企业如何拥抱AI实现数字化转型

通信世界网消息（CWW）伴随着以ChatGPT为代表的大模型迅速迭代更新，AI迎来了爆发式增长的拐点，从能用到好用，AI正润物细无声地改变着人们的生活和工作方式。那么，将目光投向更广阔的范围，AI如何融入企业的生产环节，带来降本增效、绿色节能、产业升级的切实改变？

事实上，企业拥抱AI目前仍处于初期探索阶段。红帽全球副总裁兼大中华区总裁曹衡康认为，企业拥抱AI有两个关键词，一是开源，二是混合。

红帽全球副总裁兼大中华区总裁 曹衡康

开源与混合优势明显

作为开源理念的布道者，红帽坚信未来AI也是开源的。在红帽看来，闭源和开源各有特色，并无对错之分。相对而言，开源AI有三大好处。

首先，透明性和信任度。开源模型的代码和算法是公开的，任何人都可以检查和审计，这种透明性增加了对模型的信任，特别是在涉及敏感数据或需要高可靠性的应用中。

其次，社区协作和创新。开源项目通常有一个庞大的开发者社区，可以共同贡献代码、发现和修复漏洞、改进算法，这样的协作加速了技术进步和创新。

再次，成本效益和灵活性。开源模型没有或只收取少许许可费用，这对于资源有限的开发者和企业非常重要。同时，用户可以根据需求修改和优化模型，具有高度的灵活性。

“混合”指的是混合云。众所周知，AI有算力、算法、数据三大要素，随着模型规模和训练参数的增长，算力需求水涨船高，造成了GPU供不应求的市场状况。红帽认为，将所有工作放在“云”上非常浪费资源，未来AI应该百花齐放。“混合云”可以让模型轻量化，降低算力负担。例如，在“云”或者数据中心建模，再将小语言模型放在边缘站点运行，最后到大平台进一步优化，这样可以最大化利用资源，提升AI效率，解决企业将模型放到“云”上的数据安全顾虑。

“简而言之，红帽希望在比较简单的环境下建立模型、使用AI应用。”曹衡康表示。

开源、混合成为红帽AI战略的两大关键词，在今年5月初举行的“红帽全球峰会”上，红帽发布的企业级AI战略及产品和解决方案也充分体现了开源、混合两大关键词。

将开源思想与开放实践带入AI

“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。”曹衡康表示。化繁为简是红帽的理念，红帽不做硬件和应用，而是搭建基础架构、平台、工具，与伙伴广泛合作。红帽坚持开放精神，支持所有芯片、硬件、模型。

企业实施AI并非易事，有很多因素需考虑，我们所见不过冰山一角。针对企业开发模型和使用AI存在门槛，红帽从数据采集、分析、学习到建模、应用运行提供一站式全套服务，帮助企业降低门槛。

从AI构成看，在应用层，红帽提供跨开放混合云的AI赋能的企业应用；在模型层，红帽提供多样化选择，提高AI创新的ROI；在平台层，红帽提供领先的AI平台，帮助企业安全高效地部署和管理AI模型和AI应用；在基础设施层，红帽为企业的AI模型和AI应用提供安全和可扩展的基础设施和自动化服务。同时，红帽为企业提供咨询、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。

基于红帽提供的端到端AI平台，企业如何实施自己的AI战略？红帽大中华区解决方案架构部高级总监王慧慧认为，企业用户以开源方式创建AI应用可以分三步走。

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训练。InstructLab未来会集成到Podman Desktop，让开发人员在自己的笔记本、PC工作服务器上面用容器化方式开发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。一旦初步验证基础模型符合要求，同时AI应用初具模型，开发人员就可以推送到更大的服务器上进行生产化模型训练。

第三步，在更大的分布式集群环境下，与RHEL AI一样进入生产级模型训练。同时，充分利用Kubernetes扩展、自动化并实现MLOps的全部功能。

六大产品助力降低AI门槛

在“红帽全球峰会”上，红帽发布了20多款AI相关产品和解决方案，其中6个方案特别值得关注。

第一，OpenShift AI。这是一个AI的平台级产品，支持混合MLOps平台所做的事情，包括模型创建、调整、对齐、服务和监控，以及生命周期管理、资源优化与管理。OpenShift AI是一个集大成者，企业使用该平台就可以完成企业内部应用、模型、资源控制等。

第二，RHEL AI（RedHat Enterprise Linux AI）。OpenShift AI与RHEL AI的不同之处在于，前者是分布式集群环境，后者是较小的环境。通过RHEL AI，红帽希望给客户提供一个较小的环境，降低模型训练和调优门槛。基于RHEL AI，红帽推出了模型对齐工具InstructLab，可以用少量数据、系统合成方法、人为反馈模式帮助模型训练人员用较低成本将基础模型按需对齐。

第三，镜像模式。这是一种打包方式，允许团队、基础设施和生态系统汇聚到单一的容器本地工作流中，像搭积木一样打包进行发布，管理从应用程序到底层操作系统的一切。当最终用户拿到这样的“包”时，可以安装在任何环境，降低准备AI环境的复杂度。

第四，Podman AI Lab。这是Podman Desktop的一个扩展项，用来写代码。与此前代码工具的差别在于，Podman AI Lab提供了做模型微调的本地开发者工作流，用户可以在本机上进行AI应用开发测试、微调等。同时Podman AI Lab所写的东西可以无缝推送至OpenShift AI大平台。

第五，跨红帽平台的红帽Lightspeed。与ChatGPT不同，ChatGPT用的是人类自然语言，Lightspeed处理的是红帽内部的开发代码，以及客户同意使用的自动化脚本。红帽发现很多开发人员愿意自己动手开发，为此拓展了基于Lightspeed的大语言模型。

第六，Ansible自动化平台。在复杂的、AI注入的环境中用于治理、风险和合规性的解决方案。在开发周期中检查策略实施，加快自动化内容开发过程中的策略检查；基于独特需求的策略执行集成机制，在自动化运行之前或期间进行酌情或强制检查；协助合规状态和审计跟踪的报告，政策遵从性和审计报告更省时。

“红帽的使命是通过开源技术将复杂工作留给自己做，希望客户应用越来越简单。红帽通过开源力量简化后续工作，让客户开发应用AI变得简单。”红帽大中华区市场总监赵文斌表示。