳健强大且可扩展的基础架构具有迫切需求。为应对这些挑战，我们精心打造了一套全面的参考架构（RA），充分利用了开源工具与尖端硬件的强大功能与性能。这套架构基于 Canonical 的 MicroK8s 和 Charmed Kubeflow 构建，运行于 Dell PowerEdge R7525 服务器之上，并借助NVIDIA NIM 微服务实现加速，为部署和管理机器学习工作负载提供了一个简便高效的途径。 为数据科学家与工程师赋能 该解决方案旨在为数据科学家和机器学习工程师赋能，使其能够实现更快迭代、无缝扩展以及强有力的安全保障。对于基础架构构建者、解决方案架构师、DevOps 工程师以及首席技术官（CTO）而言，这套参考架构提供了一条畅通无阻的途径 […]
Canonical 宣布推出 12 年 Kubernetes LTS
Canonical 的 Kubernetes LTS（长期支持）将支持 FedRAMP 合规性，并在裸机、公共云、OpenStack、Canonical MicroCloud 和 VMware 上获得至少 12 年的承诺安全维护和企业支持。 Canonical 宣布，从 Kubernetes 1.32 开始，将提供 12 年的安全维护和支持。新版本易于安装、操作和升级，具有一流的开源网络、DNS、网关、度量服务器、本地存储、负载平衡器和入口服务。Canonical Kubernetes 使客户能够按照自己的节奏进行升级，对于喜欢快速行动的组织，将每四个月发布一次新的上游版本，对于需要长期支持环境的组织，则提供 12 年的承诺。 “Kubernetes 的不断升级是企业团队 […]
借助 Apache Spark 与 GPU 加速数据科学进程
一直以来，Apache Spark 始终以通过分区机制实现多节点分布式计算调度而著称，而 CPU 核心则始终在单个分区内完成处理任务。 鲜为人知的是，Spark 同样可通过 GPU 实现计算加速。在恰当场景中启用 GPU 加速将带来显著优势：基础设施成本与服务器需求大幅降低，查询完成速度相比传统 CPU 计算最高提升 7 倍，且所有加速过程在后台静默完成，无需改造现有 Spark 应用代码。我们激动地宣布，Canonical 团队已借助 NVIDIA RAPIDS 加速器实现 Spark 作业的 GPU 支持，此项技术突破专为破解大规模数据处理中的真实性能瓶颈而研发。 本博客将阐述 Spark 在 GPU 上所提供的优势、实现原理、GPU 的不适用场景，并为您提供如何通 […]