AI时代的加速到来是近两年来互联网世界里最引人关注的话题。前不久，开源行业的引领者红帽对客户做了一个小范围的调查，结果显示，过去一年使用AI的频率超过三分之二的人是“经常使用”。可见，在当下的IT行业AI早已是多数人工作、生活的必需。

基于此，所有关注于数字化和智能化管理的企业都在思考AI的发展究竟会走向何方，自己应该如何顺应这场科技革命的大潮，在转型中抢占先机。

AI应在混合云环境下开放

在关于AI的主题交流会上，红帽全球副总裁兼大中华区总裁曹衡康（Victor Tsao）首先对AI的开源和闭源谈了自己的利弊看法。他认为，ChatGPT刚开始采用开源，后来走向了闭源，虽然可以获得很高的经济利益，但在封闭体系下，生态垄断的安全隐忧已初现端倪。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。在开源社区，由于社区的共查，可以有效减少安全风险。

同时，在行业中，企业小模型亟需发展，开源的方法论尚未真正普及。因此，作为开源的引领者，红帽想要做的就是将开源概念带入AI模型以及开放进化的工具让用户为LLM/行业中模型作贡献，提升效率与性能。

上云虽然是很多企业的选择，似乎未来在进入智能时代以后，人人都要上云。但是，这样的做法显然是巨大的浪费。红帽认为，云是混合的，AI也是如此。模型既可以在“云”上面开发，也可以在数据中心建模。在混合云上进行AI训练既可以让资源利用率最大化，也可以实现更高效率，还可以保证足够的安全性。

红帽的开源AI大战略

在交流会上，红帽宣布几项产品的发布。红帽的OpenShift AI新增了预测AI和生成式AI的通用模型选项，InstructLab也新增了简化GenAI模型开发，Podman新增AI Lab project，可以扩展运行AI。InstructLab的这个新增功能用大概十亿、二十亿的参数就可以建模，也就意味着过去大型参数的万分之一资源就可以建立新模型。而Podman的新功能可以让开发者在一个小的环境当中，例如笔记本环境中就可以去建模、运行AI。这些新功能都大大推动了AI建模的轻量化。

作为开源文化的推动者，红帽却秉持“不做硬件，也不做应用”的初衷，而是通过和合作伙伴的通力合作，在硬件和应用之间搭起基础架构、平台、工具。总结红帽的混合云开源生态下的AI战略，可以总结出以下几点：

AI应用层：提供跨开放混合云的AI赋能的企业应用；

AI模型层：为AI模型提供多样化选择，提高AI创新的ROI；

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；

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。

三步走，搭建端到端的AI平台

红帽大中华区解决方案架构部高级总监王慧慧（Aella Wang）提出了建立端到端的AI平台三步走：

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的训练（qlora），InstructLab未来会集成到Podman Desktop里。通过混合云，让所有的开发人员在Ta自己的笔记本、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工具去建立和调优基于你自己的这个模型。

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。一旦基础模型经过一定调优初步验证符合要求，作为个人开发人员就可以把它推送到一个比较大的服务器上面。这个服务器就是Enterprise Linux AI、RHEL AI。

第三步，在更大的分布式集群的规模下，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应用的时候，想要先从一个小应用、小模型、小规模的尝试开始，企业就可以从Podman和InstructLab开始。通过这以上的三步，就可以满足红帽的企业用户在不同阶段的AI需求。

对于一个企业来说，开展AI的战略尝试从来不只是选择一个模型。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。红帽将开源的思路带入AI的世界，让企业有了更加轻量化、灵活性的AI选择，这无疑无论是对企业走向智能化，还是AI在全社会的深度普及，都具有非凡的意义。