搞定企业 AI 落地多重障碍，红帽“AI+ 混合”模式成降本关键

尽管生成式 AI 技术持续火热，但企业落地 AI 仍面临成本、复杂度和灵活性的多重挑战。

近日，红帽组织了一场媒体沟通会，分享了如何通过开源与混合 AI 解决方案，助力企业低门槛落 AI。

根据红帽最新数据，94%的企业正处于生成式 AI 的测试或试点阶段，但多数预计需 3 至 5 年才能实现投资回报。对此，红帽提出以开源、混合 AI 和小模型为核心的解决方案，助力企业跨越技术鸿沟。

红帽 CEO Matt Hicks 强调：“企业应自由选择 AI 部署的位置，而开源是这一愿景的基础。”红帽的 AI 战略依托开源生态，通过全球开发者协作推动技术创新，同时倡导“混合 AI”模式——支持 AI 模型在云端、本地数据中心、边缘设备及私有环境中灵活部署，确保企业数据主权与算力效率的平衡。

与通用大模型不同，红帽聚焦行业定制化小模型，为医疗、汽车、零售等领域提供高针对性解决方案。例如，通过优化模型架构和开源工具，企业可减少对高价 GPU 的依赖，降低运营成本。去年红帽论坛提出的“小模型”理念已逐步落地，结合近期对 AI 软件公司 Neural Magic 的收购，红帽进一步强化了在稀疏化计算和高效推理领域的技术优势。

而仅仅有小模型还不够，还要更积极地采用开源 AI 模型，为什么这么说？

红帽全球副总裁兼大中华区总裁曹衡康（Victor Tsao）表示，“企业在使用 AI 时，会面临成本、复杂度和灵活性这三大挑战。开源在这些方面都能给客户很好的解答。”

首先是成本。采用目前的开源模型或开源方式，能让企业在很多方面节省费用。红帽主张“小而专业”的模型，与大规模的商业闭源模型相比，需要更少的硬件资源，维护成本也更低。

其次是复杂度。开源模型对接口和架构是透明的，像红帽支持所有平台——物理机、虚拟机、私有云、公有云，都能非常灵活地去部署。企业也不必一次性投入大量资源在某一个特定云上或特定环境中，可以根据自己的需求和预算来选择。

再者是灵活性和可扩展性。许多企业有多个业务部门，人力资源部门、研发部门、市场部门、制造部门等，它们所需的模型类型可能不尽相同，比如有人适合 Llama，有人适合 DeepSeek。而红帽支持各种开源模型，并通过 OpenShift 进行统一调度，让企业能够更灵活地根据不同业务场景选择最优解。

此外，开源还意味着跨平台。可能有人最开始只想在一个小环境（比如笔记本）上做开发和验证，后面发现需求量很大，就要迁移到数据中心甚至公共云。通过开源架构和 OpenShift，这个过程几乎无需重新开发，大大节省了资源。

最后是安全方面。开源意味着参数和代码都是透明的，用户可以在社区看到所有内容，也就有更多人共同进行安全审计。对于企业来说，这是非常重要的。既能把成本降下来，又能灵活选择平台，不受制于某一家云或某一家商业模型，同时还能确保更高的安全可靠性。

但 Victor 也补充说道，“这并不是说闭源模型一定不好，如果有企业觉得某种闭源模型更适合自身需求，红帽也能支持。只要对方愿意开放接口，我们都可以进行适配。我们会让客户自己决定，他们需要的是开源还是闭源，或者两者结合”。

此外，值得一提的是，生成式 AI 只是近几年火起来的概念，但 AI 的探索几十年前就开始了。现在许多企业真正盈利的部分还是预测性 AI，那些模型大多使用开源工具，也早已能跑在红帽平台上。在生成式 AI 时代，因为规模更大、未知挑战更多，开源方式会更有利于企业在技术和成本等方面维持优势。否则，若沿用过去的封闭式做法，企业会在成本和可持续性上承受更多压力。