川海智库

报告概述

本报告基于2025年CNCF年度调查，从628名受访者中收集数据，考察组织在容器、Kubernetes和云原生技术方面的采用趋势。报告聚焦于云原生基础设施的成熟度演进，提出了从探索者到创新者的四阶段成熟度模型，并深入分析了Kubernetes作为AI平台的角色、AI工作负载的部署模式、GitOps和CI/CD实践，以及CNCF项目的生产采用情况。此外，报告还探讨了开源基础设施的可持续性问题，为组织评估自身云原生成熟度提供了基准数据和路线图。

报告的核心结论

Kubernetes已成为AI基础设施平台，66%组织在其上运行生成式AI。

报告显示，Kubernetes从容器编排工具演变为生成式AI工作负载的核心平台。66%的受访组织已在Kubernetes上托管生成式AI，尽管完全采用（23%）与部分采用（43%）之间存在差距。这标志着AI工作负载正从专用基础设施向统一编排层迁移，但多数组织仍处于谨慎探索阶段。

云原生成熟度遵循可预测的四阶段模型，GitOps是成熟度关键指标。

组织云原生采用分为探索者、采用者、实践者和创新者四个阶段，开发速度和先进技术采用随阶段递增。GitOps合规部署是成熟度的北极星指标：探索者中为0%，而创新者中达58%。此模型为组织规划云原生转型路线提供了明确参照。

AI部署成熟度滞后于基础设施采用，仅7%组织实现每日AI部署。

尽管AI基础设施采用率较高，但生产部署仍不成熟。47%的组织仅偶尔部署AI模型，只有7%实现每日部署。52%的组织不训练模型，而是消费预训练模型。真正的竞争优势在于强大的CI/CD、监控和成本优化能力，而非模型本身。

开源基础设施可持续性面临机器驱动自动使用的压力。

报告引用2025年开源维护者的公开信，指出AI工作负载的机器驱动自动使用对开源项目造成不可持续的压力，如缺乏缓存、限流和对资源的无意识消耗。组织需从被动消费转向主动管理，通过资金、贡献和负责任使用来维护关键基础设施。

组织变革取代技术复杂性成为云原生最大挑战。

2025年，云原生采用的最大障碍从安全性和复杂性转变为'开发团队的文化变化'（47%）。缺乏培训（36%）和安全（36%）紧随其后。这标志着云原生技术已成熟，但成功实施需要组织文化转型和人员能力提升。

报告回答的关键问题

Kubernetes在AI工作负载中扮演什么角色？

Kubernetes已从容器编排平台发展为AI基础设施的事实标准。报告显示66%的组织在Kubernetes上运行生成式AI工作负载，它通过统一的编排层处理传统应用和计算密集型AI任务，支持GPU调度、资源配额和复杂部署策略，成为连接数据科学团队与生产工程的桥梁。

云原生采用的主要障碍是什么？

2025年最大的障碍是组织文化变革，47%的受访者将'开发团队的文化变化'列为首要挑战，其次是缺乏培训（36%）和安全（36%）。这标志着技术复杂性已不再是主要瓶颈，组织需要投资于人员转型、文化建设和技能培训来推动云原生落地。

GitOps如何反映云原生成熟度？

GitOps合规部署是云原生成熟度的核心指标。在探索者阶段，没有任何组织采用GitOps；而在创新者阶段，58%的组织实现了GitOps合规部署。GitOps代表了对部署流程的完全自动化、可审计和声明式管理，是组织达到高级成熟度的标志。

组织在AI模型训练和推理方面的真实情况如何？

多数组织是AI消费者而非生产者。52%的受访组织不训练AI模型，而24%使用自托管模型，37%使用托管API。训练工作负载需要持续GPU资源，但推理是持续运行且成本高昂。只有7%的组织实现每日AI部署，47%仅偶尔部署，显示AI生产部署仍处于早期阶段。

报告中的代表性数据

98%

云原生技术采用率

2025年，2025年CNCF调查显示，98%的组织已采用云原生技术，相比2023年的87%持续增长，表明云原生已成为企业标准。

82%

Kubernetes生产环境使用率

2025年，在容器用户中，82%的组织在生产环境中使用Kubernetes，较2023年的66%显著上升，反映了Kubernetes作为编排平台的主导地位。

66%

在Kubernetes上运行生成式AI的组织比例

2025年，66%的受访组织在Kubernetes上托管生成式AI工作负载，其中完全采用占23%，部分采用占43%，显示Kubernetes正成为AI基础设施的核心平台。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整市场数据与趋势图表：包含2023-2025年云原生采用率、容器使用、Kubernetes部署等连续年份对比图表，展示技术演进趋势。
  • 云原生成熟度分析模型详解：基于调查数据划分的探索者、采用者、实践者、创新者四阶段轮廓，包括各阶段的收入占比、地理分布、技术采用和开发速度。
  • CNCF项目采用深度分析：涵盖毕业项目和孵化项目（如Prometheus、Kubernetes、Argo、OpenTelemetry等）的生产使用率与评估比例，以及项目采用层级。
  • AI工作负载托管与部署细节：按自托管、托管API、边缘部署分类的推理与训练模式差异，以及AI部署频率、工作负载类型的统计数据。
  • GitOps与CI/CD实践关联：展示GitOps原则采纳率与成熟度阶段的关系，以及CI/CD工具在不同成熟度组织中的采用情况。
  • 组织挑战与转型障碍数据：按年对比文化变化、培训、安全、复杂性等挑战的排名变化，以及容器使用中的具体挑战分布。
  • WebAssembly采用现状：连续三年显示约65%组织无WebAssembly经验，仅5%有完整部署，分析其仍在等待拐点。
  • 受访者人口统计与细分：包括组织地理分布、员工规模、角色、行业、收入来源等，支持交叉分析。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告