Google更新Kubernetes服务GKE全托管操作模式Autopilot，现在加入支持GPU，使用户能够将其用于机器学习训练和推理等工作负载上，另外，Google还在GKE Autopilot提供更大型的Pod，供用户执行大规模运算。
不少工作负载，像是机器学习模型的训练和推理等任务，都需要使用GPU，而Google通过在Autopilot添加Nvidia T4和A100 GPU，以进一步支持这类工作负载，使用户在Autopilot全托管的操作环境中，也可以执行机器学习训练、推理、视频编码和各种需要GPU的工作负载。
在Autopilot上执行GPU工作负载的优点是，用户仅需要指定GPU需求，剩下的便由Autopilot处理，无需单独安装驱动程序，也不需要担心在GPU节点上却执行非GPU Pod，Autopilot会自动处理GPU和Pod配置，且因为使用Autopilot，用户仅需要针对Pod执行时间付费，因此当没有工作负载运行GPU Pod终止，相关费用也会停止计算。
用户可以请求多个T4和A100 GPU预定义数量，并使用CPU和内存默认值，或在特定范围内自订。Autopilot会避免在GPU节点上运行非GPU Pod，同时自动配置符合要求的GPU节点，包括需要的Nvidia驱动程序。
另外，Autopilot现在还推出平衡运算类别，提供更大型的Pod，支持高达222个vCPU和851 GiB的Pod资源。Autopilot原本就有提供28个vCPU的大型Pod，以及多达54个vCPU的横向扩展运算类别Pod，但是当用户还需要更多计算资源时，便可以使用最新推出的平衡运算类别Pod。