AI泡沫担忧之下，企业AI应用成突破点

21世纪经济报道记者孔海丽 北京报道

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。

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。

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%。

目前，IBM为收购红帽所付出340亿美元资金，已近乎回本。

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。

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。

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。

“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。

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。

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。

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。

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。

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。

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。

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。

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。

“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。