红帽决定聚焦中国企业的“多模型、多GPU、多云”选择权

企业面临的 AI 应用压力正在变得更具体：模型要能落地、成本要可控、旧系统不能推倒重来，数据和安全边界不能失守，国产化、混合云、多 GPU 适配也必须同时考虑。红帽全球副总裁兼大中华区总裁曹衡康（Victor Tsao）表示，企业今天面对 AI，核心问题已经不是“要不要做”，而是“怎么做规模化”。CEO 往往要求 CIO 在很短时间内拿出 AI 成果，用 AI 提升效率、降低成本，但预算有限，遗留系统复杂，内部组织也存在阻力。因此，在红帽看来，AI 不会让企业 IT 基础设施从零开始重建，反而会让“平台”重新成为竞争中心。红帽的定位：做平台能力“模型可能会影响 AI 的‘智慧’，适合的模型可以让 AI 效率更高。但是 AI 能不能成功，能不能规模化，最重要的是平台。”曹衡康表示，一个企业最大的挑战不在于它是否选错了模型，而是它失去了选择模型的能力。曹衡康认为，AI 时代，模型、Agent、GPU、云环境都会变化，但企业不能失去选择模型、选择 GPU、选择云和选择 Agent 的能力。AI 时代的平台，需要为用户提供选择权。对中国企业来说，这一点尤其现实。中国市场同时存在国内外模型等，底层算力也不只一种 GPU，部署环境包括本地数据中心、公有云、混合云和行业专有云。企业很难押注单一模型、单一硬件或单一云平台。红帽认为，未来企业 AI 很可能是多模型、多 Agent、多 GPU、多云并存。一个银行不会只用一个模型，制造企业也不会只用一个 Agent。人事、销售、工程、市场、风控、客服、运维等部门，都会形成不同智能体，这些智能体既要协同，又必须保持数据和权限隔离。那具体如何做呢？通过红帽推出的 Red Hat AI 3.4 来看，其重点围绕推理、数据和智能体三部分展开。首先是推理。红帽认为，推理才是企业 AI 真正产生收入和效率价值的环节，也是成本压力最大的部分。去年红帽重点推广 vLLM 社区，今年进一步扩展到 llm-d 相关功能，即分布式推理。红帽判断，企业 AI 推理不会只发生在单一集群或单一模型上，而会以水平扩展方式服务大量业务请求。更关键的是，llm-d 可以运行在任意操作系统和任意 Kubernetes 平台上，不要求客户必须绑定红帽操作系统或红帽容器平台。第二是数据。企业希望用自己的私有数据训练、增强或驱动模型，但数据在哪里、被什么模型使用、是否合规，都必须被追踪。对中国企业而言，数据合规、行业监管和本地部署需求非常强，尤其是金融、医疗、政企、制造等行业。红帽希望通过平台能力帮助企业掌握数据主权：企业可以决定数据放在本地还是云端，放在哪个地区，被哪些应用或模型调用。第三是智能体治理。“智能体追踪与可观测性”概念，核心是区分“人”和“智能体”。即便 Agent 拥有某个账号和密码，平台也能识别它不是人，从而限制其执行关键操作。红帽大中华区方案架构部总经理王慧慧（Aella Wang）举例称，如果一个 Agent 拿到银行卡账号和密码，普通平台可能无法阻止它继续操作，但在红帽的 AgentOps 管控下，可以对关键操作设置身份识别、权限策略和审计边界。面对“Agent OS”概念，红帽并不打算另起一个全新操作系统，而是希望让 RHEL 和 OpenShift 成为 Agent 运行的平台。红帽大中华区首席技术官张家驹解释称，狭义上，操作系统仍然是 Linux 内核和 CPU 控制逻辑；广义上，Agent 之间的交互、AgentOps、工作流、策略控制和安全沙箱，也会成为面向 Agent 的新平台层。底层基础设施必须稳定，越靠近应用层变化越快。与 NVIDIA 的合作，是红帽 AI 基础设施布局中的重要部分。红帽表示，其被 NVIDIA 选择为提供 Day Zero 支持的厂商，即 NVIDIA 硬件尚未正式出厂时，红帽产品已经开始适配、认证和联合开发。双方推出 Red Hat AI Factory with NVIDIA，目标是在 NVIDIA 硬件上运行红帽 AI 平台，对外提供 Token as a Service 能力。但红帽并不希望企业被某一家硬件厂商锁定。王慧慧表示，客户明确提出平台必须支持不同 GPU。过去 Linux 不能只支持某一种 CPU，今天 AI 平台也不能只支持某一家 GPU。红帽希望在硬件层支持 NVIDIA、AMD、MetaX 等不同厂商，在模型层支持中国、欧洲、美国以及企业自研模型，在部署层支持本地、云端和混合云环境。Agent 成为第三类自动化除了 AI 平台，红帽也在强化 Linux 长期支持能力。王慧慧提到，红帽客户生产环境中存在连续运行超过 14 年不升级的 RHEL 系统。很多大型企业的核心系统不能轻易触碰，但不升级又会带来安全风险。因此，红帽一方面推出安全加固镜像，面向 AI 和快速迭代场景提供零 CVE 的操作系统镜像；另一方面推出“RHEL Forever”，即红帽企业 Linux 长生命周期增强包，在原有 10 年支持和额外 4 年延长支持之后，继续按照客户需要提供更长周期维护。在混合云方面，OpenShift 继续被红帽定位为统一平台。红帽称，2025 年至 2026 年，运行在 OpenShift 上的虚拟机数量增长了 417%。越来越多客户希望在一个平台上统一管理容器、虚拟机和 AI 负载。红帽的判断是，AI 只是新的应用类型，而不是完全独立的新技术孤岛。模型、Agent、数据和工具都可以作为新负载运行在 OpenShift 或 RHEL 之上。红帽推出 Red Hat Desktop，打通开发者本地环境和生产环境。许多 AI 开发者习惯在桌面或笔记本上完成开发，Red Hat Desktop 支持让开发者在本地拥有与生产环境兼容的开发环境，完成 AI 应用或 Agent 开发后，可以直接推送到数据中心或云端生产环境。自动化也是红帽今年强调的重点。过去企业自动化主要有两类：屏幕级自动化和 API 自动化。今天，Agent 成为第三类自动化。红帽认为，企业不能让 Agent 在内部野蛮生长，而应将其纳入 Ansible Automation Platform 统一编排。这样，Agent 做了什么、什么时候做、调用了哪些系统、是否需要人工审核，都能被记录和追踪。开源安全是红帽另一个重点。IBM 和红帽承诺投入 50 亿美元，并依托超过 2 万名工程师推进 Project Lightwell（光井计划）。这个项目聚焦 AI 时代的开源漏洞治理。AI 工具让漏洞发现速度大幅提升，很多潜伏多年的安全问题被暴露出来，但补丁修复速度并没有同步提升。企业如果自行修补开源组件，往往需要 Fork 分支并长期维护，成本越来越高。Project Lightwell 可以帮助发现客户开源产品中的漏洞，一旦在客户环境中发现开源软件漏洞，就会修复并进行 backport，把补丁适配到旧版本，并在保护客户隐私和补丁成熟的前提下贡献给上游社区。红帽强调，这不只覆盖红帽自己的产品，而是面向客户环境中使用的开源软件链条。