Kubernetes（K8s）は、コンテナ化されたアプリケーションの配備、スケーリング、管理を自動化するオープンソースのコンテナオーケストレーションプラットフォームです。AI・機械学習の分野でも、モデルの学習や推論用のコンテナ群を効率的に運用するための基盤として広く活用されています。
Kubernetesとは
Kubernetes（クバネティス）とは、コンテナと呼ばれる仮想化技術を用いて作成されたアプリケーション群を、複数のサーバーにまたがって自動で配備・管理・拡張するためのコンテナオーケストレーションツールです。
詳しく解説
Kubernetesは、Googleが社内システム向けに開発していたプロジェクトを起源とし、現在はCloud Native Computing Foundation (CNCF)によって管理されています。AI/ML開発においては、データ前処理、モデル学習、モデル推論といった一連のワークフローをそれぞれ独立したコンテナとして実行し、それらを一元管理するために不可欠な存在となっています。システムの負荷状況に応じてリソースを自動的に調整するオートスケーリング機能や、障害が発生したコンテナを自動で再起動する自己修復機能などを備えており、機械学習モデルの安定的な運用（MLOps）を支える技術基盤として重要視されています。
具体例・使われ方
AI開発においては、Kubernetes上で動作する機械学習プラットフォーム「Kubeflow」などが代表例です。例えば、画像認識AIの学習を行う際に、必要となるGPUなどの計算リソースを動的に割り当て、処理が終わったら自動で回収する仕組みを構築できます。また、Webサービスに組み込まれた推論モデルに大量のアクセスが集中した際、コンテナを自動で増やして負荷を分散させる（スケーリング）といった用途でも実用されています。
似た用語との違い
混同されやすい概念として「Docker」があります。Dockerは単一のコンピューター上でコンテナを作成・実行するためのツール（コンテナエンジン）であるのに対し、Kubernetesは複数のコンピューターにまたがる大量のコンテナを束ねて統合管理・制御するための仕組み（コンテナオーケストレーション）です。つまり、Dockerで作られた個々のコンテナを、Kubernetesという司令塔がまとめて指揮する関係にあります。
注意点
Kubernetesは極めて強力で柔軟なシステムですが、機能が多岐にわたるため構築や運用の学習コストが非常に高いという課題があります。AI開発の初期段階や、小規模なプロジェクトで導入すると、かえってインフラの管理負荷（オーバーヘッド）が大きくなってしまうことがあります。また、GPUなどのハードウェアリソースをコンテナ間で共有するための設定には高度な知識が必要です。