Kubeflow 的意义，不是“又多了一个 AI 平台”，而是 AI 训练、Pipeline、模型服务和研发环境开始被正式放进 Kubernetes 与平台工程的统一治理框架里。

CNCF 当前 Kubeflow 项目页记录其在 

 进入 Graduated。8 月的新闻传播可以作为事件热度背景，但“毕业生效日”建议以项目页为准。

一、Kubeflow 毕业，真正变了什么？

过去不少团队的 AI 平台是“算法团队自己长出来的”：Jupyter 一套、训练脚本一套、GPU 调度一套、模型服务再来一套，最后 Pipeline、权限、监控、发布流程彼此割裂。模型一多，真正拖慢团队的往往不是训练代码，而是外围治理。

CNCF 将 Kubeflow 列为 Graduated，核心信号不是“市场已经选出唯一赢家”，而是：

在 Kubernetes 上构建 AI 平台，已经从特殊工程走向成熟的云原生工程问题。

当前稳定的 Kubeflow Community Distribution 26.03.1 采用日历版本，包含 Kubeflow Pipelines 2.16.1、Trainer 2.2.0、Spark Operator 2.5.0、Model Registry 0.3.9、KServe Web Application 0.18.0，并在 Kind 0.32+ / Kubernetes 1.36 上做 CI 测试。

Kubeflow 毕业最大的价值不是“可以放心采购”，而是企业不应该再让 AI Ops 成为独立孤岛。身份、监控、调度、GitOps、网络策略、镜像治理，本来就应该尽量复用平台工程能力。

二、反常识：毕业 ≠ 每家公司都该上

最容易犯的错误，是把 CNCF Graduation 当成“立项理由”。毕业证明的是项目治理、社区与生产成熟度，不证明你的组织规模已经需要一个完整 AI 平台。

可以给自己设一个非常工程化的“触发线”：统计过去 30 天独立训练/推理 Pipeline 数量、GPU 资源池数量、参与团队数量。如果独立 Pipeline 还不到约 20 条、GPU 集群不到 2 套，这个阶段通常更适合先把工作流标准化，而不是先把平台复杂度买回来。这个数字是

经验阈值，不是 Kubeflow 官方标准

三、实战架构：Kubeflow 到底把什么放进了 K8s？

Kubeflow on Kubernetes：从入口到执行面的真实路径DeveloperBrowser / SDK / GitIstio GatewayDex / OAuth2 Proxy / RBACCentral DashboardProfile / Notebook / Pipeline UIPipelinesTrainerKServeNotebooksKubernetesNamespace · Pod · CRD · GPU Scheduling · Storage · NetworkPolicy · Observability

理解 Kubeflow 最好的方式，不是把它看成一个巨型 SaaS，而是把它看成一组 Kubernetes 原生 AI 能力的组合：用户从 Dashboard 或 SDK 进入；身份层由 Dex / OAuth2 Proxy / Istio 等承接；Pipeline、Trainer、KServe、Notebook 等组件最终都把工作负载下沉为 Kubernetes 资源。

这也是为什么已有 Kubernetes 平台团队的公司更容易吃到红利：日志、指标、Namespace 隔离、存储、网络策略、GitOps、镜像供应链，不需要 AI 团队重新造一套。

四、从零部署：Kind + Kubeflow Community Distribution 26.03.1

下面是一条“可复现实验环境”路径，目标是让你在一台 Linux/WSL2 主机上完成部署与验证。生产环境不要直接照搬默认账号、HTTP 入口和单机 Kind。

。资源更小也可以裁剪组件，但第一次实战建议先完整跑通。官方当前稳定分支是 

，不要用 master 写教程，否则组件版本会继续变化。

git clone --branch 26.03.1 --depth 1 \
  https://github.com/kubeflow/community-distribution.git
cd community-distribution

sudo sysctl fs.inotify.max_user_instances=2280
sudo sysctl fs.inotify.max_user_watches=1255360

# 官方建议：16GB+ RAM、8 CPU；实验环境可裁组件
docker version
git --version

./tests/install_KinD_create_KinD_cluster_install_kustomize.sh

kind get kubeconfig --name kubeflow > /tmp/kubeflow-config
export KUBECONFIG=/tmp/kubeflow-config

kubectl cluster-info
kubectl get nodes -o wide

安装 Kubeflow 全量 Community Distribution

while ! kustomize build example | \
  kubectl apply --server-side --force-conflicts -f -; do
  echo "Retrying to apply resources"
  sleep 20
done

kubectl get ns
kubectl get pods -n cert-manager
kubectl get pods -n istio-system
kubectl get pods -n oauth2-proxy
kubectl get pods -n knative-serving
kubectl get pods -n kubeflow
kubectl get pods -n kubeflow-user-example-com

kubectl port-forward \
  svc/istio-ingressgateway -n istio-system 8080:80

# 浏览器访问 http://localhost:8080
# 实验默认账号：user@example.com
# 实验默认密码：12341234

五、验证：别只看“Dashboard 打开了”

AI 平台的验证至少要做四层，否则很容易得到一个“页面能打开、任务跑不起来”的假成功。

kubectl get nodes
kubectl get ns
kubectl get storageclass
kubectl get events -A --sort-by=.lastTimestamp | tail -n 30

；Kubeflow 相关 Namespace 已创建；事件中没有持续出现 ImagePullBackOff、FailedScheduling、MountVolume 等错误。

预期：核心 Pod 进入 Running/Completed；Kubeflow、KServe、Katib、Trainer 等相关 CRD 已注册。某些一次性 Job 为 Completed 属于正常状态。

kubectl get profiles
kubectl get ns kubeflow-user-example-com
kubectl auth can-i create pods   -n kubeflow-user-example-com

预期：默认 Profile 存在，用户 Namespace 已创建。真正生产化时，应把这个默认 Profile 换成企业身份体系映射出来的用户/团队空间。

kubectl get svc -n istio-system istio-ingressgateway
kubectl port-forward svc/istio-ingressgateway   -n istio-system 8080:80

，能看到登录页并进入 Central Dashboard，只能说明入口链路成功；接下来必须跑一个真实 Pipeline 才算闭环。

在本机创建 Python 虚拟环境，并安装与 26.03.1 所带版本一致的 KFP SDK：

python3 -m venv .venv
source .venv/bin/activate
pip install "kfp==2.16.1"

from kfp import dsl, compiler

@dsl.component(base_image="python:3.11-slim")
def hello(name: str) -> str:
    message = f"Hello, {name}. Kubeflow is running."
    print(message)
    return message

@dsl.pipeline(name="hello-kubeflow")
def pipeline(name: str = "CNCF Graduation"):
    hello(name=name)

compiler.Compiler().compile(
    pipeline_func=pipeline,
    package_path="hello_pipeline.yaml"
)
print("generated: hello_pipeline.yaml")


python hello_pipeline.py
ls -lh hello_pipeline.yaml

然后进入 Kubeflow Dashboard → Pipelines，上传 

，创建 Run。与此同时在终端观察用户 Namespace：

kubectl get pods -n kubeflow-user-example-com -w

任务启动后，再检查 Pod 日志：

kubectl get pods -n kubeflow-user-example-com

kubectl logs -n kubeflow-user-example-com   <hello-task-pod-name> --all-containers=true

Pipeline 状态为 Succeeded；用户 Namespace 中能观察到执行 Pod；日志中打印 

Hello, CNCF Graduation. Kubeflow is running.

。到这里才证明 Dashboard → Pipeline API → Workflow → Kubernetes Pod → Log 这条链路完整闭环。

七、从“能跑”到“能生产”，至少还差这 6 件事

还有一个非常实际的细节：官方文档明确提醒，首次 

 可能因为 CRD 与 CR 创建时序失败，因此官方全量安装命令本身就是循环重试。这个现象不是“脚本不稳定”，而是大规模 CRD 平台安装中很常见的依赖收敛问题。

八、结论：Kubeflow 毕业，改变的不是产品排名，而是组织边界

Kubeflow 真正值得关注的地方，是它把过去算法团队自己承担的很多基础设施问题，重新拉回 Kubernetes 和平台工程的能力边界。

 是已经有 Kubernetes、SRE、IAM、Observability、GitOps 基础的大中型组织，因为 AI 工作负载终于可以复用企业已有治理体系。

 是“为了追热点先上平台”的小团队：模型还没几个，先背上 Istio、Knative、Dex、KServe、Pipeline、存储和多租户的完整复杂度。

 不是“明天安装 Kubeflow”，而是先把过去 30 天的训练、微调、评测、推理工作流画出来：哪些流程重复？哪些需要多租户？哪些 GPU 资源需要共享？哪些 IAM、监控和 GitOps 能直接复用？当这些问题开始成为组织瓶颈时，再让 Kubeflow 进入选型，它才是平台，而不是新的技术债。

用于核对 CNCF Graduated 状态与 2026-07-24 的项目成熟度变更日期。

https://www.kubeflow.org/docs/started/installing-kubeflow/

用于核对稳定版本与官方安装方式。

3. Kubeflow Community Distribution · GitHub

https://github.com/kubeflow/community-distribution

用于部署命令、资源要求、端口转发、默认实验账号等。

4. Kubeflow Community Distribution 26.03.1 Release

https://github.com/kubeflow/community-distribution/releases/tag/26.03.1

用于固定组件版本与 CI 测试信息。

Kubeflow 毕业以后：AI 平台正式进入 Kubernetes 主航道——从零部署到 Pipeline 验证实战

架构师

云计算

人工智能

运维

Kubeflow于2026年7月24日获CNCF毕业里程碑，标志AI训练、Pipeline、模型服务正式融入Kubernetes平台工程统一治理。本文解析毕业真正价值、适用场景与触发线，提供Kind+KCD 26.03.1从零部署、四层验证及Hello Pipeline实操路径，并梳理生产化需补齐的身份、安全、可观测性六件事，助企业避免技术债，复用现有平台能力。

Kubernetes

云原生

Knative

容器

GitHub

Python

Istio

AIOps

Linux

SaaS

4核4G3M云服务器 新用户低至38元/年！

2026上云采购 | AI焕新·智启新局

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Kubeflow于2026年7月24日获CNCF毕业里程碑，标志AI训练、Pipeline、模型服务正式融入Kubernetes平台工程统一治理。本文解析毕业真正价值、适用场景与触发线，提供Kind+KCD 26.03.1从零部署、四层验证及Hello Pipeline实操路径，并梳理生产化需补齐的身份、安全、可观测性...

Kubeflow 毕业以后：AI 平台正式进入 Kubernetes 主航道——从零部署到 Pipeline 验证实战

Kubeflow 毕业以后：AI 平台正式进入 Kubernetes 主航道——从零部署到 Pipeline 验证实战

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐