一、那个新来的同事
2025年10月，我们组来了个新同事，校招的，入职第二周。
组长让我带他熟悉一下K8s运维，我给他讲了半天——HPA怎么配、PodDisruptionBudget怎么设、服务网格的流量切分策略、多集群联邦的故障转移逻辑。
他听完说：“学长，这些我直接用云厂商的托管K8s控制台就能搞吧？”
我说：“控制台能做基础的，但复杂场景还得手动调。”
他没接话。第二天，他拿着一份配置文件来找我——我们之前花两天做的一套弹性扩缩容方案，他用云厂商的托管服务加上一个AI运维助手，一个下午复现了。参数还比我的更优，因为AI帮他把历史负载数据做了个回归分析，自动生成了HPA的阈值建议。
他说"学长，这几个参数我不太确定，你帮我看一下？"的时候，我心里咯噔了一下。
不是因为他做错了什么。是因为一个刚毕业的人，用一下午干完了我要两天的事，还做得更好。
二、我背了四年的东西，到底还值多少钱
那天晚上回家，我没打游戏，坐在电脑前把自己这四年的技能树捋了一遍。
K8s部署和配置——云厂商控制台能做80%，AI运维助手能做剩下的15%，真正需要人工经验的只剩5%。
HPA和资源调度——AI能根据历史数据自动生成最优策略，比人手动调参靠谱。
服务网格——Istio的流量管理，控制台一键配，不用手写YAML了。
监控告警——云厂商的托管监控+AI异常检测，比我搭的Prometheus+Grafana方案还好用。
多集群管理——这是目前还没被完全替代的部分，但也在往托管方向走。
捋完之后我发现：我这四年积累的东西，有超过一半正在被云厂商的托管能力和AI的运维助手一块儿吃掉。
不是这些技术没用了，是"手动配置这些技术"这件事没价值了。云厂商把复杂度封装掉了，AI把决策能力补上了，中间那层——也就是我——被架空了。
三、真正让我慌的事
11月初，公司做了个技术架构评审。
CTO提了一个问题：“我们的云成本一直在涨，有没有人能给一个优化方案？”
全场安静。
我们之前不是没想过省成本。但K8s集群的成本优化是个系统工程——你得知道哪些Pod的资源请求是虚高的、哪些Namespace有僵尸资源、哪些集群的节点利用率低于30%、哪些预留资源可以回收。
以前这种事，得拉数据、写脚本、人肉分析，至少一个月。
那天散会之后，我回去试了一下，用AI帮我做分析。把过去三个月的集群资源使用数据导出来，让AI帮我找异常。
AI十秒钟就给我列了一份清单：
- 有17个Pod的资源请求是实际使用量的4倍以上
- 有3个Namespace里的Job已经三个月没运行过了，但资源还预留着
- 有2个集群的节点利用率长期低于25%，可以合并
- 有一个GPU节点专门跑推理任务，但每天只有4个小时在用，剩下20小时空转
我看着这份清单，心情很复杂。这些问题我以前也知道可能存在，但从来没有时间一条一条去查。AI十秒钟就给我找出来了。
四、FinOps：一个我从来没想过的方向
那天之后，我花了一周时间，把AI列出来的所有问题逐一核实、修复。
写了一套自动化的资源巡检脚本——每天跑一次，自动识别僵尸资源、过度申请的Pod、低利用率的节点，生成优化建议。
三个月下来，给公司省了将近40万的云成本。
那个月的技术月会上，CTO点名表扬了我。不是因为我K8s配得好，是因为我把钱省下来了。
那一刻我突然想通了一件事：在云时代，基础设施工程师的价值不是"能配置多复杂的系统"，而是"能让这些系统的每一分钱都花在刀刃上"。
这个方向叫FinOps——云财务运营。把技术能力和成本意识结合起来，用数据驱动云资源的优化决策。
这个岗位在国内才刚起步，懂K8s又懂成本优化的人极少。
五、我后来做的两件事
第一件：把FinOps做成了体系。
不是写几个脚本就完了，我搭了一套完整的云成本治理平台：
- 资源巡检：每天自动扫描所有集群，标记异常资源
- 成本归因：把云成本精确分摊到每个业务线、每个团队
- 预算告警：某个团队的云成本超出预算15%，自动通知
- 优化建议：AI分析资源使用模式，给出具体的优化方案和预期节省金额
这套系统上线之后，我们公司的月度云成本降了23%。老板问我想要什么奖励，我说我想要一个新方向的探索时间。
第二件：开始研究AI Infra。
大模型训练和推理，对基础设施的要求跟传统业务系统完全不同。
GPU调度、RDMA网络、分布式存储IO、模型并行策略——这些东西，K8s原生支持不了，需要深度定制。而这个方向现在超级缺人：既要懂K8s和容器化，又要理解大模型训练的资源需求特征。
我花了一个月，把主流的AI训练框架（Ray、Megatron-LM、DeepSpeed）在K8s上的部署方式全跑了一遍。然后写了一份内部技术文档：《K8s上的大模型训练基础设施指南》。
这份文档在公司内部传开了。后来公司的AI团队要搭训练集群，第一个来找的就是我。
六、写在最后
我以前觉得，K8s工程师的护城河是"会配别人不会配的东西"。
现在我觉得，护城河是"知道这些东西花多少钱、怎么花更值、以及怎么支撑下一步的技术方向"。
托管服务能替代我的配置能力，AI能替代我的调参能力，但它们替代不了的是：理解业务需求、理解成本结构、理解技术趋势，然后做出判断。
K8s本身没死。但"只会K8s配置"这条路，确实越来越窄了。
如果你也在做容器化运维，也在慌，我的建议是：别去跟托管服务比配置速度，去搞清楚你公司的云成本花在了哪里、哪些是浪费的、怎么优化。然后去看看AI训练需要什么样的基础设施——那个方向，至少还值五年。
以前我是个"配K8s的人"。
现在我是个"让每一分云成本都花得值、让AI训练跑得起来的人"。
这个转变，不是AI逼出来的，是AI帮我看见了我以前没看见的价值。
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2026 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2026 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
扫一扫
5318
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
