Série✓ Completa
Testado emNKP 2.19Nutanix Enterprise AI 2.8.1Envoy AI GatewayLiteLLMVelero 1.18NDK 2.3.0
Os clientes querem rodar modelos de IA no próprio datacenter, com governança e sem depender de API pública. A série acompanha, passo a passo e com as telas reais, a habilitação do Nutanix Enterprise AI (NAI) no NKP: o que ler antes, o storage que ele exige, a instalação e a licença, e como juntar CPU, GPU e agentes na mesma API.
· 12 min de leitura · Atualizado em
Antes de clicar em Enable: o que é o Nutanix Enterprise AI, como ele é licenciado (vCPU ou memória de GPU, com trial de 2 dias), o que o User Guide 2.8.1 exige, quanto o plano de controle consome, o que muda sem GPU e o que os dois Nutanix Validated Designs recomendam. E a decisão do lab: um cluster dedicado, com a conta de memória feita antes.
· 20 min de leitura
O storage RWX que o NAI exige, do zero: Nutanix Files 5.4 criado pelo Prism Central em 27 minutos, NFS v3 e v4, o CSI do NKP em modo Prism Central falando com a API v4 do Files e um volume ReadWriteMany pronto em 6 segundos, com dois pods em nós diferentes gravando no mesmo arquivo.
· 19 min de leitura
Cluster dedicado na NKP 2.19, as sete dependências do catálogo, o NAI 2.8.1 com certificado da CA interna, a licença aplicada no mesmo dia, um modelo validado e um custom do Hugging Face e o primeiro endpoint respondendo em CPU, com os pré-requisitos que fazem a instalação sair limpa e os números reais.
· 18 min de leitura
A mesma chamada OpenAI indo para o NAI em CPU e para uma GPU GB10 só trocando o modelo, +40% de tokens/s em CPU com uma variável, as métricas do vLLM no Grafana do NKP, o Agentic Gateway com unified endpoint, rate limit por tokens e MCP, e o NAI protegido com Velero e NDK, com as boas práticas e os números reais.