企业手里有了 GPU，任务却不一定落在最合适的那张卡上。有的任务被固定在价格更高的云上，有的独占一张只用了部分显存的卡，还有的因为预留的内存不够，跑到一半就内存溢出。2026 年 9 月 22 日，Nutanix 宣布收购法国计算编排公司 Ryax，想让软件自动决定任务放在哪里、分多少资源、什么时候释放。
这笔交易没有给 Nutanix 带来新的 GPU，也没有马上推出新产品。Nutanix 计划把 Ryax 的 GPU 利用率优化和智能调度功能并入未来版本的 Nutanix Kubernetes Platform（NKP）和 Nutanix Enterprise AI（NAI）。企业 Agent 基础设施的竞争因此又往下走了一层：除了让模型和 Agent 用上算力，平台还要决定每个训练、批处理和推理任务该去哪个集群、占多少资源。
Nutanix 能管集群，缺的是跨集群分派任务
收购之前，NKP 负责统一部署、升级和管理 Kubernetes 集群，覆盖本地、公有云、裸金属和边缘环境，也能在同一个控制台里管理亚马逊 EKS、微软 AKS 等第三方集群。NAI 更靠近模型和 Agent，提供模型推理、Agent Gateway、按角色的访问控制和审计记录。
这两款产品分别管“集群怎么运行”和“模型、Agent 怎么治理”，Ryax 补的是中间那层：任务放到哪里。按 Nutanix 的博客，它要做两件事：一是根据历史监测数据，为每次执行动态调整 CPU、内存和 GPU；二是在多个集群、云和高性能计算（HPC）环境之间，按性能、成本或能耗目标挑选执行位置。
混合云不等于各处算力可以随意互换。数据搬到远处会增加延迟和出网费用，团队之间有隔离要求，不同集群用的调度系统也可能不同。手上有多处 GPU 的基础设施团队，仍然要逐项回答：任务能不能挪，数据允不允许离开，目标硬件有没有空闲，省下的计算费用能不能抵掉数据传输和运维成本。
Ryax 在 Kubernetes 和 Slurm 之上再做一层选择
Ryax 2017 年在法国里昂成立。在它的系统里，一条工作流由多个计算步骤组成，每一步叫一个 action，是一段容器化的代码。用户可以给每个 action 指定站点和节点池，也可以给成本、性能等目标分配权重，让 Ryax 的调度器自己挑位置。主站点上的 runner 服务再把执行交给各站点原有的编排系统：云、本地和边缘一般是 Kubernetes，HPC 集群可以是 Slurm（超算中心常用的作业调度系统）。
Kubernetes 和 Slurm 继续管各自集群内部的资源和任务，Ryax 在上面一层决定一条工作流里的各个步骤分别交给哪个站点，并统一收集日志和资源指标。放到 Agent 工作流里，模型推理、数据处理和工具调用对应的容器步骤可以分开放置，不必把整条流水线绑在一个环境里。
资源分配由 IntelliScale 组件细化。它按容器过去的实际用量给出 CPU、内存和 GPU 切片的建议值，减少多预留的资源，让一个节点装下更多任务；遇到内存溢出，它会调高内存并自动重启任务。GPU 切分依赖英伟达的 MIG 技术，文档写明管理员要先把 GPU 节点切好 MIG 实例。软件能提高现有硬件的装箱密度，不支持切分的 GPU 用不了这项功能。
效率数字是 Ryax 自己测的
Nutanix 公布了两组 Ryax 测试结果。一项 30 轮的深度学习突发任务中，按每次执行动态定资源，节点占用小时减少 62%，完成速度快了 5.7%。另一条文档智能流水线中，按需分配把 GPU 占用时间从每轮几小时缩短到几分钟，再用 MIG 让四个执行同时共享一张 H100，单次执行成本下降 52%。
这些数字能说明 Nutanix 为什么要买调度技术，证明不了整合后的产品能做到同样效果。官方没有公开测试代码、负载细节、对照配置和完整成本口径，也没有 Nutanix 客户环境里的独立测量。Ryax 官网说“计算成本最多降低 45%”，同样是公司自己的说法。实际效果取决于任务能否中断、数据放在哪里、MIG 怎么配置、各家云的价格和集群的空闲率。
目前能确认的是，Nutanix 得到了一套已经能用的跨站点工作流和资源优化技术，客户成本有没有下降还看不到。Ryax 的核心引擎以 MPL 2.0 许可证开源，GitHub 仓库只是只读镜像，实际开发在 GitLab 上。Nutanix 还没说收购后开源版本、Ryax 自己的托管服务和未来的 NKP、NAI 功能怎么分工。
交易完成，整合没有时间表
Nutanix 表示，Ryax 团队将加入它在法国的团队，交易对公司财务影响不大，没有披露价格。据 Blocks & Files 估算，Ryax 历史融资总额约 220 万至 240 万欧元。Nutanix 在公告里写明，相关集成仍在开发中，“如果”推出，也是在条件成熟时提供。发布日期、迁移方案、定价、支持范围和首批客户数据都没有公布。
所以这笔交易更像是用一支现成的团队补齐产品功能。接下来可以看三件事：哪些 Ryax 功能进入 NKP 或 NAI；跨 Kubernetes 和 Slurm 的执行能力是否保留；客户能否在公开的基线下提高 GPU 利用率、降低单次任务成本。
