作者：于佳卉

從Linux掀起操作系統(tǒng)革命，到Kubernetes重塑云計(jì)算格局，再到如今DeepSeek強(qiáng)勢崛起，開源技術(shù)一直是IT發(fā)展的主旋律之一，滋養(yǎng)著科技的每一次創(chuàng)新。如今，這股力量又為企業(yè)AI按下了加速鍵。

在《八點(diǎn)一課》三周年慶圓桌論壇上，至頂科技CEO兼總編輯高飛與紅帽全球副總裁兼大中華區(qū)總裁曹衡康和施耐德電氣副總裁卓越運(yùn)營部負(fù)責(zé)人鄧青蔚，圍繞“開源力量如何讓企業(yè)AI進(jìn)程加速”展開深度對(duì)話，從戰(zhàn)略布局到落地實(shí)踐，為企業(yè)AI變革之路提供了全方位的洞察。

AI浪潮下的開源共識(shí)

DeepSeek的問世，讓開源AI站上風(fēng)口浪尖。對(duì)于深耕開源數(shù)十載的紅帽而言，這更像是一次意料之中的“回響”。

“DeepSeek推出的那一刻，我們團(tuán)隊(duì)興奮不已。它驗(yàn)證了紅帽一直以來的信念：開源是AI未來發(fā)展的主流?！辈芎饪嫡f道。

從DeepSeek到Llama，再到IBM Granite，開源AI模型百花齊放，企業(yè)卻難免陷入“選擇困難”。

在曹衡康看來，“其實(shí)不必執(zhí)著于某一款特定模型，模型各有優(yōu)缺點(diǎn)，企業(yè)應(yīng)該關(guān)注的是哪個(gè)模型在特定場景下能夠發(fā)揮最佳效能，更契合自身需求。”

實(shí)際上，通用大模型很難完美適配企業(yè)的特定業(yè)務(wù)場景，企業(yè)需要選定基礎(chǔ)模型后，通過專有數(shù)據(jù)淬煉出自己的“小而美”的模型，方能“穩(wěn)準(zhǔn)狠”地解決問題。

在這個(gè)過程中，數(shù)據(jù)的獲取往往耗時(shí)又燒錢且成本高昂。紅帽開源項(xiàng)目InstructLab通過合成數(shù)據(jù)可將對(duì)真實(shí)數(shù)據(jù)的需求降至原來的千分之一。這意味著更低的算力消耗和成本支出，還減少了能耗。此外，紅帽在去年收購的Neural Magic專注于模型優(yōu)化與推理加速，可進(jìn)一步減輕企業(yè)GPU的負(fù)擔(dān)，讓AI不再是“奢侈游戲”。

對(duì)于開源理念，鄧青蔚深有感觸。在機(jī)器主導(dǎo)的工業(yè)世界，開源如同一把“互聯(lián)鑰匙”。“施耐德電氣一直擁抱開源，提倡統(tǒng)一的技術(shù)協(xié)議和接口標(biāo)準(zhǔn)，探索如何讓開源技術(shù)與工業(yè)需求融合，促進(jìn)數(shù)據(jù)流動(dòng)，通過共享創(chuàng)造更大的價(jià)值?！?/p>

在施耐德內(nèi)部，不同部門根據(jù)場景需求靈活選用不同模型：市場宣傳偏愛圖像生成，研發(fā)、財(cái)務(wù)、數(shù)據(jù)部門則采用Copilot助手，而在工業(yè)生產(chǎn)線上，穩(wěn)定、精準(zhǔn)和快速則成為模型的硬指標(biāo)。

鄧青蔚坦言，開發(fā)大模型不是我們的專長，我們的目標(biāo)是向客戶和市場提供基于AI的服務(wù)，將我們訓(xùn)練好的AI模型裝進(jìn)我們的軟件產(chǎn)品中，讓客戶“開箱即用”。

AI落地的混合棋局

AI部署，是上云還是本地？企業(yè)常在這道選擇題前躊躇。對(duì)此，紅帽給出了明確答案：AI不僅是開源開放的，更是混合的。

這延續(xù)了紅帽在云計(jì)算時(shí)代的哲學(xué)：開放混合。就像當(dāng)初推動(dòng)混合云一樣，紅帽認(rèn)為AI也應(yīng)該是混合的，能在任何地方、任何設(shè)備上運(yùn)行。從云端到邊緣，模型都能跑。

曹衡康巧妙地打了個(gè)比方：一個(gè)標(biāo)準(zhǔn)化的集裝箱，裝好貨物后，能用卡車運(yùn)，能上火車，能漂洋過海。模型就相當(dāng)于這個(gè)“貨物”，PC、服務(wù)器、云端則是不斷變化的“載體”。容器技術(shù)確保了模型的可移植性?！?/p>

從服務(wù)器到云計(jì)算，再到如今的AI模型，紅帽始終是技術(shù)架構(gòu)的提供者。紅帽希望實(shí)現(xiàn)模型即服務(wù)（Model as a Service），讓開發(fā)者可以在任何地方構(gòu)建模型，用戶能隨時(shí)隨地使用。

而支撐這一切的基礎(chǔ)，需要一個(gè)用于調(diào)整、服務(wù)和監(jiān)控模型的AI平臺(tái)。紅帽O(jiān)penShift AI平臺(tái)，覆蓋從數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練微調(diào)到部署監(jiān)控的全生命周期。用戶可以選擇在任何位置開發(fā)和部署模型，無論是在本地、公共云中還是在邊緣。

藍(lán)圖繪就，實(shí)踐之路往往始于“第一步怎么邁”。面對(duì)AI轉(zhuǎn)型，紅帽建議“小步快跑，快速試錯(cuò)”。

“先選定一個(gè)應(yīng)用場景，”曹衡康表示，“我們會(huì)為客戶辦Workshop，召集IT、應(yīng)用開發(fā)、業(yè)務(wù)部門一起頭腦風(fēng)暴，找準(zhǔn)切入場景，快速構(gòu)建小模型試水。可行就推廣，不行則調(diào)整?！?/p>

施耐德電氣也有過同樣的探索。鄧青蔚指出，在Workshop中，企業(yè)需要直面一些挑戰(zhàn)：比如現(xiàn)有IT架構(gòu)能不能撐得??？業(yè)務(wù)部門是否有足夠的數(shù)據(jù)去’喂養(yǎng)’模型，讓它從通用大模型走向?qū)Ｓ眯∧Ｐ??！?/p>

她提到一個(gè)普遍困境：企業(yè)有很多數(shù)據(jù)，但往往因技術(shù)的限制無法真正把價(jià)值發(fā)揮出來?！拔覀冋谘芯咳绾螌⑵髽I(yè)內(nèi)部的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)快速融入AI中，構(gòu)建企業(yè)級(jí)的知識(shí)庫。

在施耐德電氣看來，云邊結(jié)合是引導(dǎo)下一次工業(yè)變革的重要支柱。就像現(xiàn)代物流打通了干線與末端配送，工業(yè)場景需要在廠區(qū)內(nèi)部實(shí)現(xiàn)邊緣數(shù)據(jù)的即時(shí)處理，同時(shí)將關(guān)鍵信息上傳至中央系統(tǒng)進(jìn)行全局調(diào)控。

人機(jī)共創(chuàng)的組織躍遷

技術(shù)的車輪滾滾向前，但真正驅(qū)動(dòng)變革的，終究是人和組織。學(xué)會(huì)與AI共事，成為當(dāng)今企業(yè)的新課題。

鄧青蔚觀察到，如今員工對(duì)新技術(shù)的接受度遠(yuǎn)超從前，心態(tài)更開放，部門間的藩籬也在消融。財(cái)務(wù)、供應(yīng)鏈、銷售能坐下來共創(chuàng)。“我們鼓勵(lì)員工針對(duì)業(yè)務(wù)提出問題，帶著AI一起工作，去做一些小型的變革優(yōu)化，這樣對(duì)個(gè)人工作和企業(yè)效益都有好處。”她進(jìn)一步強(qiáng)調(diào)，將員工從重復(fù)勞動(dòng)中解放出來，投身更具創(chuàng)造性的工作，是降本增效的最佳方式。

曹衡康補(bǔ)充道，“AI是用來賦能創(chuàng)新，而不是替換人已經(jīng)做得很好的部分?！彼嘎?，紅帽內(nèi)部也在探索AI實(shí)踐。

比如利用AI優(yōu)化熱線服務(wù)：客戶描述問題后，AI實(shí)時(shí)記錄客戶問題并生成文檔，客服轉(zhuǎn)接時(shí)無需重述，提升溝通效率。還有知識(shí)庫的智能化升級(jí)：過去客戶在知識(shí)庫查找答案很慢，現(xiàn)在AI能根據(jù)關(guān)鍵詞智能預(yù)測、推送相關(guān)內(nèi)容，客戶獲取信息的速度大大加快。

這些場景在施耐德電氣同樣具有價(jià)值?！拔覀兊漠a(chǎn)品線涵蓋能源管理和工業(yè)自動(dòng)化，品類繁多，”鄧青蔚描繪客戶服務(wù)的痛點(diǎn)，“客戶打熱線，層層語音導(dǎo)航下來可能要五分鐘，按錯(cuò)了還得重來。”

而這正是客服類AI顯身手的地方。AI客服不僅要“聽得懂”客戶的自然語言，還要能“理解”模糊的意圖，直接進(jìn)行轉(zhuǎn)接，并能夠提供相關(guān)知識(shí)庫的內(nèi)容，這將帶來溝通體驗(yàn)的大幅提升。甚至未來可以讓AI針對(duì)客戶問題直接生成FAQ（常見問題解答），這樣技術(shù)工程師就能專注于更核心的技術(shù)創(chuàng)新。

從紅帽的開源戰(zhàn)略定力，到施耐德電氣的工業(yè)場景求索，開源正以開放、協(xié)作、共享的基因，為企業(yè)AI注入動(dòng)能。它為AI打開了一扇窗，而窗外的風(fēng)景，需要每一家企業(yè)親自去探索、去構(gòu)建。這趟旅程，風(fēng)正帆滿，行則將至。