跟着我一步两步三步，用开源方式将AI带入企业

“AI有开源派与闭源派，你挺哪一派？”这是红帽公司针对媒体所做的一次小调查。结果显示，坚定的开源派占50%，挺闭源的仅有5.56%。如果是你，又会怎样选择？

如何才能让AI在企业中快速平稳落地，并且开花、结果呢？“以开源的方法，将AI带入企业。”红帽全球副总裁兼大中华区总裁曹衡康如是说。

红帽全球副总裁兼大中华区总裁 曹衡康

开源  开放混合  开放式创新

众所周知，ChatGPT最初也是开源的，甚至曾经采用过红帽的Container。但是后来，它慢慢地走向了闭源。其实选择开源还是闭源，没有绝对的对与错，而是看它能否真正满足应用所需。

站在红帽的角度来说，开源当然是不二之选。从成立的第一天起，红帽就一直秉持开源的精神，践行100%开源的策略。进入AI新时代，红帽的思路是以开源的方法让AI在企业中落地。

“AI在闭源的环境中，可能会存在一些安全隐忧，比如无法确信是否有人在很好地监督闭源环境。而开源的一个优势，是整个社区会共同检查安全问题所在，并且快速解决问题。另外，随着模型的参数越来越大，构建和应用越来越复杂，需要大量的云中算力作为支撑。从某种角度来说，这多少有些浪费。”曹衡康表示，“在推动AI应用方面，红帽的想法是，让模型的应用更加轻量化，进而降低AI在企业中的应用门槛。”

轻量化、简单易用，红帽的AI策略与Linux、OpenShift的推广理念其实是一脉相承的。

当前，我们已经进入了“混合多云”时代，AI的落地应用也不能脱离这个现实。模型既可以在云上开发，也可以在本地数据中心部署和应用。红帽要做的就是通过不断优化，在一个比较简单的环境中，将模型建立起来，为业务赋能。“考虑到资源利用最大化、效率以及安全性等问题，AI应用非常适宜在混合云中完成。”曹衡康表示，“通过红帽的技术，在笔记本电脑上就可以完成数据采集、建模、训练，而不一定用到云。”

从红帽的定位和整体战略来看，不做硬件，也不碰应用，而是在硬件和应用之间搭建一个基础架构、一个平台、一个工具，与更多的生态伙伴合作，以开放的心态推动开放的创新实践。具体来看，从上至下，在AI应用层，红帽提供跨开放混合云的AI赋能的企业应用；在AI模型层，红帽为AI模型提供多样化选择，以提高AI创新的ROI；在AI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AI基础设施层，红帽为企业的AI模型和AI应用提供安全的、可扩展的基础设施以及自动化能力。曹衡康特别提到，红帽能够为企业提供咨询、实施、赋能三位一体的开放创新实验室服务，以加速企业的AI创新实践。

开放混合云、开源思想、开放的创新实践，这就是红帽通过开源的方式将AI带入企业所秉承的基本原则与信条。

由小及大
三步完成AI生产级部署应用

在今年5月举行的2024红帽全球峰会上，红帽一口气公布了20多项创新，涉及产品、开源社区、工具和工具链等，其中与AI相关的创新最受瞩目，创新覆盖AI的基础架构层、平台层、模型层和应用层。

“AI创新,从来就不是一件简单的事情，也不是只要选择一个模型，就万事大吉了。”红帽大中华区解决方案架构部高级总监王慧慧表示，“红帽致力于提供端到端的AI平台和路径，从本地工作平台开始，帮助企业用户轻松地创建并使用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。”

以开源的方式将AI带入企业，大致可以分成“三步走”。

第一步，在资源受限的桌面环境中，采用小数据集，进行实验性训练。所有的开发人员（包括应用开发人员、模型开发人员）都可以自己的笔记本电脑上，以容器化的方式开发自己的AI应用，或者采用红帽提供的InstructLab工具去建立和调优模型。

InstructLab是一个围绕LAB方法和IBM开源Granite模型构建的开源社区。InstructLab项目的目标是使开发者通过简化大语言模型的创建、构建和贡献过程，能够像参与任何其他开源项目一样，将大语言模型开发的权力交到开发者手中。据悉，IBM Granite 7B英语模型已整合到InstructLab社区中。

“AI模型的训练以前不可能在一台PC上完成，因为原来我们并不认为AI是混合的，而是认为模型训练必须在一个配备了GPU卡的大型数据中心里完成。”王慧慧表示，“未来，我们会将InstructLab集成到Podman Desktop中，让开发者在本地，利用一台PC就能完成初步的AI模型训练。”

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，进行生产级的模型训练，并提供基本操作脚本化的工具支持。

当构建的模型在本地的PC上通过了验证，开发人员就可以将它推送到一台比较大的服务器上。这时就会用到像红帽Enterprise Linux AI（RHEL AI），在此平台上，通过一套完整的数据生成技术以及相对复杂的“教师模型、学生模型”训练方法，可以针对已经做好的基础模型，接着进行生产化的模型训练。

最新推出的RHEL AI是一个基础模型平台，能够使用户更加便捷地开发、测试和部署生成式人工智能模型。它整合了IBM研究院的开源授权Granite大型语言模型系列、基于大规模对话机器人对齐（LAB）方法的InstructLab模型对齐工具，以及通过InstructLab项目实施的社区驱动模型开发方法。该方案被封装成一个优化的RHEL镜像，用于在混合云环境中部署单个服务器，并已集成到OpenShift AI中。

经过上述一系列操作后，当模型具备了一定的可读性、可使用性，就可以推送到第三步的环境中。

第三步，在更庞大的分布式集群环境中，继续生产级的模型训练，这时就会用到像红帽OpenShift AI，充分利用Kubernetes的扩展、自动化能力，实现MLOps的全部功能。

未来，随着更多企业在RHEL AI环境中试验和调整AI模型，红帽OpenShift AI将成为继续扩展这些工作流的一个更强大的平台。OpenShift AI是一个混合的平台，既可以部署在本地的数据中心，也可以部署在公有云、私有云中。OpenShift AI为企业用户提供了一个AI应用的DevOps平台，用户可以在OpenShift AI平台上做AI应用的开发、测试、调整、上线、运行。OpenShift AI是一个集大成者，让企业可以完成包括模型、应用和资源控制等在内的所有内容。

“企业应用AI，可以从一个小应用、小模型开始，进行小规模的尝试。在这个阶段，Podman与InstructLab是非常趁手的工具。当企业感觉对AI模型的训练已经比较熟练，并想在更大规模的企业级环境中部署和应用时，就可以将在PC上验证过的模型推送到数据中心，乃至更大规模的分布式集群环境中。这种循序渐进的方式，上手更容易，也可以避免一些不必要的风险或弯路，充分满足企业用户在AI不同应用阶段的需求。”王慧慧如是说。

   打开AI模型“黑箱”
支持混合应用

我们一谈到AI的应用，不可避免地要涉及以下四个方面的问题：第一，基础架构，主要解决算力的问题；第二，算法和模型的问题，相对来说技术门槛比较高；第三，数据，关键是要合规、安全地使用数据；第四，AI的应用场景问题，越来越多的企业在进行深入地摸索和探讨。

当前，生成式AI的需求集中爆发，算力问题被推到了风口浪尖。人们都相信“大力出奇迹”。但随着这股热潮渐渐褪去，从用户的角度，还是更关心如何用AI赋能业务，比如能否用更小的模型、更少的算力，更有效地解决生产中的实际问题。基于开源的方法论和技术，红帽与合作伙伴共创平台、工具、社区，为的就是帮助企业打开AI模型这个“黑箱”，在实际应用中充分发挥企业自身的主动性、创造性和独特的竞争优势。

一个AI项目或者AI应用，可以在本地数据中心建模，在云中进行训练，在产线的任何一台工控设备上完成推理，并且始终保持是同样的一套AI。这就是所谓AI的部署、应用和消费都是混合的。红帽的目标是打造这样一个支持AI的混合环境，并保证其高效、安全、可靠、简单易用。红帽希望有更多的客户、合作伙伴在其平台上开发AI应用。

往/期/回/顾

从科技赋能到价值引领，东莞证券可进化的信创云建设启示录“智算”雄起 | 智算操作系统要“顶天立地”

从虚拟化走向云原生，红帽OpenShift“一手托两家”

生成式AI如何落地？红帽打了个样儿

一场开放混合云的大戏，多亏了红帽“戏精团”的精彩演绎