AI时代的平台，红帽给出“选择权”

作者：王聪彬

回看过去三十几年的IT发展史，一个规律是：每一轮应用创新的背后，都有一代平台完成基础能力的搭建。

Linux、云计算、云原生，企业每一次大规模技术升级，最终沉淀下来的往往都是平台能力。应用形态不断变化，但平台决定了技术能够走多远、覆盖多大规模。

今天的AI产业，也正在经历类似过程。

这个论断从何而来？红帽全球副总裁兼大中华区总裁曹衡康（Victor Tsao）分享了一个数据：红帽OpenShift在2026年第一季度达成20亿美元年度经常性收入里程碑。

客户现在已经不会先问应该选择什么模型，而是关心怎么把AI做起来，怎么产生效益。这种变化在企业内部体现得尤为明显。CIO一方面要面对有限的资源，一方面还要面对过去十多年积累的、仍在运行的业务系统、数据平台和虚拟化环境。如何在现有基础上完成AI升级，正在成为摆在企业面前的共同挑战。

红帽怎么帮助CIO解决这些问题？30年前，Linux推动了操作系统标准化。云原生时代，Kubernetes逐渐成为行业通用语言。技术路线可以不同，厂商选择可以不同，但最终都会形成一套被广泛接受的平台标准。

“模型可能会影响AI的智慧，但AI能否成功，以及规模化，最重要的是平台。”曹衡康说，企业最大的挑战，不是选错模型，而是失去了选择模型的能力。

红帽2026全球峰会讨论的重点是，未来的平台，是一种选择能力。

Red Hat AI：围绕“选择能力”的平台升级

红帽2026全球峰会上宣布在5月推出Red Hat AI 3.4版本，整体架构更加强调平台属性。

Red Hat AI平台能力覆盖多个维度：企业可以在任意云环境运行应用，可以选择不同硬件资源，包括 GPU、CPU、NPU 等，也可以接入不同厂商的大模型，包括开源模型与自建模型，同时支持多类型智能体运行。

红帽大中华区方案架构部总经理王慧慧（Aella Wang）介绍，在平台层之上，红帽集中做了推理、数据和智能体，三个方向的拓展。

第一是推理能力。推进vLLM社区，并在此基础上扩展llm-d相关功能，对应的是大规模推理场景下的资源调度需求，通过分布式方式提升吞吐能力与弹性扩展能力。在实现方式上，llm-d能够运行在不同操作系统与 Kubernetes 环境中，不局限于红帽自身技术栈。

第二是数据。平台侧增加了对企业数据的追踪能力，包括数据存储位置、调用路径以及在不同模型中的使用情况，保证训练与推理过程中的数据是安全合规的。

第三是智能体。随着智能体应用增加，平台引入智能体追踪与可观测性，并且能够区分人类用户与智能体，从而对不同主体的操作权限进行管理。即使智能体拥有系统账号，也会在权限边界内运行，例如涉及资金转移、系统关键操作或敏感数据访问时，需要额外的授权与控制。

另外，红帽与NVIDIA的合作也是今年峰会的重点之一。红帽已经成为NVIDIA Day Zero支持厂商，即在NVIDIA硬件尚未正式发布阶段，红帽的软件栈已完成适配与认证，双方以联合开发方式开展技术协同。

双方还推出Red Hat AI Factory with NVIDIA解决方案，将红帽AI平台运行在NVIDIA硬件之上，对外提供Token as a Service服务，面向企业自建环境、公有云以及混合云等多种部署形态。

Linux：稳定与迭代之间的双重需求

红帽在客户Linux生产环境中观察到一个典型现象，RHEL长期稳定运行在关键系统中，部分客户甚至在不升级的情况下持续使用同一版本超过14年。

但在AI应用加速落地的背景下，新的需求正在出现。企业开始同时面对两类要求：一类强调快速迭代，用于支撑AI与新应用开发；另一类强调长期稳定，用于承载核心生产系统。这两类负载很多情况下运行在同一套RHEL环境中。

围绕这种差异化需求，红帽给出两种解决方案。

一种是安全加固镜像。在RHEL 10中，红帽就已以容器镜像方式提供操作系统环境。而今年红帽在此基础上进一步提升了安全性。镜像中会集成应用运行所需的依赖组件，包括AI与智能体相关对象库，具备部署快、迁移便捷的特点。

另一种是长生命周期增强包。部分客户希望核心系统尽可能减少变化，甚至延长到十年以上运行周期。系统需要在无法频繁升级的情况下，持续获取安全补丁与关键错误修复，应对外部安全威胁变化。

RHEL标准订阅提供10年生命周期支持，在延长生命周期支持基础上，可将RHEL 7等版本继续延长4年支持周期。之后客户可以根据业务需求选择继续延长支持周期，支持时间可扩展至更长期限。

“这一机制让仍在运行的旧系统继续获得安全维护能力，同时不影响业务稳定性。”红帽大中华区首席技术官张家驹说道。

混合云：统一平台上的AI与应用承载

红帽提出的云原生是将容器与虚拟机统一在同一平台运行。进入2025-2026年，这一趋势进一步放大。数据显示，运行在OpenShift上的虚拟机数量同比增长417%。越来越多企业开始将原有虚拟化负载迁移到OpenShift平台，并在同一环境中管理容器与虚拟机资源。

OpenShift的角色也在逐渐扩展，不仅用于容器编排和虚拟化管理，也被用于承载AI工作负载。

红帽在与客户交流时，将AI定义为一种新的应用类型，包含模型、数据、智能体与工具链，这一整套能力，可以直接运行在现有IT基础设施之上，包括OpenShift与RHEL。

同时，红帽在开发体验层面做出了一些调整，一个重要方向是开发环境的统一。很多AI开发仍然发生在本地桌面环境，与生产环境存在差异。

为减少这种割裂，红帽计划推出Red Hat Desktop，使开发者在笔记本上也可以获得与生产环境一致的运行环境。开发完成的AI应用或智能体，可以直接推送到数据中心或云环境运行，无需额外适配。

在这一体系下，本地开发与生产部署之间的边界被进一步压缩，混合云环境的运行一致性得到强化。

自动化：从界面到API再到智能体的统一编排

早期自动化主要围绕界面操作展开，通过模拟屏幕点击完成流程执行，例如下单或系统操作，这类方式依赖图形界面。

随后，API自动化逐步成为主流。通过接口调用完成批量任务处理，例如银行对账、系统批处理等，提高了执行效率与规模化能力。

近年来，随着智能体的发展，自动化进入新的阶段。智能体通过模型能力理解任务，并在数据、系统与工具之间完成调用，实现更自主的流程执行。

当前企业环境中，自动化任务呈现三种形态并存：基于界面的自动化、基于API的自动化，以及基于智能体的自动化。Ansible可以用于统一编排这三类任务，将智能体纳入自动化体系的一部分，同时支持在流程中插入人工审核与交互节点。

这样自动化流程可以在效率与可控性之间进行调整，并在同一平台上完成执行与审计管理。

数字主权：从数据到运行环境的可控

数字主权可以被拆分为多个层面，其中最基础的是数据主权。企业数据是否由企业自身掌控，数据存放位置是否可控，以及数据在不同应用与模型中的使用路径，是数据主权的核心问题。

在红帽平台体系中，客户可以对数据的存储位置与使用范围进行选择，包括本地环境、云端环境，以及不同应用或模型之间的调用关系，这一能力由平台侧提供支撑。

在此之上，主权延伸到应用运行环境的选择。应用可以在不同云之间迁移运行，包括公有云或企业自建数据中心。迁移过程不涉及架构重构或应用层改造，也不需要额外的适配成本，更多体现为运行层的调度与切换能力。

另一个层面是合规能力，红帽在RHEL、OpenShift以及AI平台中已经集成了主流法规与行业合规要求，覆盖常见的合规标准与安全规范。企业可以根据业务或监管要求，将应用部署在欧洲、亚洲或美洲等不同区域环境中，并在统一平台上进行管理与调度。

光井计划：面向开源安全的系统性修复机制

红帽重点介绍了光井计划（Project Lightwell），该计划联合IBM，承诺投入50亿美元，并依托超过2万名工程师的技术团队，覆盖开源生态的安全能力建设。

光井计划与AI工具对开源生态的影响直接相关。随着AI的使用，大量历史遗留漏洞被快速识别，但漏洞发现速度提升之后，修复与补丁维护能力仍然存在差距。在实际环境中，如果企业依赖的软件版本存在漏洞，单独打补丁往往意味着需要自行维护一个分支版本，长期来看会带来较高的运维成本。

光井计划围绕这一问题建立了两项机制。

一是补丁回溯机制。在某一版本中发现漏洞并完成修复之后，补丁会向前回溯到更早的版本，例如从10版本扩展到9、8、7版本，使不同版本系统都可以获得修复能力。

二是上游贡献机制。修复后的补丁在满足条件后，会回馈至上游开源社区，使社区版本在后续阶段同步获得更新能力。

该计划不局限红帽自身产品体系，会面向客户环境中实际使用的开源软件链路。只要属于企业使用的开源组件，无论来源于红帽还是其他厂商，均纳入扫描与漏洞修复范围。

目标是在不影响企业生产环境稳定性的前提下，提升开源软件在AI与复杂IT环境中的整体安全水平，推动安全能力在开源生态中持续扩展。

中国市场：生态、调研与开源人才体系共进

红帽在全球持续推进业务布局的同时，中国市场也保持高频投入。

在AI领域，红帽与多家机构合作，开展企业级AI实践调研。此前已完成对350余位IT负责人与CIO的调研，围绕企业AI应用现状展开分析。今年进入第二阶段，相关成果计划在2026红帽论坛上发布。

开源生态一直是红帽的重点投入方向，围绕开源社区，红帽持续通过meetup等形式与开发者保持连接。

在区域布局上，红帽在大湾区、长三角、京津冀等重点区域持续开展市场活动，同时向成都、武汉、西安、厦门等城市延伸。

在人才体系方面，红帽挑战赛已进入第十年，今年10月将在北京举办全国总决赛。该赛事面向高校学生推广开源技术与实践能力，覆盖全国多所高校，每年参与人数约6000至8000人。经过多轮选拔后进入决赛阶段。

在红帽的平台语境中，企业既有的应用系统可以继续运行，AI能力也可以逐步叠加进来，不需要推倒重建。既保持了灵活性，又有助于优化整体成本结构。

这也体现了红帽提倡的，提供选择空间。