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，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。
