30 秒看重點
- 事件：最新KubeSummit觀察指出，Kubernetes正朝「AI Native」架構發展，未來企業級AI應用關鍵在資料。
- 意義：AI將從外掛變核心，所有應用都圍繞AI設計，資料的流動與管理成為首要任務。
- 影響：台灣企業需重新檢視AI策略與資料治理，工程師需強化資料工程能力，以迎接AI新時代挑戰。
根據KubeSummit現場觀察，雲端基礎設施的核心Kubernetes正加速擁抱AI，未來企業要成功導入AI，不再只是堆疊算力，更關鍵的是要打造堅實的「資料基礎工程」。這場轉變將徹底翻轉企業AI的部署邏輯，也將是台灣各行各業數位轉型的新挑戰。
AI時代，Kubernetes為何轉向資料？
在AI浪潮席捲全球之際，過去主要負責應用程式自動化部署與管理的雲端開源專案Kubernetes（K8s），正迎來一場深刻的變革：從傳統的「應用程式管理」轉型為「AI Native」的基礎設施核心。過去，企業將AI應用視為獨立的服務，像在原有工廠加裝AI機器人；但AI Native則是要把整座工廠直接設計成AI智慧工廠，讓AI從一開始就內建在系統骨幹中。
KubeSummit的觀察點出，這個轉變的重點就是「資料」。AI，無論是訓練模型還是實際推論（inference），都像機器人吃飯一樣，需要源源不絕且高品質的「食物」（資料）。傳統的K8s雖然擅長管理應用程式，但在處理AI所需的龐大、即時、多樣化資料流上，卻常力不從心。這就好比工廠蓋得很自動化，但原料（資料）的供應鏈和倉儲系統卻跟不上，AI機器人就難以發揮最大效能。
因此，當Kubernetes走向AI Native，就意味著它不再只是一個單純的「容器編排工具」，而是必須將資料的收集、處理、儲存、治理與安全等功能，直接深度整合到平台架構中。這包括了對分散式資料庫、資料湖、串流資料處理等技術的支援，甚至要能更好地整合像MLOps（機器學習維運）這類專為AI模型生命週期設計的工具。唯有如此，企業才能真正大規模、高效率地部署和管理AI應用，讓AI不僅能跑，還能跑得好、跑得穩。
台灣怎麼看這件事？
對於台灣而言，這波「Kubernetes AI Native」的趨勢帶來了挑戰，也潛藏巨大機會。台灣以半導體硬體製造聞名全球，但在AI的軟體與服務層面，特別是企業級 AI 基礎建設的應用與整合上，仍有廣闊發展空間。隨著AI Native架構崛起，我們的雲服務提供商、軟體開發商和新創企業，將必須從「如何幫客戶跑AI模型」進一步思考「如何幫助客戶管理AI模型賴以生存的資料生命週期」。
這也意味著台灣的工程師，特別是後端與資料工程師，必須從過去專注於應用程式開發，轉向更全面地掌握資料管理 AI 應用與雲原生 AI 解決方案的技能。從數據收集的即時性、資料清洗的準確性，到儲存架構的彈性與Kubernetes 資料治理的規範性，都將成為企業部署AI成功的關鍵。台灣若能及早佈局，強化相關人才培訓與產業生態系整合，將有機會在全球台灣 AI 發展趨勢中，搶占更重要的位置。
編輯觀點
這次KubeSummit的趨勢觀察，明確指出了AI時代的「新黃金」。過去我們談AI常聚焦於演算法與算力，但這波轉變提醒我們，真正決定AI成敗的，是背後看不見卻最為關鍵的「資料」與其「基礎工程」。企業若只追求最新模型，卻忽略了資料的品質與效率，那AI終將成為空中樓閣。台灣科技業應趁勢而上，將資料基礎工程提升到戰略高度，並將AI Native 架構挑戰視為成長契機，才能在激烈的全球AI競爭中脫穎而出，不再只是硬體代工的角色。
常見問題
- Kubernetes（K8s）是什麼？
- K8s就像一個自動化工廠的中央管理系統，能幫你自動部署、擴展和管理應用程式（生產線上的機器），確保它們穩定運行。
- 「AI Native」是什麼意思？
- AI Native指的是從系統設計之初就將AI視為核心，所有架構都為了讓AI應用能最自然、最高效地運作，而不是像額外加裝的外掛。
- 為什麼資料對AI那麼重要？
- 資料就像AI的食物與學習材料。高品質、足夠多的資料才能讓AI模型學得更好、更準確；資料基礎工程就是確保這些「食物」能順利送達AI手上。
- 一般公司需要關心這個嗎？
- 只要公司有計劃或正在使用AI應用，就應該關心。因為這決定了你的AI能否擴大規模、穩定運行，並在未來持續創新。
- 台灣科技業該如何準備？
- 台灣科技業應加強資料科學與資料工程人才培訓，投資建立更彈性、高效的資料基礎設施，並發展整合AI與資料的解決方案，提升軟體服務能力。
名詞小教室
- Kubernetes（K8s）
- 想像成一個大型智慧工廠的自動化總管，它負責排程、啟動、監控各種「智慧機器人」（你的應用程式），確保工廠運作順暢。
- AI Native
- 指系統在設計之初就以AI為核心考量，所有環節都為了AI應用能最有效率地運行而建構，讓AI不再是後加的「外掛」，而是原生的一部分。
- 資料基礎工程
- 就像是AI智慧工廠的原料供應鏈和倉儲系統，它確保AI機器人能隨時取得高品質、乾淨且正確的「原料」（數據），並有效管理這些原料的流動與儲存。