En resumen
NVIDIA anunció el 13 de octubre de 2026 que puso a disposición como código abierto la plataforma completa Run:ai, orientada a la orquestación de cargas de trabajo y GPU en entornos Kubernetes. El cambio permite una adopción integrada o modular por parte de clientes, desarrolladores y socios, pero el material proporcionado no detalla la licencia, la gobernanza ni resultados independientes de rendimiento.
NVIDIA anunció el 13 de octubre de 2026 la disponibilidad como código abierto de la plataforma completa NVIDIA Run:ai. El software pasa a integrar la plataforma NVIDIA DSX AI Factory como una base abierta para la orquestación de cargas de trabajo de inteligencia artificial y recursos de GPU.
La medida, según la publicación oficial de la empresa, ofrece a clientes, desarrolladores y socios del ecosistema acceso a las capacidades de la plataforma. El objetivo declarado es permitir que las organizaciones construyan sus propias soluciones, integren componentes existentes o utilicen el conjunto completo en infraestructuras compartidas de IA.
Qué se liberó
La apertura incluye la plataforma Run:ai y cuatro componentes que también pueden adoptarse por separado: KAI Scheduler, GPU Fractioning Operator, KAI Resource Management y Workload Map. NVIDIA presenta estos elementos, junto con código adicional de la plataforma, como partes de una pila integrada.
KAI Scheduler se presenta en el material como parte del conjunto de orquestación, mientras que los demás nombres indican funciones relacionadas con la partición de GPU, la gestión de recursos y la visualización de cargas. Sin embargo, el dossier no ofrece una descripción técnica detallada de cada componente ni informa los términos específicos de la licencia de código abierto.
El código fuente está disponible en el repositorio NVIDIA Run:ai, dentro de la organización NVIDIA DSX AI Factory en GitHub. La empresa afirma que los equipos pueden inspeccionar el código, contribuir al desarrollo, crear productos derivados o adoptar los módulos de forma independiente.
Por qué importa el cambio
Los entornos de IA suelen necesitar distribuir recursos de GPU entre diferentes cargas, como el procesamiento de datos, el entrenamiento y la inferencia. NVIDIA afirma que Run:ai se ha utilizado para ejecutar cargas en Kubernetes a escala, con asignación dinámica de GPU y gestión durante todo el ciclo de vida.
Al abrir la plataforma, la empresa desplaza Run:ai de una oferta controlada principalmente por el proveedor a una base que puede ser examinada e incorporada por terceros. En la práctica, esto puede facilitar las integraciones con productos de socios y permitir arquitecturas diferentes sin exigir la adopción obligatoria de todos los módulos.
NVIDIA también afirma que los socios del ecosistema DSX y los proveedores de nube de IA pueden utilizar la plataforma para aumentar el rendimiento de las cargas, mejorar el uso de las GPU y operar infraestructuras compartidas con mayor eficiencia. Estas son afirmaciones de la empresa; el material proporcionado no incluye pruebas independientes, métricas comparativas ni resultados de clientes que permitan cuantificar la mejora.
Integración con DSX AI Factory
La apertura de Run:ai forma parte de la estrategia de NVIDIA para la plataforma DSX AI Factory. La compañía describe el proyecto como una base abierta para que los socios desarrollen soluciones diferenciadas y las lleven al mercado con mayor rapidez, en respuesta a las necesidades de los clientes.
El anuncio también indica que la plataforma puede utilizarse mediante ofertas de socios del ecosistema DSX. Una confirmación independiente proporcionada en el dossier procede de Business Wire, que registra la integración de Run:ai de código abierto por parte de Mirantis con k0rdent AI en operaciones de NVIDIA DSX AI Factory. Como no se proporcionó el contenido detallado de esa publicación, no es posible afirmar qué recursos se integraron ni cómo funciona la solución.
La plataforma completa también está disponible en NVIDIA NGC como Community Product, con un Helm chart para instalar la pila integrada. Esta opción puede reducir el trabajo inicial de implementación para equipos que ya utilizan herramientas compatibles con el ecosistema de NVIDIA, aunque el material no informa sobre requisitos, limitaciones ni procedimientos operativos.
La modularidad es uno de los principales cambios prácticos anunciados. Los equipos pueden adoptar Run:ai completo, seleccionar componentes individuales o construir una oferta propia sobre el código disponible. Esta flexibilidad amplía las posibilidades de integración, pero también transfiere a los operadores parte de las decisiones sobre mantenimiento, compatibilidad, seguridad y soporte.
Aún faltan datos relevantes para evaluar el alcance de la apertura. El dossier no especifica la licencia, el modelo de gobernanza del proyecto, el proceso de aceptación de contribuciones, la política de soporte comercial ni la compatibilidad detallada con diferentes versiones de Kubernetes y GPU.
Tampoco hay, en las fuentes proporcionadas, evidencia independiente sobre mejoras en el uso de recursos, reducción de costos o aumento del rendimiento. Por lo tanto, estos beneficios deben tratarse como objetivos y declaraciones de NVIDIA, no como resultados comprobados por este reportaje.
Los próximos aspectos que habrá que seguir son la documentación técnica del repositorio, la evolución de los componentes independientes, la participación de los socios y la publicación de datos de implementación en entornos reales. Estos elementos ayudarán a distinguir una apertura del código fuente de una adopción amplia y sostenible.
- La plataforma completa fue puesta a disposición en el repositorio NVIDIA Run:ai en GitHub.
- Cuatro componentes pueden adoptarse por separado: KAI Scheduler, GPU Fractioning Operator, KAI Resource Management y Workload Map.
- NVIDIA NGC ofrece la pila integrada como Community Product, con Helm chart.
- La licencia, la gobernanza, las métricas independientes y los requisitos detallados no fueron informados en el dossier.
Nuestro prisma
La apertura de Run:ai puede reducir las barreras para las empresas que necesitan organizar GPU y cargas de IA en Kubernetes, especialmente al permitir una adopción modular. Sin embargo, el efecto más importante dependerá de la licencia, la gobernanza y la calidad del soporte tras la apertura. NVIDIA presenta las mejoras de eficiencia y utilización como beneficios esperados, pero las fuentes proporcionadas no incluyen métricas independientes que los confirmen. Por ahora, el anuncio representa un cambio en la disponibilidad y la estrategia del ecosistema, no una prueba de rendimiento superior.
Fuentes: NVIDIA Developer · Business Wire
Preguntas frecuentes
¿Qué convirtió NVIDIA en código abierto?
La plataforma completa NVIDIA Run:ai, incluidos componentes como KAI Scheduler, GPU Fractioning Operator, KAI Resource Management y Workload Map.
¿Para qué sirve Run:ai?
Según NVIDIA, el software ayuda a asignar GPU y gestionar cargas de trabajo de IA en Kubernetes, desde el procesamiento de datos hasta el entrenamiento y la inferencia.
¿Cómo puede adoptarse el software?
La empresa informa que Run:ai puede utilizarse como plataforma integrada, mediante componentes independientes, a través de ofertas de socios o en NVIDIA NGC como Community Product.
Recibe Radar de IA todos los días
Las noticias de inteligencia artificial que importan — con nuestro prisma y siempre con las fuentes. Gratis.
