（文/赵法彬）近两年来，以ChatGPT为代表的生成式AI服务引发了广泛关注。那么，处于各行各业中的企业都需要AI吗？企业如何多快好省地应用AI？如何让AI为企业带来价值？为此，红帽提出以开源的方式将AI带入企业。并且在2024红帽全球峰会上，红帽宣布了一系列与人工智能相关的创新，包括RHEL AI、OpenShift AI、Lightspeed，并与NVIDIA等合作伙伴在混合云和AI领域展开合作。

红帽全球副总裁兼大中华区总裁曹衡康

打造开源的AI生态圈

红帽全球副总裁兼大中华区总裁曹衡康认为，在闭源环境中，可能会有一些安全隐忧，因为我们不知道闭源的环境中有没有人监督它。而开源的好处就是一旦出现安全问题，整个社区都会共同检查“问题出在哪里”，并快速解决问题，这在AI也是一样的。大语言模型LLM在开放中发展，如果不是真开放，将受到诸多限制。将开源概念带入AI模型以及开放进化的工具，让用户为LLM/行业中模型做贡献，提升效率与性能；以开源方式降低拥有核心技术的门槛，让各行业、企业拥有创新自由，以及安全可控的发展。为此，红帽和IBM将发布Apache 2.0许可模型和工具以一个开放项目呈现，而新的红帽产品RHEL AI将这些功能带给企业，最终构建融合开放的生态体系。怎么用开源的方式把AI带入企业，这是红帽今天及未来想做的事情。

红帽大中华区市场总监赵文斌补充说，红帽通过开源技术自己做复杂的工作，希望客户应用越来越简单。这样客户就可以用非常简单的方式、低门槛的技术解决复杂的AI问题，这些工作是红帽通过开源的力量做到的，从而在客户层面变得是非常简单易用的。

红帽大中华区解决方案架构部高级总监王慧慧表示，红帽是以开源的方式去做AI解决方案的，无论在AI模型领域、模型调优领域、模型开发领域、应用开发领域或者将来的部署领域，都牵涉到AI的方方面面，红帽所有的产品和解决方案都是开源的。她认为，模型的创建、调优是一方面，但是也要考虑将来怎么样去把模型部署完了以后让AI应用去消费它。从这个角度去定义的时候，我们就会发现在AI应用消费的场景上面是混合的。我们认为在整个世界里，AI应用的消费可能是以一种混合的方式出现的，可能在您的设备上、汽车上，也有可能在您OT制造业的生产线，还有可能在您的数据中心、在公有云与私有云里面。

红帽一如既往地坚持开放生态，将开源思想与开放创新实践带入AI领域，结合开放混合云与AI战略：在AI应用层，提供跨开放混合云的AI赋能的企业应用；在AI模型层，为AI模型提供多样化选择，提高AI创新的ROI；在AI平台层，提供领先的AI平台，帮助企业安全高效地部署和管理AI模型和AI应用；在AI基础设施层，为企业的AI模型和AI应用提供安全的可扩展基础设施和自动化。同时为企业提供集咨询、实施、赋能三位一体的开放创新实验室服务，加速企业AI创新实施。这也让国际知名的IT媒体CRN（https://www.crn.com/）把红帽列入了推动AI发展的20家AI云公司名单中，并评价道：开源领域的翘楚企业红帽，让企业用户能够利用其软件平台构建、部署和监控人工智能模型与应用。红帽OpenShift AI使企业以透明和可控的方式构建、训练、测试人工智能应用的模型，并提供优质的服务。

怎么把模型变小、参数变小，做出的模型更加轻量化，用一个比较小的模型去做大模型的事情，这是红帽的工作。曹衡康希望在“多云”环境来做，让模型更加轻量化，还要找出来一个社区及生态合作伙伴，让整个语言模型能够用小的模型做出一个成果，并且符合各个国家的法规的要求等等。在许可证这种环境之下，还要把我的模型跟开源环境更加结合在一起。红帽希望在一个比较简单的环境之下，能够把这个模型建立出来，这个模型可以在“云”上开发，也可以在“数据中心”建模，甚至建模以后，还可以把这个小语言模型放在一个非常小的设备上运行。模型在不同的平台，红帽还能对模型用最佳方案进行优化。

曹衡康表示，AI环境不只是GPU，光是算力好没有用，必须要在一个平台上面开发出来、真正做出来一些AI的应用才可以。通过红帽的技术，企业可以在简单的一个笔记本电脑上建模，不需要放在“云”上面，而且包括数据采集、训练等，在一个笔记本就可以完成。这样可以更好资源利用、效率更高、并且更安全，因为数据还在企业这边。红帽就打算这样做，而且已经开始实现了！

红帽不做硬件、也不做应用，只是在硬件和应用之间搭出来一个基础架构、一个平台、一个工具，让很多合作伙伴跟红帽合作。曹衡康认为，GPU很重要，但是人工智能不是只靠GPU，因为GPU只提供算力，在上面搭建平台再开发AI应用才是最关键的。生态对于AI的发展非常重要，所以红帽要打造我们的AI生态圈。过去很多工程师要打代码、命令、指令去操作Linux、OpenShift，现在只需简单用口语化就可以生成一个指令让Linux/OpenShift/Ansible就可以执行了。红帽所做的事情就是在那么多的硬件环境之下，我们开发出工具，希望有更多的客户、合作伙伴在红帽平台上开发AI应用。例如，InstructLab是一个开源的项目，它可以用其本身的工具让整个建模方式更加简单化，过去要建一个模型仅仅参数就要达到“万兆”，InstructLab仅需参数过去大型参数的万分之一的资源就就可以建模了；Podman能够在一个小的环境如笔记本，就可以建模、运行AI。

曹衡康强调说，红帽全世界有5千多家硬件合作伙伴、4千多家软件合作伙伴，任何公司不管是做硬件还是做软件，只要新产品出来都要找红帽适配，因为红帽的客户多、而且开源开放。通过红帽技术把客户的流程简化、把客户的部署简化，让客户更有效率，红帽工作就是让复杂的东西变得更简单一点。

助力企业实施AI创新

企业级实施AI创新从来不是一件简单的事情，有很多的内容要考虑，并且实施AI远不止选择一个模型那么简单。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，并且还必须处理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。

红帽大中华区解决方案架构部高级总监王慧慧

红帽大中华区解决方案架构部高级总监王慧慧分析说，我国建了很多的智算中心，就是希望企业不要自己去建一个小小的计算中心、买很多卡，因为这是一种算力的浪费。把一个大型的计算中心的算力变成一个“池化”的资源，把它切分下来、分享出去，通过“云”的方式、公有云的方式、混合云的方式分享到不同的人使用，这是红帽AI基础架构要解决的一个事情。我们解决的是怎么样把异构的GPU卡所组成的一个算力池，给更多的企业客户去使用。企业有了一个基础模型之后，需要在上面用自己的数据进行调优，让它符合企业的需求，但是企业缺人、缺数据、缺工具、也缺模型。红帽的解决方案会提供模型、提供模型调优工具、提供模型调优的平台，同时给企业进行数据清洗和链接的平台。企业希望我们原来AI应用的团队能够跟模型训练的团队说的是同样的一句话、在同一个平台上交流、交换数据和信息，红帽就为这样的一个“互相交互”的团队或者说一个复杂的AI应用和模型开发的团队提供了一个统一的平台。

红帽提供端到端的AI平台和路径，从本地工作平台开始，轻松地创建并使用AI的代码和环境，并将其无缝地扩展到企业级的生产环境中，这只需三步。王慧慧介绍说，第一步，在资源受限的桌面环境下，采用小数据集进行实验性训练（qlora），InstructLab未来会集成到Podman Desktop里。让所有的开发人员（应用开发人员、模型开发人员）在自己的笔记本或PC工作服务器上，用容器化的方式开发自己的AI应用，或者用InstructLab工具建立和调优基于自己的模型。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。第三步，在更大的分布式集群的环境下，与RHEL AI一样进行生产级的模型训练。同时，充分利用Kubernetes扩展、自动化并实现MLOps的全部功能。如果企业用户在做AI应用时，想要先从一个小应用、小模型、小规模的尝试开始，完全可以从Podman和InstructLab开始。用户觉得“玩”的不错了、可以尝试一下了，就可以把它推送到RHEL AI上面去，在自己的数据中心里面“玩”一下、测试一下。用户又觉得已经完备了、可以了，再把它推送到OpenShift AI上面去，在一个完全集群化的环境里面去运行模型或者运行AI的应用。

王慧慧表示，我们希望红帽的解决方案和三步走端到端的平台，可以满足企业用户实施AI创新不同阶段的需求。OpenShift AI是一个AI的平台级产品，使用该平台可以完整地完成企业内部包括应用、模型、资源控制在内的所有内容。用较小的资源、较低的门槛，用一些比较简单的数据合成方式，把AI模型建立和调优的工作量与工作成本降低，这就是RHEL AI的优势。InstructLab是一种模型对齐的一个工具，它可以用少量的数据、系统合成数据的方法以及人为反馈的工作模式，去帮助所有的模型训练人员以较低的成本，把基础模型按照用户的需要和用户自己的需求方做一个对齐的工作。

最后，谈及红帽在国内重点发展策略与举措，曹衡康说，一是配合国家战略，加速企业智能制造升级：开源是重塑行业技术、打通行业生态的重要推力，红帽云原生方案将助力制造业实现IT+OT+AI的整合创新；二是赋能与融合国内AI生态，加速AI在全行业应用。