核心观点与关键数据
- 云原生开发趋势：2025年第一季度，后端服务开发中云原生开发者的比例达到49%，绝对数量约为920万，较2021年增长230万。机器学习（ML）、人工智能（AI）或数据科学领域的云原生开发者比例为24%，较2021年增长5个百分点。
- 云部署策略：93%的开发者至少在部分开发过程中使用云服务，其中后端服务开发者达到96%。混合云和多云部署比例上升（分别为29%和22%），而私有云和公有云比例下降（分别为27%和36%）。分布式云成为新的选择，占比12%。
- 技术采用情况：容器使用率稳定在61%，Kubernetes采用率小幅上升至31%。容器编排工具和云函数/无服务器架构使用率下降，分别为22%和20%。
- Kubernetes在ML/AI工作负载中的应用：64%的ML/AI相关开发者不使用Kubernetes，但18%计划未来使用。36%的ML/AI或后端服务开发者正在使用Kubernetes，其中数据科学家和ML/AI开发者使用率最高（分别为50%和52%）。
- 常见ML/AI工作负载：在Kubernetes上运行最常见的ML/AI工作负载是数据预处理（11%）、模型实验（9%）和实时模型推理（9%）。最不常见的是特征工程（7%）和超参数调整（6%）。
- 不同开发领域的Kubernetes使用差异：DevOps开发者（38%）和ML/AI开发者更倾向于使用Kubernetes进行模型实验和实时模型推理。数据科学家更侧重数据预处理，ML/AI开发者更侧重模型推理和自动重训练。
- MLDS开发者细分：71%的MLDS开发者在模型基础设施和管道工程中使用Kubernetes。使用第三方模型API、数据分析或模型训练的开发者较少使用Kubernetes。
研究结论
云原生开发在后端服务和ML/AI领域持续增长，但并非所有开发者都充分利用了云原生技术。容器和Kubernetes仍是核心技术，但云函数和无服务器架构的使用率下降。Kubernetes在ML/AI工作负载中的应用主要集中在数据预处理和模型实验等任务，而模型训练和数据分析等任务较少使用Kubernetes。MLDS开发者在模型基础设施和管道工程中高度依赖Kubernetes，表明云原生技术对ML/AI开发的重要性日益增加。
