Red Hat近日提出了对生成式AI的看法,概述了一种信念:这个正炙手可热的技术,其未来将取决于开源软件以及让用户社区支持它的能力。
本周在美国丹佛举行的Rd Hat Summit峰会上发布的几项重要公告中就可以看出Red Hat对AI的态度,公告包括增强了开放式混合开发平台OpenShift AI,以便更轻松地构建AI驱动的应用,Red Hat还通过开源驱动的云原生项目Konveyor添加了生成式AI功能。

Red Hat公司总裁兼首席执行官Matt Hicks在主题演讲中表示:“AI不会是由单一厂商构建的,也不会围绕着单一的单体模型运行。你选择在哪里运行AI,那就是无处不在,而且都是基于开源的。Red Hat的模式是通过开源释放这个世界的潜力,这就是眼下正在发生的事情。”
Red Hat阐述了对模型开发链的贡献
Red Hat对开源AI的全部承诺,体现在宣布将Red Hat Enterprise Linux AI作为基础模型平台这个举动上,该平台允许用户开发和部署生成式AI模型。RHEL AI平台集成了IBM Research的开源Granite大型语言模型系列,基于Large-scale Alignment for chatBots(LAB)的工具,以及通过InstructLab项目开发模型的社区驱动型方式。
为了展示Red Hat在当前开源模型开发领域的位置,Hicks给出了一张幻灯片,展示了从Meta Platforms的Llama到Mistral AI再到Hugging Face的进展,现在Red Hat下一个进化阶段的关键贡献者。
“我非常自豪地宣布,Red Hat将在开源贡献链中添加下一个环节。当前,为模型做出贡献的能力尚未解决,你的工作无法真正与别人结合起来,在没有数据科学背景的情况下对Mistral或者Llama2进行微调的门槛太高了,我们希望改变这一点。”
Red Hat有兴趣成为AI开发的主要参与者,背后也同样渴望为其客户群提供全方位的选择。Red Hat的AI战略基础就是成为应用提供商,例如生成式AI服务Lightspeed、Granite 大型语言模型、以RHEL AI和OpenShift AI为代表的平台、还有Ansible Automation等基础设施。
这次Red Hat还推出了Ansible的策略即代码(Policy as Code),这是一个针对那些受AI影响的IT组织的治理和合规解决方案。最新的Ansible增强功能允许用户在开发周期中检查策略执行情况,并在自动化运行之前或期间提供酌情的或者强制的检查措施。
Red Hat副总裁、Ansible业务总经理部门Sathish Balakrishnan表示:“对于任何希望顺应AI浪潮的组织来说,自动化都是关键任务,Ansible可以让自动化成为一种消费品。”
新的合作伙伴关系和对混合云承诺,以满足客户的期望
任何乘着AI浪潮的组织通常也会寻求帮助。考虑到这一现实,Red Hat在此次峰会期间发布了一系列公告,旨在加强自己与众多科技行业领导者之间的合作。
其中,包括Red Hat与芯片制造商英特尔结盟,利用英特尔的AI处理器产品为OpenShift AI提供支持,包括英特尔Gaudi加速器的云托管版本,以及Xeon、Core Ultra和Arc GPU等处理器。
在Hicks主题演讲期间的一个视频中,英特尔公司首席执行官Pat Gelsinger表示:“我们的使命是将AI带入各个领域,人工智能的未来不仅仅是被书写,而是被构建。”
在Red Hat的价值观中,AI将以混合模式构建和运行。Red Hat对混合平台的持续承诺可以从OpenShift、Lightspeed、Ansible Automation的增强功能,甚至本周推出的Connectivity Link新多云应用解决方案中看出。
Red Hat公司首席技术官兼工程高级副总裁Chris Wright表示,混合云是AI工作的关键要素,而且更重要的是,这就是客户想要的东西。
Wright在主题演讲后的媒体和分析师简报会上表示:“混合云足迹是AI的基本组成部分,你不会在进行推理的同一地点进行训练,绝大多数客户会告诉我们,他们正在寻找混合云解决方案来管理他们的AI。”
从本周峰会的情况来看,Red Hat打算一方面坚定地致力于构建供自己使用的AI,另一方面则致力于开发以便其他人也可以构建AI的工具,通过为开源开发者提供为模型做出贡献的机会,Red Hat显然相信它可以在促进下一波重大创新浪潮中发挥核心的作用。
Wright表示:“模型本身显然可以作为开源的元素提供,我们希望广泛分享知识,这是我们对开源的承诺,Red Hat非常适合做这件事情。”
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。