AI泡沫担忧之下企业AI应用成突破点

　　以上内容与证券之星立场无关◆★★■。证券之星发布此内容的目的在于传播更多信息，证券之星对其观点◆★、判断保持中立★■，不保证该内容（包括但不限于文字、数据及图表）全部或者部分内容的准确性、真实性、完整性、有效性、及时性★■★◆、原创性等。相关内容不对各位读者构成任何投资建议，据此操作，风险自担。股市有风险，投资需谨慎◆■◆★◆。如对该内容存在异议，或发现违法及不良信息，请发送邮件至◆★■◆，我们将安排核实处理。

　　此外，红帽还引入了◆◆★◆■★“社区版”小模型，通过合成数据大幅减少对真实数据的需求，将数据量降至原来的千分之一。这种方式降低了算力需求，节约了成本◆★■■◆，能耗也大幅减少★★■◆■★。

　　第二步，Red Hat Eherprise Linux AI是一个基础模型平台，可无缝开发★★、测试和运行Granite系列大语言模型，为企业应用程序提供支持。

　　实际上，在热潮涌动的AI领域■■■，尤其是开源技术路线上★■★★◆，红帽是不可绕过的重要角色。

　　近日◆◆★★◆，红帽全球副总裁兼大中华区总裁曹衡康在接受21世纪经济报道记者采访时透露，红帽去年的业绩创下了历史新高◆◆★■■★，今年也继续以双位数增长◆■◆，这在外企中相当难得。

　　关于场景应用，红帽引入了“开放实验室”概念，与企业顾问团队合作，针对企业的研发、生产★◆★■、市场行销和客户支持等环节◆◆，一起找出最具效能的应用场景◆■■■。从一个小应用成功起步，再逐步扩展至更大的场景。

　　近期财报季，华尔街对科技企业们为AI烧掉的巨额资金愈发担忧，多家科技巨头均表示未来还将继续加大AI投入★■■★，但投资回报却非短期可见。

　　整体来看，除了大模型，红帽过去几年间也在积极实践■■“小模型”， 即专属模型（faithful purpose），以企业自身业务数据驱动AI模型的生成★■★◆■，确保模型稳定、安全，并符合企业的特定需求★★◆。

　　记者了解到★★◆，大多数企业部署AI有一个共通的痛点，企业本身往往难以覆盖大模型所需的算力◆★◆■■，通常需要租用算力，因此对本地化部署的需求比较高，他们对AI的预算也非常谨慎★◆■◆◆■，通常需要看到效果后才会进一步投入。如何支持这些企业快速且经济化地实现AI应用落地■★，很考验AI服务商的策略。

　　三季报显示，开源软件供应商红帽（Red Hat）成了IBM业绩的扛把子，三季度为IBM贡献了14%的营收高增长■◆。其中，红帽的系统软件堆栈对IBM整体系统收入的贡献已上升至17.5%。

　　AI的商业化落地，其中最重要的一个领域就是B端企业应用◆■◆◆■■，这其中，IBM收购的红帽AI★◆，有了一定的探索■★◆◆。

　　对此，曹衡康透露，在基础架构上，红帽采用的是混合云模式■■，鼓励企业在合适的场所部署算力◆★★◆■■，比如公司内部数据中心、公有云■■★◆■◆，甚至跨多云环境。其■◆◆“Unlock”理念旨在避免企业被锁定在特定云上，开源架构提供更多弹性和自由度。红帽的开放平台支持企业在任意云和本地环境中灵活切换■★■★◆★，满足不同的算力需求。

　　“增长的原因在于，越来越多的企业接受了开源技术。■■★◆”曹衡康表示，红帽的成长很大程度上得益于开源生态，技术可以被大多数厂商适配。

　　“云是混合的，AI也是。★★◆★★■”曹衡康表示，开源将在人工智能的发展中发挥巨大作用◆◆★，以开源的方式把AI带入企业不失为一种重要途径■◆◆◆。

　　据曹衡康介绍，红帽为企业提供的AI工具分为三个步骤★◆■★★，其podman desktop和Podman AI Lab，支持企业在本地环境中从零开始体验大语言模型，包括生成式AI探索、精选模型、本地模型服务、常见生成式AI场景的示例代码等★◆■。

　　对于B端用户来说■★，场景应用是引入AI的“最后一公里”★★■◆■，如何帮助企业建立应用场景下的AI体系，红帽的实践可以提供一定的路径参考。

　　最后则是RedHat OpenShift AI，支持企业在更大的分布式集群的规模下■◆◆★■，与RHELAI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。