NVIDIA、GPU管理基盤「Run:ai（ランエーアイ）」の全体をオープンソース化KAI Scheduler・GPU Fractioning Operatorなど4部品と、Crusoe・Nebiusなど8社の提供

NVIDIA（エヌビディア）は2026年10月13日（現地）、AIの学習や推論に使うGPUをKubernetes上で割り当て・管理する基盤「NVIDIA Run:ai（ランエーアイ）」の全体を、オープンソースソフトウェアとして公開したと発表しました。公式のテクニカルブログの公開時刻は協定世界時14時19分で、日本時間では10月13日23時19分です。同社はこれを「NVIDIA DSX AI Factory Platform」の拡張と位置づけ、Crusoe、Mirantis、Nebiusなど8社が自社サービスに組み込むとしています。

3行まとめ

1. NVIDIAがRun:ai基盤の全体をオープンソース化。GitHubのリポジトリはApache License 2.0、NGCの「Community Product」は有料契約不要・NVIDIAのエンタープライズサポートなし
2. KAI Scheduler、GPU Fractioning Operator、KAI Resource Management、Workload Mapの4部品は単体でも採用可能
3. Crusoe、Mirantis、Nebius、OpenNebula Systems、Rafay、Saturn Cloud、Spectro Cloud、vClusterの8社が提供・統合。NVIDIAの有償版も継続

本記事の内容は、日本時間10月13日23時台に公式ページで確認したものです。

何が公開されたのか

NVIDIAの発表によると、公開されたのは「完全なNVIDIA Run:ai基盤」と、単体でも使える4つの部品です。

ブログは、これらに追加のプラットフォームコードを足したものが統合版のRun:aiだと説明しています。使い方は、統合版を丸ごと採用する、自社製品の土台にする、必要な部品だけ組み込む、の3通りです。

GitHubの dsx-ai-factory/run-ai リポジトリのREADMEは、中身を次のように書いています。

• コントロールプレーン（ワークロードやポリシー、組織構造を管理するAPIとサービス）
• クラスターに入れるコントローラーとadmission webhook
• インストーラー（CLI）
• MCPサーバー（Run:aiの操作をAIアシスタント向けのツールとして公開するもの）
• ドキュメント、API用クライアント、負荷試験の一式

READMEは、Run:aiを「Kubernetesの上に載るスケジューリングとオーケストレーションの層」で、Kubernetes自体やコンテナランタイム、CI/CDの代わりにはならないと位置づけています。対象はKubernetesかOpenShiftで、接続環境でもエアギャップ環境でも導入できるとしています。

誰がどう使えるのか

入手の道は2つあります。

1. 直接使う。 ソースコードは、NVIDIA DSX AI FactoryのGitHub組織にあります。READMEのライセンス欄はApache License 2.0です。ブログによると、完全版はNVIDIA NGCに「Community Product」としても置かれ、統合スタック用のHelmチャートが付きます。注意書きは次のとおりです。

• NGCからのダウンロードには、NVIDIA Software License Agreementと、NVIDIA AI製品向けの製品別規約への同意が必要
• 有料のRun:ai契約もNVIDIAのサポート権利も不要
• NVIDIAのエンタープライズサポートは含まれない

2. パートナー経由で使う。 ブログが挙げた8社の取り組みは次のとおりです。

NVIDIA Enterprise AI Factoryの導入では、Run:aiは引き続きNVIDIAが支える商用提供でも使えるとされています。単体製品のほか、NVIDIA Mission ControlとNVIDIA AI Enterprise、一部のクラウドマーケットプレイスが挙がっています。ブログは、提供条件・ライセンス・サポート条件は提供形態ごとに異なると書いています。

前と何が変わったのか

ブログが書く変化は大きく2点です。

全体のコードが公開された。 公式の製品ページ（私が読んだ時点）が「オープンソースのソリューション」として挙げているのは、KAI Scheduler、Grove、Model Streamerでした。KAI Schedulerは、NVIDIAがApache 2.0ライセンスで公開してCNCFのSandboxプロジェクトに寄贈済みとブログにあります。今回は、スケジューラーだけでなくコントロールプレーンやインストーラーを含む全体が対象になりました。

GPU分割の実装が入れ替わった。 ブログによると、Run:aiは1枚のGPUを複数のワークロードで分け合う機能（メモリを厳密に分離する分割）を以前から持ち、独自実装で先行していました。今回、その独自実装は廃止され、CUDA 13.4が備えるネイティブ機能に置き換わりました。CUDAドライバーがワークロードごとにGPUメモリの上限を強制し、各ワークロードには割り当てた分のGPUメモリしか見えません。Kubernetesでそれを使うための層が、GPU Fractioning Operatorです。スケジューラーに依存しない設計で、KAI Schedulerとは連携し、他のスケジューラーとも併用できるとされています。

この部品を入れる条件は、GitHubのリポジトリ（kai-scheduler/gpu-fractioning）の前提条件欄に書かれていました。

• Kubernetes 1.28以降
• containerd 2.0以降（NRI有効）、またはNRI対応のCRI-O
• NVIDIA GPU Operator v26.7.0以降
• NVIDIAドライバー r615以降（CUDA 13.4）。READMEはこれをGPU Operatorの既定のドライバーではないと明記し、導入時に明示指定が必要としている

READMEによると、r615は「短命なブランチ」であり、GPU Operator v26.7.1は既定ではこれを入れません。ブログの「ネイティブ機能で置き換え」という説明は、手元のクラスターでドライバーを入れ替える作業と引き換えになる、という読み方ができます。

関連するオープンソース2件

ブログは、Run:aiと組み合わせて使える関連プロジェクトとして、Model StreamerとGroveも紹介しています。

• Model Streamer: 推論の起動時に、モデルの重みをストレージからGPUメモリへ並列に読み込んで流し込む仕組み。vLLMとSGLangには、--load-format runai_streamer で有効にできる形で組み込まれているとブログは書いています。ブログに載った数字は、Microsoft Azureの公開ベンチマーク（原文は「eight NVIDIA H100 VMs」）で既定ローダー比3〜6倍の速さ、WEKAがGPUメモリへの読み込み3.5秒（ローカルNVMe比で約40%速い）、VAST Dataが1.7秒（同60%改善）、DDNがQwen3-32B（65.5GB）を8GPUに4秒未満、というものです。いずれもNVIDIAや各社が公表した数字で、条件は各社で異なります。
• Grove: エージェント型パイプラインや、prefillとdecodeを分離した推論のように複数の部品が連動して動くワークロードを、Kubernetes上で扱うAPI。NVIDIA Dynamoの部品として単独でも使えるとされています。

公式ページを読んで気づいたこと

日本時間23時24分台に、ブログ本体、GitHub、NVIDIAの製品ページ、NGCのページを順に取得しました。確認できた点を、読んだ順に書きます。

• 本体リポジトリ dsx-ai-factory/run-ai は、取得時点で1,283コミット、スター49、フォーク4でした。ブログ公開（23時19分）の約5分後の数字です。
• ブログ本文のリンクのうち、kai-scheduler/kai-gpu-fractioning は kai-scheduler/gpu-fractioning に、dsx-ai-factory/karta は dsx-ai-factory/workload-map にそれぞれ転送されました。Workload MapのREADMEには、2026年9月10日にrun-ai組織から dsx-ai-factory/karta へ移り、9月15日に「DSX OSの命名規則に合わせて」KartaからWorkload-Mapへ改名したと書かれています。
• ブログが「NVIDIA NGC」としてリンクしていたページ（run-ai-self-hosted）は、取得時点で「NVIDIA Run:ai SaaS」「NVIDIA Run:ai Self-Hosted」の購読を求める表示（Subscribe to get access）が出ており、「Community Product」という語は見当たりませんでした。ブログが書く無償のCommunity Productがこのページから入手できるのかは、今回は確かめられていません。
• NVIDIAの製品ページは、同じ時刻の時点で「The enterprise platform for AI workloads and GPU orchestration」という説明で、全体のオープンソース化への言及は、今回取得した範囲では見つかりませんでした（オープンソースの項目はKAI Scheduler、Grove、Model Streamerのみ）。
• 日本語のページは、今回取得した範囲では確認していません。

確認できなかったこと、読むときの注意

• これはNVIDIAの発表です。 性能の数字（GPU利用率など）や「本番品質」という表現は、今回確認した範囲ではNVIDIA側の記述で、第三者による検証は取得していません。製品ページには「GPUの可用性10倍、実行ワークロード20倍、GPU利用率5倍」という数字が並んでいますが、比較の基準は同ページに示されていませんでした。
• 料金。 Community Productに有料契約が不要であることは書かれていますが、パートナー各社のサービス料金は今回のNVIDIAの発表には載っていません。
• 日本での提供。 今回取得したNVIDIAの発表ページには、日本向けの案内は見当たりませんでした。8社の提供地域も、発表では示されていません。
• 想定する利用規模。 NGCの run-ai-self-hosted のページは、Run:aiを「通常は16 GPU以上の企業規模」で使うものとし、小規模・単一ノード・概念実証（POC）規模には勧めないと書いています。Kubernetesの知識があるチーム向けで、導入には基盤の計画が要るとの注記もあります。
• 筆者は試していません。 ソースのビルドも、NGCからの導入も、パートナーのサービスも使っていません。本記事は公開ページの内容を整理したものです。
• 関連記事: NVIDIAのデータセンター向けの発表として、Vera Rubinのラック設計をMGX 1.2として公開した発表も出しています。

今回取得した6ページ

• NVIDIA Run:ai Is Now Open Source as Part of NVIDIA DSX AI Factory Platform（NVIDIA Technical Blog、2026年10月13日）（日本時間23時24分取得）
• dsx-ai-factory/run-ai（GitHub）（同23時24分取得）
• NVIDIA Run:ai（NVIDIA公式製品ページ）（同23時24分取得）
• run-ai-self-hosted（NVIDIA NGC）（同23時24分取得。NGCのページの更新日は2026年9月23日（UTC）と表示）
• kai-scheduler/gpu-fractioning（GitHub）（同23時24分取得）
• dsx-ai-factory/workload-map（GitHub）（同23時24分取得）

本記事は続報があり次第更新します。