主要亮点

• CNCF与SlashData的新报告显示，NVIDIA Triton、Metaflow、Airflow和Model Context Protocol在云原生生态系统中获得广泛采纳和开发者信任
• 在AI推理工具类别中，NVIDIA Triton、DeepSpeed、TensorFlow Serving和BentoML被开发者集体评为"采纳"位置
• 在ML编排类别中，Airflow和Metaflow升至"采纳"位置
• 在智能体AI平台中，Model Context Protocol（MCP）和Llama Stack达到"采纳"分类

推理工具展现强大实用性和发展势头

NVIDIA Triton、DeepSpeed、TensorFlow Serving和BentoML是大多数开发者置于"采纳"位置的四个工具。

Triton在成熟度（50%五星，30%四星）和实用性（41%五星，38%四星）方面领先，显示了开发者在处理基础设施密集型AI工作负载时的强烈信心。

Adlik使用较少但推荐度最高，92%的当前或前用户会推荐该工具。

TensorFlow Serving和DeepSpeed在更广泛用例中显示出强大的整体认可度，支持企业对灵活部署路径的需求。而lama的成熟度评分最低（23%），表明并非所有工具都同样准备好进行企业级部署。

ML编排项目随着规模扩大而成熟

Airflow和Metaflow被评为采纳工具。

Metaflow在成熟度方面领先（84%给予四星或五星），Airflow在实用性和推荐评分方面位居榜首。

值得注意的是，Airflow在实用性方面没有收到一星或二星评分。

BentoML作为双类别工具，在推理方面获得采纳评级，在编排方面获得试用评级。这突显了多角色工具在不同领域可能取得不均衡的成功。

此外，Argo Workflows和Kubeflow这两个CNCF项目在编排方面被评为试用级别。

Flyte和Seldon Core的评分较为温和，Flyte主要显示三星评分。这些数据表明，服务于通用用例但尚未脱颖而出的编排工具仍有增长空间。

智能体AI项目出现，认知各异

Model Context Protocol（MCP）和Llama Stack是唯一进入采纳类别的智能体AI工具。

MCP拥有最高的综合四星和五星实用性评分（80%），并且在顶级工具中拥有最广泛的开发者基础。这表明基于结构化智能体的设计正在AI驱动的客户支持等企业用例中找到真正的吸引力。

Agent2Agent（A2A）虽然较新且不太成熟，但获得了最高的推荐率。94%的用户会推荐A2A。这表明开发者的兴奋度和感知轨迹可能超过当前能力。

云原生模式对AI/ML至关重要

数据显示，即使开发者不自称为云原生，他们的AI/ML系统也依赖于云原生架构：容器化、编排、可扩展性和可靠性。

41%的AI/ML开发者现在自认为是云原生的，这一比例预计还会上升。CNCF通过聚焦可靠工具、支持早期项目和提供社区驱动的指导，继续支持这一演变。

方法论

2025年第三季度，全球300多名使用云原生技术的专业开发者对三个类别的工具进行了熟悉度、实用性、成熟度和推荐可能性的评分：AI推理工具、ML编排系统和智能体AI平台。成熟度和实用性采用五星评分制捕获，并转化为净推荐值分数。然后根据使用情况、成熟度、实用性和推荐度的综合得分，将技术分为四个雷达位置：采纳、试用、评估和保留。