当AI跌下神坛，那场重生又会带来什么？

尽管我们对于AI的影响有着这样或那样的假设，但最近两位英国学者Fin Moorhouse以及Will MacAskill的预测，还是有可能颠覆我们的认知：未来10年内训练算力还有约1万倍的增长空间，AI训练力与算法效率、推理算力的提升，可能带来1000亿倍的增长，这就意味着AI将在未来不到10年内推动相当于100年的技术进步。
这个猜想让我们站在了一个新的奇点之上，而从诸多IT技术的发展规律可以看出：IT技术只有跌落神坛，才能真正为用户所用。因此，这个新10年奇点的开始，有可能正是AI跌落神坛的时刻。但问题是AI又将从什么时候开始跌落神坛，而事实上，类似于红帽这样的AI厂商已经在将AI拖下神坛。

跌下神坛的救世主
IT技术从一开始就扮演着救世主的职能，那时候它是象征着未来希望的神，只不过它并不是一尊友善的神。
二十年前一台算力甚至不及我们今天口袋里智能手机的台式机，售价却高达三万元。而且为了“迎娶”它，使用单位还要建设带有空调和专用地板的机房。同样，二十年前进入某大学，需要怀着朝圣的心情，只为这所大学居然获捐了一台大型机。专用的系统和开发方法，让在这台大型机上获得训练机会的学生们以为获得了天下无敌的法宝，而现在回头去看，那些曾经天下无敌的技能，又能到哪里施展呢？
这一切都源于IT技术和产品发生了一系列蜕变，变得更便宜，更易用，并且当它们真正变成企业的生产力之后，它们为了与企业业务更紧密地贴合在一起，给自己贴上了行业属性的标签，由此也需要更加关重企业的个性化需求。那些曾经占据神坛的IT技术和产品正是因为跌下了神坛，才最终成为了主流。
跌下神坛成为主流的剧情在今天依然上演着，只不过在经历了百模大战的膜拜之后， 轮到AI跌下神坛了。
先是阿里云通义千问在除夕夜开源了全新的视觉模型Qwen2.5-VL，接下来是DeepSeek在2月末连续五天发布五个代码库。进入3月，这场开源之争达到了白热化的程度：阿里发布并开源了全新推理模型QwQ-32B，DeepSeek开源上线了升级后的DeepSeek-V3模型，就连原来坚持闭源的百度也加入了开源大模型的阵营。
AI跌落神坛并不奇怪，由于端侧智能的需求崛起、企业行业AI部署的需求驱动、AI大模型能力从“可用”变成“高可用”，AI厂商需要通过开源获取更为强劲的市场爆发力，这同时也在让AI产业格局发生着微妙的变化。
开源AI的真义
在这场AI产业格局的变化中，红帽扮演着一个先知者的角色，因为早在AI伙伴在闭源大模型的赛道上一种狂奔之时，红帽就已经在开源、小模型、混合AI的领域深耕。而当用户需求迫使AI厂商最终转向开源、小模型时，红帽悄然之间就成为了一个领先者。
早在2024年，红帽CEO Matt就常把一句话挂在嘴上：“你可以随时选择在哪里使用AI，并且它是开源的。”这话表明，无论用户选择在哪个地方部署AI，红帽的解决方案都能支持，并且这些解决方案一定是开源的。
其实，回顾IT技术的变迁史，我们会发现红帽确实是一家低调却善于把握机会的公司。无论是在操作系统的改朝换代中推动开源Linux的企业级支持，还是在公有云混战时代敏锐地捕捉到用户混合云需求，红帽总是能在最合适的时机切入，从而保持利润长期增长。而这一次，红帽似乎又一次找对了机会。

关于这次机会，红帽全球副总裁兼大中华区总裁曹衡康谈了自己的看法：“AI在企业中的应用仍然是一个渐进的过程，但很多企业已经开始了探索和测试。我们的调查数据表明，94%的企业正在进行生成式AI的测试或试点，但预计要到未来3到5年这些企业才能真正实现AI投资的回报。AI技术的挑战不仅仅是技术本身，还有如何将AI应用到实际生产环境中。”
这表明，一方面有越来越多的用户已经开始了探索之旅，另一方面他们必须解决当前的几大难点，才能在这场探索之旅的尽头看到回报。
关于企业客户采用生成式AI所遇到的挑战，曹衡康有着更为清晰的认知：“企业客户采用生成式AI，会面临成本、复杂度和灵活性的挑战。对于大多数企业客户来说，生成式AI前沿模型服务的规模成本过高。同时企业使用私有企业数据用例的调优模型过于复杂，还因为企业的数据存在于多云环境之中，企业AI用例就需要跨越数据中心、云和边缘，而不是局限于单一的公有云之中。”
应对这三个难题，红帽却从一开始就做好了准备。曹衡康进一步介绍了红帽的应对之策：“应对成本难题，红帽通过开源社区和工具，可以帮助企业以更低的成本开发高效的AI模型，这不仅减少了对GPU等高性能硬件的依赖，还降低了企业的运营成本。应对复杂度难题，红帽强调通过小而专业的模型，帮助企业提高模型的应用效率。”
而应对灵活性挑战，曹衡康强调说：“红帽强调‘混合AI’的概念，也就是AI不仅仅局限于云端，企业内部的计算资源同样可以用于AI模型的开发和应用。AI的应用应当能够跨越不同平台，从企业的数据中心到边缘计算，甚至个人设备，都能灵活部署和运用。”
攻克成本、复杂度、灵活性难关
关于IT技术和产品，还有一个看起来有些荒谬的规律：当IT技术和产品被捧上神坛时，可能同时也处于它的不成熟期，这时简单的技术就需要被赋予高大上的概念。然而，当IT技术和产品跌下神坛，因为技术成熟和应用复杂度提升，往往需要过滤掉技术复杂度，而给用户一些易于理解的要点。因此，现在为了更好地理解AI跌下神坛后的情形，我们要进行一个逆向工程，去了解红帽简单理念背后的技术实现。
在了解红帽在技术上如何应对三大难题之前，我们还需要了解红帽围绕着AI进行的一些技术调整。

总体来看，红帽提供的AI 解决方案是一个统一的、从下到上的平台，涵盖了从基础架构到应用的各个层面。这个架构可以分为OpenShift AI和RHEL（红帽企业Linux）AI两大部分。
在操作系统层面，红帽对RHEL进行了升级，增加了AI相关的工具和算法。通过这些工具，红帽可以为大规模运算和推理提供支持。这个时候，RHEL就已经不是一个传统的Linux操作系统了，而是包含了模型、调用工具、开发工具和推理算法。通过它，红帽平台不仅可以运行红帽的AI工具，还支持开源的小型模型，还可以使用数据生成、获取训练的工具。
原来红帽的OpenShift只是一个容器平台，主要用于应用开发，而OpenShift A则为企业客户提供了完整的AI平台，涵盖了从数据处理到应用部署的所有环节。通过它，用户就可以完成企业内部所有与AI相关的工作，无需额外的工具或平台。
整个产品的AI化改进为红帽应对三大应用难题奠定了基础，红帽大中华区解决方案架构部高级总监王慧慧从技术层面就应对用户三大应用难题进行了深度解读。
关于复杂度问题，王慧慧表示：“用户现在对于用企业自己的数据来定制模型这个概念已经非常认同了，但问题是企业本身往往没有足够的专业人才，也缺乏整理高质量数据的能力。为此，我们提供了一个简单的工具，帮助客户将数据整理成模型可以接受的格式。特别是当企业数据不足时，我们会帮助企业生成数据，而不是依赖市场上杂乱的低质量数据。我们通过InstructLab和RAG两种方法结合，帮助客户更高效地调优模型。“
而应对灵活部署问题，王慧慧解释说：“红帽的AI解决方案可以在不同硬件和软件环境下运行，不受环境的限制。并且红帽是唯一一家能够支持各种硬件加速器的厂商。无论在物理机、云端，还是其他环境下，我们都能提供无缝支持。红帽的AI平台还支持从单一服务器到大规模扩展的灵活部署。如果用户想从从单台设备扩展到多个设备，使用OpenShift AI时，就无需进行任何额外调整，一切都可以平滑迁移。此外，灵活部署不仅仅是支持硬件或软件环境，也包括不同规模上的部署。我们可以支持单台服务器的训练，也可以支持大规模的推理。”
再回到Fin Moorhouse和Will MacAskill的预测，当前还存在一个必须解决的大问题。这就是AI高速发展的结果可能比实现AGI还要恐怖，AGI不过是相当于人类智慧水平，而这种预测一旦成真，AI将超过人类智慧水平。在这个过程中，AI首先必须实现任务编排的自动化。用户只要合理地定义了问题的起点和终点，内部的所有流程都会由AI自循环式完成。
对此，红帽同样进行着布局。红帽大中华区首席架构师张家驹对此表示：“以往我们会靠工作流或引擎对每一步进行人工干预，但现在AI本身就能进行搜索或推理。红帽在任务编排和中间件方面积累了很多，比如OpenShift、AP组件、Service等，也在考虑如何与AI结合。但我们更倾向于让AI有‘自由试错’，而不是过度依赖传统知识库和流程。相比人，AI试错成本更低，能快速尝试很多种可能路径，然后收敛到一个最优解。所以，我们的技术路线更鼓励AI在更开放、灵活的环境里去探索。”
显然，红帽已经做好了将AI拉下神坛的准备。曾经，在山顶修炼10年之后，查拉图斯特拉下山对着人群如是说：假使有神，我怎能忍受我不是那神，所以没有神！在众人错愕的目光中，还是有人读懂了其中的深义：神倒下之后，所换来的必然是一次更大规模的重生。当AI跌下神坛，情形又何尝不是如此？