作者 | 香草

编辑 | 李水青

生成式AI如何以开源的方式进入企业？

智东西6月13日报道，今日，国际开源大厂红帽在媒体沟通会上分享了在AI发展路线之争上红帽的观点，并详细介绍了其上个月发布的AI方案，以及在国内的重要发展策略与举措。

在AI发展路线上，红帽主要的观点是坚持开源和混合。针对企业实施AI创新面临的六大挑战，红帽提供一套三步走的端到端AI平台和路径，跨混合云加速AI在企业中的应用。

在国内的发展策略上，红帽将配合国家战略，加速企业智能制造升级，同时赋能与融合国内AI生态，加速AI在全行业的应用。

分享会后，红帽全球副总裁兼大中华区总裁曹衡康、红帽大中华区资深市场总监赵文斌、红帽大中华区解决方案架构部高级总监王慧慧、红帽中国首席架构师张家驹与智东西等少数媒体进行了深入交流。

谈到算力目前受到极高的关注度，曹衡康谈道，算力只是短期的一个焦点问题，大家对算力的关注度太高，而忽略了模型本身算法、开发平台等的难度。

赵文斌认为，AI市场仍处在早期，短期突出的是算力紧张的问题，但随着研究更深入、更多的工具出现，这个问题将会被平滑地过渡过去。

在王慧慧看来，AI目前至少有4个方面的问题值得所有从业者深入探讨，包括基础架构、算法和模型、数据以及应用场景。而在企业级AI中，最核心的问题是如何用更少的投入得到更多的产出，也就是新质生产力。

在模型的开源程度方面，张家驹分享道，红帽提供的IBM Granite模型是将代码、训练过程、数据、权重等全都开源的，开源程度非常高。

一、坚持全面开源，AI应像云一样混合

红帽全球副总裁兼大中华区总裁曹衡康首先解读了红帽在AI发展路线上的看法，主要分为两点：

首先，AI必须是开源的。

▲红帽对AI的看法其一

曹衡康谈道，其实OpenAI一开始也是走开源路线，当时用的还是红帽的OpenShift技术，但之后慢慢走向闭源。

在红帽看来，开源闭源之间并没有对错之分，但在封闭体系下，生态的垄断和安全隐患已初具端倪。相较之下，开源由于受到整个开源社区的监督，能够更好地应对安全问题。

同时，开源能够降低企业拥有核心技术的门槛，让开发者参与到模型贡献当中，提升效率和性能。

具体来说，红帽和IBM将以一个开放项目的形式发布Apache 2.0许可模型和工具，上个月发布的基础模型平台产品RHEL AI则支持无缝开发、测试和运行Granite系列大型语言模型，为企业应用提供动力。

其次，云是混合的，AI也是。

▲红帽对AI的看法其二

在有了模型之后，所有的东西都必须在云上运作吗？曹衡康认为，这是非常浪费资源的行为，AI也应该像云计算一样做公有、私有和边缘的混合，针对不同的平台去做优化。

基于以上两个观点，红帽在企业级AI上的战略是开放混合云、开源思想，以及开放创新实践。

▲红帽的企业级AI战略与服务

曹衡康谈道，红帽不做硬件，不做应用，而是在两者之间提供领先的AI平台，帮助企业安全高效地部署和管理AI模型、应用；构建AI基础设施层，为企业提供安全的可扩展基础设施和自动化。

在生态合作方面，红帽目前已经拥有5000多家硬件企业、4000多家软件企业合作伙伴。在国际知名IT媒体CRN今年4月评选的AI 100系列名单中，红帽入选推动AI发展的20家云公司名单。

二、企业AI创新面临六大挑战，端到端AI平台三步走

红帽大中华区解决方案架构部高级总监王慧慧介绍了红帽AI平台方案。她首先谈道，对企业来说，实施AI创新从来不是一件简单的事。

模型的选择问题，只不过是冰山一角，真正实施起来会浮现出更多复杂的问题：如何构建基础架构？如何选择AI工具？ROI太低怎么办？技术门槛高、人才稀缺怎么办？……

企业需要评估AI应用场景，并运用AI专业知识来为特定场景选择适当的模型，还必须处理AI实施过程中的各项显著难题，加上AI学科高门槛和人才的稀缺性，使得情况更为复杂。

王慧慧称，企业实施AI创新目前主要面临六大挑战。

▲企业实施AI创新的六大挑战

成本方面，GPU贵且不易购置，数据科学家难以招聘，企业被供应商锁定议价困难。

ROI方面，大模型投入回报率低、回报周期长、时间成本高，AI应用场景目前仍不明确，业务目标难以实现。

人才方面，数据科学和AI人才稀缺，学习曲线陡峭，AI技术更新落后于技术趋势。

数据安全方面，数据泄漏、侵犯数据隐私、违反数据主权等风险存在，此外行业和政府监管要求高。

算法方面，AI模型训练与调优复杂，工具和框架难以选择，模型架构复杂。

生态合作方面，企业数据训练和调优模型、部署和管理AI模型的协作效率低，需要在AI生态中与合作伙伴积极协作。

基于混合云，红帽提供从AI基础架构、AI平台、AI模型到AI赋能应用等全流程的能力。

▲红帽跨混合云加速AI在企业中的应用

具体来说，红帽以三个步骤提供端到端的AI平台和路径。

▲端到端AI平台和路径

首先，在资源受限的桌面环境下，采用小数据集进行实验性的训练。这里用到的Podman是一款用于大模型的开发工具，它可以在笔记本电脑上快速运行和编码对本地模型进行操作。InstructLab是一个用于生成式AI模型开发的开源社区项目，定期发布训练好的模型。

▲InstructLab

第二步，通过完整的合成数据生成技术，采用“教师”模型和“学生”模型的训练方法，进行生产级模型训练，并提供基本操作脚本化的工具支持。这一步基于红帽企业级Linux AI平台，其能够无缝开发、测试和运行开源Granite模型。

▲红帽企业级Linux AI

最后，在更大的分布式集群规模下，与RHEL AI一样进行生产级模型训练。同时充分利用Kubernetes扩展、自动化并实现MLOps的全部功能。这一步基于混合MLOps平台OpenShift AI实现，该平台能够将IT、数据科学和应用程序开发团队聚集在一起，可用作托管云服务、云端或本地的传统软件产品。

▲红帽OpenShift AI

此外，红帽提供跨平台的Lightspeed产品，基于自然语言生成式AI处理能力，扩展现有的IT技能。Lightspeed通过将AI融入集群管理和操作系统，能够提高运维人员和开发人员的工作效率和生产力，简化企业规划和管理，在混合云中更好地应对企业IT复杂性。

▲跨红帽平台的红帽Lightspeed

据介绍，OpenShift Lightspeed将于今年晚些时候提供技术预览，RHEL Lightspeed目前处于规划阶段，Ansible Lightspeed则于去年发布。

三、加速企业智能制造升级，融合国内AI生态

谈到红帽在国内的重点发展策略与举措，曹衡康提到了两个方向。

首先，配合国家战略，加速企业智能制造升级。

▲红帽在国内的重点发展方向其一

红帽认为，开源是重塑行业技术、打通行业生态的重要推力。在工业控制、通讯技术、信息技术等领域，AI转型能满足行业功能性能的要求同时实现软硬解耦，消除硬件及系统层面的行业壁垒，从而增加灵活性，为应用层的场景爆发提供先决条件。

▲红帽在国内的重点发展方向其一

红帽云原生方案的目标是帮助制造业实现IT+OT+AI的整合创新。例如，工控微服务与IT微服务的混合部署，可以使得制造企业自动化+数字化+信息化的整体成本大幅降低；工控微服务与AI微服务的混合部署能够使实时分析高解析度数据复杂度大幅降低，进而推动预测性维护、数字孪生等场景分析准确性的提升。

其次，赋能与融合国内AI生态，加速AI在全行业的应用。

▲红帽在国内的重点发展方向其二

通过融合国内外GPU厂商、OEM（原厂设备制造商）、ISV（独立软件开发商）以及云厂商，红帽将重点放在加速金融、电信、广义制造业、汽车等全行业的应用上。

结语：开源AI进入企业，红帽推动智能制造升级

开源生态一直是红帽坚持的理念和战略，在AI领域，其通过坚持全面开源和混合云理念，提供端到端的AI平台和解决方案，致力于加速企业智能制造升级以及融合国内AI生态，以推动AI在各个行业的广泛应用和深入发展。

在沟通会前夕，红帽向到场媒体发放了一个小问卷。调查结果显示原油配资公司，有50%的媒体都看重AI开源生态，仅有5.56%的媒体力挺闭源派，其他媒体则不确定。未来，我们期待看到红帽能继续在AI开源的道路上发挥重要作用，为行业的进步和创新做出更大的贡献。