开源如何成为企业AI的“加速引擎”？

作者：于佳卉

从Linux掀起操作系统革命，到Kubernetes重塑云计算格局，再到如今DeepSeek强势崛起，开源技术一直是IT发展的主旋律之一，滋养着科技的每一次创新。如今，这股力量又为企业AI按下了加速键。

在《八点一课》三周年庆圆桌论坛上，至顶科技CEO兼总编辑高飞与红帽全球副总裁兼大中华区总裁曹衡康和施耐德电气副总裁卓越运营部负责人邓青蔚，围绕“开源力量如何让企业AI进程加速”展开深度对话，从战略布局到落地实践，为企业AI变革之路提供了全方位的洞察。

AI浪潮下的开源共识

DeepSeek的问世，让开源AI站上风口浪尖。对于深耕开源数十载的红帽而言，这更像是一次意料之中的“回响”。

“DeepSeek推出的那一刻，我们团队兴奋不已。它验证了红帽一直以来的信念：开源是AI未来发展的主流。”曹衡康说道。

从DeepSeek到Llama，再到IBM Granite，开源AI模型百花齐放，企业却难免陷入“选择困难”。

在曹衡康看来，“其实不必执着于某一款特定模型，模型各有优缺点，企业应该关注的是哪个模型在特定场景下能够发挥最佳效能，更契合自身需求。”

实际上，通用大模型很难完美适配企业的特定业务场景，企业需要选定基础模型后，通过专有数据淬炼出自己的“小而美”的模型，方能“稳准狠”地解决问题。

在这个过程中，数据的获取往往耗时又烧钱且成本高昂。红帽开源项目InstructLab通过合成数据可将对真实数据的需求降至原来的千分之一。这意味着更低的算力消耗和成本支出，还减少了能耗。此外，红帽在去年收购的Neural Magic专注于模型优化与推理加速，可进一步减轻企业GPU的负担，让AI不再是“奢侈游戏”。

对于开源理念，邓青蔚深有感触。在机器主导的工业世界，开源如同一把“互联钥匙”。“施耐德电气一直拥抱开源，提倡统一的技术协议和接口标准，探索如何让开源技术与工业需求融合，促进数据流动，通过共享创造更大的价值。”

在施耐德内部，不同部门根据场景需求灵活选用不同模型：市场宣传偏爱图像生成，研发、财务、数据部门则采用Copilot助手，而在工业生产线上，稳定、精准和快速则成为模型的硬指标。

邓青蔚坦言，开发大模型不是我们的专长，我们的目标是向客户和市场提供基于AI的服务，将我们训练好的AI模型装进我们的软件产品中，让客户“开箱即用”。

AI落地的混合棋局

AI部署，是上云还是本地？企业常在这道选择题前踌躇。对此，红帽给出了明确答案：AI不仅是开源开放的，更是混合的。

这延续了红帽在云计算时代的哲学：开放混合。就像当初推动混合云一样，红帽认为AI也应该是混合的，能在任何地方、任何设备上运行。从云端到边缘，模型都能跑。

曹衡康巧妙地打了个比方：一个标准化的集装箱，装好货物后，能用卡车运，能上火车，能漂洋过海。模型就相当于这个“货物”，PC、服务器、云端则是不断变化的“载体”。容器技术确保了模型的可移植性。”

从服务器到云计算，再到如今的AI模型，红帽始终是技术架构的提供者。红帽希望实现模型即服务（Model as a Service），让开发者可以在任何地方构建模型，用户能随时随地使用。

而支撑这一切的基础，需要一个用于调整、服务和监控模型的AI平台。红帽OpenShift AI平台，覆盖从数据准备、模型训练微调到部署监控的全生命周期。用户可以选择在任何位置开发和部署模型，无论是在本地、公共云中还是在边缘。

蓝图绘就，实践之路往往始于“第一步怎么迈”。面对AI转型，红帽建议“小步快跑，快速试错”。

“先选定一个应用场景，”曹衡康表示，“我们会为客户办Workshop，召集IT、应用开发、业务部门一起头脑风暴，找准切入场景，快速构建小模型试水。可行就推广，不行则调整。”

施耐德电气也有过同样的探索。邓青蔚指出，在Workshop中，企业需要直面一些挑战：比如现有IT架构能不能撑得住？业务部门是否有足够的数据去’喂养’模型，让它从通用大模型走向专用小模型。”

她提到一个普遍困境：企业有很多数据，但往往因技术的限制无法真正把价值发挥出来。“我们正在研究如何将企业内部的结构化数据和非结构化数据快速融入AI中，构建企业级的知识库。

在施耐德电气看来，云边结合是引导下一次工业变革的重要支柱。就像现代物流打通了干线与末端配送，工业场景需要在厂区内部实现边缘数据的即时处理，同时将关键信息上传至中央系统进行全局调控。

人机共创的组织跃迁

技术的车轮滚滚向前，但真正驱动变革的，终究是人和组织。学会与AI共事，成为当今企业的新课题。

邓青蔚观察到，如今员工对新技术的接受度远超从前，心态更开放，部门间的藩篱也在消融。财务、供应链、销售能坐下来共创。“我们鼓励员工针对业务提出问题，带着AI一起工作，去做一些小型的变革优化，这样对个人工作和企业效益都有好处。”她进一步强调，将员工从重复劳动中解放出来，投身更具创造性的工作，是降本增效的最佳方式。

曹衡康补充道，“AI是用来赋能创新，而不是替换人已经做得很好的部分。”他透露，红帽内部也在探索AI实践。

比如利用AI优化热线服务：客户描述问题后，AI实时记录客户问题并生成文档，客服转接时无需重述，提升沟通效率。还有知识库的智能化升级：过去客户在知识库查找答案很慢，现在AI能根据关键词智能预测、推送相关内容，客户获取信息的速度大大加快。

这些场景在施耐德电气同样具有价值。“我们的产品线涵盖能源管理和工业自动化，品类繁多，”邓青蔚描绘客户服务的痛点，“客户打热线，层层语音导航下来可能要五分钟，按错了还得重来。”

而这正是客服类AI显身手的地方。AI客服不仅要“听得懂”客户的自然语言，还要能“理解”模糊的意图，直接进行转接，并能够提供相关知识库的内容，这将带来沟通体验的大幅提升。甚至未来可以让AI针对客户问题直接生成FAQ（常见问题解答），这样技术工程师就能专注于更核心的技术创新。

从红帽的开源战略定力，到施耐德电气的工业场景求索，开源正以开放、协作、共享的基因，为企业AI注入动能。它为AI打开了一扇窗，而窗外的风景，需要每一家企业亲自去探索、去构建。这趟旅程，风正帆满，行则将至。