Jonathan Bryce专访，开放的本质是“能够离开”

当 AI工作负载从实验室走向生产环境，云基础设施、云原生平台、AI框架与模型分发网络之间的边界正在迅速模糊。过去分属不同技术圈层的OpenStack、Kubernetes、PyTorch，如今不得不在同一个技术栈里协同工作。在这样的背景下，KubeCon + CloudNativeCon、OpenInfra Summit和PyTorch Conference China首次联合举办。CNCF 执行总监，Linux 基金会云与基础设施执行总监Jonathan Bryce（傅兰石）在专访中，围绕Hugging Face的基础设施地位、GitHub的开放性、数字主权、云原生与AI团队整合、厂商中立、中国开发者角色以及Token Factory等议题，给出了一套颇具穿透力的判断。

CNCF 执行总监，Linux 基金会云与基础设施执行总监Jonathan Bryce（傅兰石）

开放性的关键，不是平台属于谁，而是能否复制功能

专访中，一个反复出现的核心词是“开放”，但Jonathan Bryce对开放的定义并不停留在平台所有权上，而是指向一个更实际的问题：功能能否在别处复制，工作负载能否迁移。他以 GitHub 为例，把讨论从“平台归谁”推进到“能力能否被复制”。在他看来，数字主权和主权AI的真正含义，不是必须摆脱GitHub、Amazon、Azure 或阿里云，而是“如果情况发生变化，我需要复制这项功能，我能做到吗？”

这一判断同样适用AI模型平台。Hugging Face常被类比为模型领域的GitHub，但 Jonathan Bryce认为，“Hugging Face非常像 GitHub或类似代码托管平台那样的基础设施。”它早期做对的事，是认识到模型与代码不同：代码只是文本，而模型有许多不同的属性和资产。Hugging Face创造了一种方式，让人们可以分享模型、再混合模型，并制作不同的下游版本。在他看来，开源的价值往往在参与人数扩大时才真正显现。正因如此，Hugging Face让大型AI实验室之外的人也能参与模型开发。他讲了一个细节：家里的小机器人原厂名字不同，他通过修改Hugging Face上的语音模型，让机器人回应“Robbie”。这个故事的深意在于，模型平台的价值不在于托管某个文件，而在于降低参与门槛。

当被问及AI模型平台是否有类似Git的底层开放机制时，Jonathan Bryce坦言很难直接类比，因为模型不是代码，但“归根结底，模型仍然是一个文件”。开放权重领域的领先模型可以在比 Hugging Face 更多的地方获得，“如果Hugging Face关闭或下线，你可以在别处复制它。”真正关键的是“围绕这些模型所获得的协作能力”。他以MiniMax-Text-01 为例，说明人们能快速将其适配到具体用例。模型只是文件，可以在许多地方获得，因此没有消失的风险。这实际上把开放性的重心从“平台所有权”转移到了“工作负载与资产的迁移能力”上。

基金会协同与云原生+AI，从独立项目到生产级技术栈

Jonathan Bryce 同时管理CNCF和OpenInfra基金会，这一双重角色本身就折射出基础设施领域的融合趋势。他的回答指向一个现实：企业不会只运行PyTorch或只运行 Kubernetes，而是通常会把多个开源项目组合使用。PyTorch Foundation、CNCF、OpenInfra 等基金会协同一致，反映的正是企业构建基础设施和采用开源的真实方式。由于AI软件开发和security vulnerabilities，开源环境变化迅速，核心基金会携手合作、组织社区并建立安全流程，是当今社区建设的重要方式。

这一逻辑在云原生团队与AI团队的整合上体现得更为具体。Jonathan Bryce观察到，过去一年许多企业设有独立AI 团队和运维团队。AI 团队从CEO那里获得大量投资，快速构建系统，但投入生产时却在正常运行时间、可靠性、扩展性和安全性方面遇到问题，“因为他们是AI专家，不是运维专家。”他强调：“当企业将这些团队紧密整合时，会更成功。”他用数据库团队与运维团队的融合来类比：“20 年前，企业部署Oracle和MySQL等数据库。独立的数据库团队和运维团队最终合并，催生了DevOps和平台工程。”最终，“一个工作负载最初可能新鲜且令人兴奋，但最终它必须变得稳定且无聊，企业才能依赖它。”这句话看似平淡，却揭示了AI基础设施走向成熟的必经之路。

OpenStack、Kubernetes、PyTorch为何必须走到一起？Jonathan Bryce的回答是：这些项目投入生产时是一起使用，而非独立使用。早期快速推进并保持专注有好处，但被广泛采用后，就必须为现实世界的复杂性做好准备。协作模式“实际上是三者兼有”：社区互通、标准对齐，以及在 vLLM、PyTorch基金会和 CNCF等项目上的联合开发。

厂商中立与硬件加速器，插件架构与一致性认证

AI时代，硬件加速器越来越多，厂商中立成为Linux基金会旗下基金会的核心原则。Jonathan Bryce的回答是：“开源提供选择。”他希望项目能兼容任何芯片、云和智能体。具体做法有两类：一是插件架构，Kubernetes的DRA使GPU厂商能够支持自己的芯片，PyTorch通过Private Use 模式供芯片制造商接入；二是一致性认证计划。Kubernetes已有100多家公司参与，去年还推出了Conformance Program，涵盖技术和治理两方面。

中国开发者、台湾硬件与全球开源话语权

谈及中国企业与开发者的角色变化，Jonathan Bryce给出明确判断：“中国已经成长为我们在大多数主要项目中的前十大贡献者之一。”除了代码贡献，中国发起的开源项目也大幅增加，例如 Volcano、Karmada和HAMi。这不仅是数量变化，更是角色从使用者向上游贡献者、发起者的转变。

对于台湾硬件产业，Jonathan Bryce的观察更为直接：“在开源中拥有强话语权既简单又困难。简单之处在于必须让开发者参与，因为代码引领开源项目。”挑战在于建立教育和产业基础。美国和中国之外的国家可以通过将开源作为国家战略来获得超比例影响力。欧洲有政府对软件的开源指令和资金充足的计划，越南也在采取类似举措。换句话说，硬件优势不会自动转化为开源话语权，只有开发者持续参与，才能在全球社区中形成真正影响力。

在 AI 采用文化上，他对比了中美：中国开发者“非常前瞻且具有实验精神”，开源大语言模型发布后，中国公司和手机制造商在几个月内就将其整合，展现出明显的“开源优先”偏好；美国市场更关注企业级产品组合，许多公司大量采用Claude和ChatGPT 等商业服务。这反映了企业获取和整合技术的文化差异。

推理与 Token Factory，AI 基础设施的下一站

CNCF为何高度强调AI推理？Jonathan Bryce指出，大多数大规模AI训练已经在云原生上运行多年，例如 OpenAI在2018年就使用 Kubernetes管理训练。现在强调推理，“是因为它是增长最快的工作负载，而且需要专门的工作才能表现得足够好。”它不是唯一的事情，但却是当前巨大的机会。

关于 NVIDIA与 Hugging Face，他认为 NVIDIA 近期非常支持开放权重模型，将成为 Hugging Face 的好归宿，“就像微软之于GitHub一样”。NVIDIA的核心业务是制造和销售芯片，更多模型、更多人在运行模型，对其业务非常有利，这形成了激励一致性。

最后，Token Factory 被视为跨平台技术栈整合的典型。Jonathan Bryce描述：Token Factory 展示了OpenStack、Kubernetes、PyTorch与vLLM在生产环境中的分层协作：前者管理裸金属资源，Kubernetes提供编排与接口，PyTorch、vLLM承担模型服务与推理执行。这也说明，现代 AI 基础设施的关键不只是单个项目是否先进，而是这些项目能否被整合为完整技术栈。

开放的终点是让技术成为可依赖的基础设施

AI 时代的基础设施，究竟靠什么赢得行业信任？答案不是某个平台属于谁，而是底层资产和工作负载能否迁移；不是某个项目是否开源，而是开发者能否参与、协作能否发生、厂商能否中立接入。Hugging Face 的成功、GitHub 的持续被使用、基金会之间的协同、云原生与 AI 团队的融合、Token Factory 的全栈整合，都指向同一个方向：开放是一种可迁移、可参与、可协作的能力。当 AI 工作负载最终变得可预期、可运维，基础设施才真正成为整个行业共同依赖的底座。而在此之前，开源社区仍需持续拓展参与路径、扩大协作面。