Run:ai
基于 Kubernetes 的 GPU 集群调度平台，提供队列、配额、优先级和抢占机制，将 GPU 从独占设备变为可共享调度的池化资源，后被 NVIDIA 收购并开源
时间轴 (近 90 天)
当 NVIDIA 把调度层免费开放，第三方 GPU 调度器的价值主张需要重新思考。
NVIDIA 宣布将旗下 Run:ai 平台完整开源，作为 NVIDIA DSX AI Factory 平台战略的一部分。
Run:ai 最初以帮助企业在 Kubernetes 上高效调度 GPU 资源而闻名，被 NVIDIA 收购后定位转向 AI 工厂的中枢。
Run:ai 在 Kubernetes 之上引入了队列、配额、优先级和抢占机制，把 GPU 从独占设备变成可被多团队共享调度的池化资源。
开源 Run:ai 后，调度策略、资源配额逻辑、优先级算法都可以被检查和修改，提升了可审计性与可定制性。
Run:ai 与 NVIDIA 硬件和 DSX 平台的深度绑定意味着开源代码带来的自由度在跨出 NVIDIA 生态时会明显衰减。
目前官方披露的信息集中在完整平台开源这一层面，具体的代码仓库结构、许可证类型、社区治理模式还没有详细展开。
Run:ai 的核心调度组件可能以 Apache 2.0 或类似宽松许可证发布，而与企业级支持相关的部分可能保留商业选项，属于开放核心模式。
Volcano(CNCF项目)和Run:ai等调度器提供GPU共享、抢占调度、弹性伸缩等功能
全部知识事实 (9)
当 NVIDIA 把调度层免费开放，第三方 GPU 调度器的价值主张需要重新思考。
50%待验证开源 Run:ai 后，调度策略、资源配额逻辑、优先级算法都可以被检查和修改，提升了可审计性与可定制性。
50%待验证Run:ai 与 NVIDIA 硬件和 DSX 平台的深度绑定意味着开源代码带来的自由度在跨出 NVIDIA 生态时会明显衰减。
50%待验证目前官方披露的信息集中在完整平台开源这一层面，具体的代码仓库结构、许可证类型、社区治理模式还没有详细展开。
50%待验证Run:ai 最初以帮助企业在 Kubernetes 上高效调度 GPU 资源而闻名，被 NVIDIA 收购后定位转向 AI 工厂的中枢。
50%待验证Run:ai 在 Kubernetes 之上引入了队列、配额、优先级和抢占机制，把 GPU 从独占设备变成可被多团队共享调度的池化资源。
50%待验证Volcano(CNCF项目)和Run:ai等调度器提供GPU共享、抢占调度、弹性伸缩等功能
50%待验证NVIDIA 宣布将旗下 Run:ai 平台完整开源，作为 NVIDIA DSX AI Factory 平台战略的一部分。
50%待验证Run:ai 的核心调度组件可能以 Apache 2.0 或类似宽松许可证发布，而与企业级支持相关的部分可能保留商业选项，属于开放核心模式。
50%