這個操作系統默默支撐著所有AI和大多數未來IT崗位

現代AI始于開源，并運行在Linux上。如今，Linux不僅對人工智能至關重要，它更是當今整個現代AI技術棧運行的基礎。從超大規模訓練集群到邊緣推理設備，從上到下都是Linux系統。

AI的神奇效果實際上是非常實用基礎設施的綜合輸出：超級計算機、GPU集群和云集群，幾乎都運行某種版本的Linux。核心機器學習框架——TensorFlow、PyTorch、scikit-learn等——都是首先在Linux上開發和調優的。圍繞這些工具的工具鏈，從Jupyter和Anaconda到Docker和Kubernetes，同樣為Linux進行了優化。

為什么？因為研究人員和生產工程師實際部署AI的地方就是Linux。未來的IT崗位將依賴于Linux。

AI運行在Linux上，因為它是滿足現代AI所需的GPU密集型分布式工作負載的最靈活、強大和可擴展的環境。此外，整個工具鏈和云生態系統都已標準化到Linux上。

是的，每個AI平臺，無論是OpenAI、Copilot、Perplexity、Anthropic，還是你喜歡的AI聊天機器人，都建立在Linux之上，加上驅動程序、庫和編排工具，以不同方式組合在一起。專有部分可能占據品牌地位，但沒有Linux，它們將無處立足。

這轉化為更多的Linux工作崗位。正如Linux基金會的2025年技術人才狀況報告指出的，AI正在推動技術工作崗位的凈增長，特別是Linux工作崗位。根據報告，這看起來像是"AI正在重塑角色而不是消除它們，導致技能需求的轉變和勞動力增長的新機遇"。

除了增加Linux系統和網絡管理工作崗位外，Linux Careers網站看到"一個快速新興的趨勢，涉及將Linux專業知識與人工智能和機器學習運營相結合的專業人士"。這類新的AI/Linux工作崗位包括AI運營專家、MLOps工程師、ML工程師和DevOps/AI工程師。

當然，Linux發行商都知道這一點，這就是為什么在發布新的Linux發行版時，他們的制造商會強調AI功能。

例如，Canonical和Red Hat正在競相在英偉達新的Vera Rubin AI超級計算機平臺上插上他們的Linux旗幟。競賽的目標是看誰將擁有"千兆級AI工廠"的操作系統層。

Red Hat方面正在推出面向英偉達的Red Hat Enterprise Linux (RHEL)。這個RHEL的定制版本專門針對英偉達的Rubin平臺進行了優化，包括Vera Rubin NVL72機架級系統。

該公司表示，這個變體將提供對Vera CPU、Rubin GPU和英偉達CUDA X堆棧的第0天支持，驗證的OpenRM驅動程序和工具包直接通過Red Hat存儲庫交付。

Canonical也在為英偉達Rubin平臺推出官方Ubuntu支持，同樣針對Vera Rubin NVL72。這家總部位于倫敦的公司將其故事圍繞使基于Arm的定制Vera CPU成為"一等公民"，在即將發布的Ubuntu 26.04版本中實現與x86的平等地位。

因此，與Red Hat為英偉達處理器提供專門的RHEL不同，新的Ubuntu將支持英偉達。這個版本還將上游諸如嵌套虛擬化和ARM內存分區和監控(MPAM)等功能，以更好地為多租戶AI工作負載分區內存帶寬和緩存。

運行這一切的是一個Linux內核，它已經穩步修改以跟上AI對硬件加速的巨大需求?，F代內核處理GPU和專用加速器驅動程序、用于快速移動張量的復雜內存管理，以及為大規模并行批處理作業調優的調度器。

簡而言之，內核在過去十年中已經重新設計，成為AI硬件加速器的操作系統。

具體來說，最重要的推動因素之一是異構內存管理。這使得設備內存，如圖形處理單元/視頻隨機存取內存(GPU VRAM)，能夠集成到Linux的虛擬內存子系統中。

這與直接內存訪問緩沖(DMA-BUF)和非統一內存訪問(NUMA)優化相結合，使AI運行時能夠將張量保持在加速器附近并減少數據復制，數據復制往往會降低性能。

最新的內核還將高級CPU-GPU組合，如緊密耦合的NUMA風格CPU/GPU節點，視為一等公民。有了這個功能，內存可以根據需要在CPU連接的RAM和高帶寬GPU內存之間遷移。

正如英偉達解釋的那樣，這"使CPU和GPU能夠共享單個每進程頁表，使所有CPU和GPU線程能夠訪問所有系統分配的內存"。

Linux現在有一個專門的計算加速器子系統，旨在將GPU、張量處理單元(TPU)和定制AI專用集成電路(ASIC)暴露給你的AI和機器學習程序。

除此之外，GPU支持已經從圖形優先發展為計算密集型，通過直接渲染管理器(DRM)、ROCm和OpenCL等開放堆棧，以及英偉達的統一計算設備架構(CUDA)驅動程序。

內核工作已經擴展到涵蓋更新的AI加速器，如英特爾的Habana Gaudi、谷歌的Edge TPU和FPGA/ASIC板卡，配備驅動程序和總線抽象。這使得PyTorch或TensorFlow等AI程序能夠將它們視為另一個設備并使用它們。因此，今天制造新AI芯片的任何人都理所當然地假設Linux將在其上運行。

Linux的默認調度器——最早合格虛擬截止時間優先(EEVDF)、實時調度器和NUMA平衡——都已經調優，使AI工作負載能夠固定CPU、隔離噪聲鄰居，并無抖動地供應加速器。將默認內核定時器頻率從250 Hz提高到1000 Hz的工作已經顯示出大語言模型加速的可測量提升，功耗成本可以忽略不計。

雖然這不是Linux的默認設置，但一些發行版，如Ubuntu低延遲內核，現在將此作為標準設置。

現代內核允許GPU直接訪問內存、存儲甚至對等設備，使用英偉達的GPUDirect和點對點DMA等技術。結合計算快速鏈路(CXL)和改進的輸入/輸出內存管理單元(IOMMU)處理，它使加速器在移動數據時能夠繞過CPU。這消除了以前阻礙ML訓練運行的瓶頸。這種不可見的管道是AI集群能夠擴展而不會在自己的I/O下崩潰的原因。

所有這些加起來意味著，當高管們談論"AI戰略"時，他們沒有說的是，不那么吸引人的現實是AI戰略依賴于大規模管理Linux。這完全關乎修補內核、加固容器和保護不透明的工作負載。AI可能占據頭條，但Linux仍然是實際完成工作的操作系統。

Q&A

Q1：為什么Linux成為AI發展的基礎操作系統？

A：因為Linux是滿足現代AI所需的GPU密集型分布式工作負載的最靈活、強大和可擴展的環境。核心機器學習框架如TensorFlow、PyTorch等都是首先在Linux上開發和調優的，整個工具鏈和云生態系統都已標準化到Linux上。

Q2：AI發展會為Linux相關工作崗位帶來什么影響？

A：根據Linux基金會2025年技術人才狀況報告，AI正在推動技術工作崗位的凈增長，特別是Linux工作崗位。新興的AI/Linux工作崗位包括AI運營專家、MLOps工程師、ML工程師和DevOps/AI工程師等。

Q3：Linux內核為支持AI做了哪些重要改進？

A：Linux內核在過去十年中進行了重新設計，包括異構內存管理、GPU和專用加速器驅動程序支持、復雜內存管理、專門的計算加速器子系統等，使其成為AI硬件加速器的操作系統，能夠處理大規模并行批處理作業。