過去三十多年，從Linux到KVM，從OpenStack到Kubernetes，IT領(lǐng)域眾多關(guān)鍵技術(shù)都來自開源。開源技術(shù)不僅大幅降低了IT成本，也降低了企業(yè)技術(shù)創(chuàng)新的門檻。

那么，在生成式AI時代，開源能夠為AI帶來什么？

紅帽的答案是：開源技術(shù)將推動AI更快、更廣泛的應(yīng)用到各行各業(yè)中。

自1993年成立至今，紅帽一直是堅定的開源技術(shù)布道者和構(gòu)建者。透過不久前的2024紅帽論壇，「智能進化論」看到了開源技術(shù)與AI碰撞的三大關(guān)鍵詞：簡單的AI、開源的AI、混合的AI。

01

簡單的AI從一臺Laptop開啟的企業(yè)AI應(yīng)用之旅

2024年9月，AI 托管平臺 Hugging Face 宣布其收錄的 AI 模型數(shù)量已突破 100 萬個，足以證明生成式AI與大模型的火爆。

但是從通用的基礎(chǔ)模型，到解決不同企業(yè)實際業(yè)務(wù)問題之間，仍有不小的距離。算力、人才、模型訓(xùn)練平臺和工具、技術(shù)經(jīng)驗都是大模型落地過程中的普遍痛點。比如：

“能不能讓基礎(chǔ)模型使用企業(yè)自己的數(shù)據(jù)，在我選擇的環(huán)境里做調(diào)優(yōu)，同時只需要花費相對較小的投入？”

“我們想基于基礎(chǔ)模型開發(fā)適配自身業(yè)務(wù)的小模型，但是團隊沒有AI開發(fā)經(jīng)驗，沒有開發(fā)平臺，甚至沒有足夠的GPU算力資源怎么開始？”

正如過去數(shù)年間，紅帽通過RHEL 和 OpenShift，將Linux 和容器技術(shù)加速普及一樣，用開源的方式將AI引入企業(yè)，也是AI時代紅帽的愿景。

為此，紅帽推出了一系列AI平臺和產(chǎn)品，組成了企業(yè)AI應(yīng)用三步曲：

第一步，借助Podman Desktop和InstructLab，用戶可以在最小資源配置下試用開源AI模型和工具，比如在筆記本電腦上用CPU試跑AI模型，而不需要額外的GPU卡。

過去，很多人認為AI模型的訓(xùn)練不可能在一臺PC上完成，必須在配備GPU卡的大型數(shù)據(jù)中心完成。紅帽徹底改變了這一現(xiàn)實，同時也讓沒有IT開發(fā)經(jīng)驗的數(shù)據(jù)科學(xué)家和業(yè)務(wù)人員都可以參與到AI模型訓(xùn)練中。

借助 Podman AI Lab 擴展包，Podman Desktop可以讓用戶在本地環(huán)境中構(gòu)建、測試和運行基礎(chǔ)模型。只需完成幾個步驟即可設(shè)置試驗環(huán)境，用來試用不同的基礎(chǔ)模型。

InstructLab是一款用于基礎(chǔ)模型對齊的開源工具，它可以幫你從開源社區(qū)把需要的基礎(chǔ)模型下載到本地進行訓(xùn)練，并大幅降低了模型微調(diào)的數(shù)據(jù)準(zhǔn)備和技術(shù)門檻。

第二步，通過Red Hat Enterprise Linux AI（RHEL AI），在云端服務(wù)器上進一步訓(xùn)練模型。

如果第一步測試效果滿意，用戶就可以在云端服務(wù)器上進行生產(chǎn)級的模型訓(xùn)練。

RHEL AI是一個基礎(chǔ)模型平臺，它使用戶能夠更加便捷地開發(fā)、測試和部署生成式AI模型。

RHEL AI中整合了IBM研究院的開源授權(quán)大模型Granite、模型對齊工具InstructLab，以及包括英偉達、英特爾和AMD的GPU加速器。該解決方案被封裝成一個優(yōu)化的、可啟動的RHEL鏡像，用于在混合云環(huán)境中部署單個服務(wù)器，并已集成到OpenShift AI中。

第三步，通過OpenShift AI，在更大規(guī)模的分布式集群中進行生產(chǎn)級別的模型訓(xùn)練和部署。

如果在前面兩個環(huán)節(jié)中，模型都收獲了滿意的效果，就可以通過更大規(guī)模的分布式集群投入生產(chǎn)環(huán)境。

OpenShift AI是紅帽的混合機器學(xué)習(xí)運營（MLOps）平臺，能夠在分布式集群環(huán)境中大規(guī)模運行模型和InstructLab，可以支撐大型團隊完成ML Ops的工作流程。而且，OpenShift AI支持跨云混合部署，支持本地數(shù)據(jù)中心、私有云、公有云、混合云等多種環(huán)境。

在三步曲之外，紅帽還推出了豐富的AI賦能產(chǎn)品，比如Red Hat Lightspeed通過集成生成式人工智能（GenAI），為初學(xué)者和專家提供更順暢的工作體驗。將Red Hat Lightspeed應(yīng)用于RHEL AI、OpenShift AI，用戶可以通過自然語言的方式管理操作系統(tǒng)、容器平臺甚至集群。

02

開源的AI用開源社區(qū)推動大模型迭代

“你可以隨處選擇運行 AI 的位置，而且它將基于開源。”在2024年5月的紅帽全球峰會上，紅帽CEO Matt Hicks曾這樣表示。

可以說，開源開放的理念，貫穿了紅帽所有的AI產(chǎn)品與戰(zhàn)略。

InstructLab就是一個典型的例子。InstructLab既是模型對齊的工具，也是一個開源社區(qū)，開創(chuàng)了一種通過開源社區(qū)推動開源模型的持續(xù)進步的新模式。

“紅帽設(shè)計InstructLab有兩個主要目的：第一，讓客戶基于Granite基礎(chǔ)模型，使用InstructLab和自身數(shù)據(jù)訓(xùn)練出符合需求的模型。第二，我們邀請用戶更進一步，將知識和技能反饋至上游的開源社區(qū)，將其整合到社區(qū)版本的Granite模型中。因此，InstructLab是連接社區(qū)和客戶的橋梁。”紅帽大中華區(qū)解決方案架構(gòu)部高級總監(jiān)王慧慧表示。

同時，在推動AI落地方面，開放共創(chuàng)是紅帽堅守的理念。

“在AI應(yīng)用落地方面，紅帽引入了“開放實驗室”的概念，與客戶的顧問團隊合作，針對企業(yè)的研發(fā)、生產(chǎn)、市場行銷和客戶支持等環(huán)節(jié)，一起找出最具效能的應(yīng)用場景。從一個小應(yīng)用成功起步，再逐步擴展至更大的場景。”紅帽全球副總裁兼大中華區(qū)總裁曹衡康表示。

“關(guān)于AI最后一公里的落地，紅帽今年加速了與本土ISV及方案開發(fā)商的合作，以滿足不同行業(yè)和企業(yè)的個性化需求。”紅帽大中華區(qū)資深市場總監(jiān)趙文斌表示。

自今年5月發(fā)布全棧AI產(chǎn)品以來，紅帽AI系列產(chǎn)品在國內(nèi)市場加速落地。作為紅帽AI產(chǎn)品的首批客戶之一，國內(nèi)某保險行業(yè)企業(yè)在引入紅帽的AI產(chǎn)品后，其代碼合并和審查的準(zhǔn)確率大大提升，顯著提升了開發(fā)效率與客戶滿意度。

“去年紅帽大中華區(qū)業(yè)務(wù)創(chuàng)下了歷史新高，今年也繼續(xù)以雙位數(shù)增長。我們的增長來自于越來越多的企業(yè)選擇開源技術(shù)，認識到開源的優(yōu)勢。”曹衡康表示。

紅帽全球副總裁兼大中華區(qū)總裁 曹衡康

03

混合的AI企業(yè)發(fā)展自主AI的必然選擇

云計算時代，企業(yè)根據(jù)不同的業(yè)務(wù)負載可以靈活選擇裸金屬、公有云、私有云、混合云、專屬云等多種部署方式。

正如云是混合的，AI也是混合的。

隨著生成式AI技術(shù)的不斷成熟，越來越多企業(yè)意識到，沒有一款基礎(chǔ)模型可以做到一家獨大。企業(yè)根據(jù)不同業(yè)務(wù)選擇最適合的模型將成為一種趨勢，多個業(yè)務(wù)場景對應(yīng)多個模型將成為常態(tài)。

從這個層面看，生成式AI時代也是混合AI時代。自2013年發(fā)布開放混合云戰(zhàn)略以來，這種跨開放混合云的能力正是紅帽的優(yōu)勢所在，其也將在AI時代進一步延續(xù)。

紅帽O(jiān)penShift 產(chǎn)品線經(jīng)理佟一舟介紹了一個金融行業(yè)客戶的案例。該企業(yè)在大模型出現(xiàn)之前就擁有豐富的ML小模型開發(fā)實力。然而在構(gòu)建生成式AI研發(fā)、生產(chǎn)、實施平臺的時候，該企業(yè)果斷選擇了紅帽。

一方面，大模型時代構(gòu)建AI平臺的難度和復(fù)雜度與小模型時代不可同日而語。另一方面，在多模型的混合場景下，企業(yè)需要找到一個中立的AI平臺作為合作伙伴，才能避免被單一廠商綁定的風(fēng)險。

“很多客戶希望AI平臺企業(yè)能夠穩(wěn)定為他們提供未來10年的服務(wù)，而目前很多底層技術(shù)都來自開源技術(shù)。紅帽30年的開源積淀，正是很多客戶看中的關(guān)鍵優(yōu)勢。”佟一舟表示。

結(jié)語

在生成式AI的時代浪潮中，開源技術(shù)正以其獨特的魅力和強大的推動力，為AI的廣泛應(yīng)用鋪設(shè)了一條堅實的道路。

開源與AI的碰撞，不僅降低了AI落地的門檻，更讓企業(yè)擁有了更多的自主權(quán)和選擇空間。

文中圖片來自攝圖網(wǎng)

END

本文為「智能進化論」原創(chuàng)作品，

       原文標(biāo)題 : AI落地難？是時候用開源降低AI落地門檻了