A NVIDIA anunciou em 13 de outubro de 2026 a publicação da plataforma completa Run:ai como código aberto, incluindo o plano de controle e os serviços de cluster. O software coordena cargas de trabalho de IA e recursos de GPU no Kubernetes; a equipe que o opera continua responsável pela infraestrutura. A NVIDIA descreve o lançamento e a documentação detalha a implantação.
Para quem administra clusters, o ponto central é que o lançamento não se limita ao escalonador: ele também inclui o plano de controle, que centraliza tarefas como gestão de recursos, envio de cargas de trabalho, monitoramento e análise. A NVIDIA também permite adotar quatro componentes separadamente, cada um voltado a uma função específica.
O que a licença e o acesso incluem
O repositório oficial do Run:ai identifica a Apache License 2.0 para o código do software e lista licenças separadas para alguns códigos e recursos de terceiros incluídos no projeto. A licença e as exceções constam no repositório.
A NVIDIA diz que o Community Product não exige assinatura paga do Run:ai nem direito a suporte, mas não inclui suporte empresarial da empresa. Para baixar o produto pelo NVIDIA NGC, é preciso aceitar os termos de software e os termos específicos aplicáveis ao produto. As imagens da plataforma e os gráficos Helm do Community Product podem ser acessados sem uma chave de API do NGC; a versão com direito a suporte exige essa chave. A NVIDIA explica as condições de acesso e suporte e os requisitos do NGC.
O papel de cada componente
| Componente | Função | Limite ou relação importante |
| KAI Scheduler | Agenda cargas de trabalho de GPU, com recursos como agendamento em grupo, cotas, compartilhamento justo, posicionamento atento à topologia, compartilhamento de GPU e suporte a Dynamic Resource Allocation. | Pode ser instalado em um cluster existente sem a plataforma Run:ai completa. |
| GPU Fractioning Operator | Integra frações de GPU nativas do CUDA ao Kubernetes e oferece métricas por pod. | É independente do escalonador; o driver CUDA impõe um limite de memória para cada fração. |
| KAI Resource Management | Organiza projetos e departamentos e administra alocação de GPUs com garantias, compartilhamento, cotas e grupos de nós. | Pode ser combinado com o KAI Scheduler. |
| Workload Map | Biblioteca Go que descreve e gerencia diferentes tipos de cargas de trabalho no Kubernetes, inclusive para descoberta, estado, integridade e políticas. | Pode ser usada sem conexão, mas não agenda, enfileira, escala automaticamente nem propaga cargas entre clusters. |
Essa separação ajuda a identificar qual camada atende a uma necessidade. Para agendar cargas, o KAI Scheduler é o componente pertinente; para definir políticas de alocação entre projetos ou departamentos, a função é do KAI Resource Management. Já o Workload Map padroniza a descrição e o acompanhamento das cargas, mas não substitui um escalonador. A NVIDIA também descreve o GPU Fractioning Operator como compatível com diferentes escalonadores e vincula seu suporte a frações de GPU à capacidade disponível no CUDA 13.4. A NVIDIA detalha as funções e os limites dos componentes.
Como a implantação autogerenciada é organizada
Cada instalação do Run:ai inclui um plano de controle e pelo menos um cluster Run:ai. Os dois podem compartilhar o mesmo cluster Kubernetes ou ficar em clusters separados; nesse segundo arranjo, precisam de conectividade de rede entre si.
A documentação da NVIDIA contempla Kubernetes e OpenShift, além de ambientes conectados ou isolados de redes externas. As opções de instalação incluem Guided Installation e Manual Helm. O Base Command Manager também aparece como caminho de instalação para a versão com direito a suporte. A documentação da NVIDIA descreve a topologia e os métodos de instalação.
O que fica sob responsabilidade do operador
A equipe que administra a implantação fornece e opera o hardware, o sistema operacional, a distribuição Kubernetes, a rede e o armazenamento. A documentação também cita GPU Operator e Prometheus entre os pré-requisitos. A NVIDIA, por sua vez, fica responsável pelas imagens da plataforma e pelos gráficos Helm. A disponibilidade do software como código aberto, portanto, não transfere a operação da infraestrutura para a NVIDIA.
Na prática, uma equipe pode começar pelo componente que corresponde à sua necessidade ou avaliar a plataforma integrada. Em ambos os casos, precisa planejar a infraestrutura e a operação do ambiente; o suporte empresarial da NVIDIA pertence à oferta com direito a suporte.
