当下，AI无疑成为投资领域的最大热点，众多企业纷纷入局，大量资金竞相涌入。在各种力量的加持下，大模型如雨后春笋般不断涌现。然而，热潮的背后，如何找到适合的应用场景、将AI顺利地带入企业成为亟待解决的关键问题。
“开源混合是AI发展的必然趋势，我们将以开源的方法将AI带入企业。”红帽全球副总裁兼大中华区总裁曹衡康(Victor Tsao)表示。
战略：开源混合是AI必然趋势
两年多前ChatGPT的横空出世点燃了AI市场的热情，也吸引了业界将投资重点倾斜到AI领域。根据IDC的全球调研，2023年美洲、APJ（亚太及日本地区）和EMEA（欧洲、中东和非洲地区）在AI方面的总支出分别达到了1010亿美元、380亿美元和380亿美元。其中，活跃在信息通信前沿领域的中国市场表现得尤为抢眼，2024年投资的场景达到74个，预计到2025年将大幅增长到189个。
伴随着全球资本的大举进入，目前AI基础架构已经趋于完善，如何实现AI应用的有效起步成为当下业界关注的重点话题。在此方面，红帽认为，开源混合与AI的特点天然契合，也是AI未来发展的必然趋势。
“AI的关键词包括创新、效率、新颖等，同时也存在安全、透明度、隐私等方面的隐忧；而开源的关键词包括创新、透明、弹性等，缺点也是安全程度不足。”曹衡康认为。可以说AI与开源的优缺点相似，奠定了两者融合发展的基础。而在融合发展过程中，两者相互赋能的效应也清晰显现。
在AI加持下，开源混合将呈现以下变化。首先，更加重视自动化，将自动化能力部署到企业的边边角角，能够自动化完成关键任务。其次，开发者效率进一步提高，不需要人工编写每一行代码，AI可以帮助开发者完成工作，大幅提高应用开发效率和代码合并效率等。再次，AI加持使得企业更加安全，以及边缘计算和边缘分布更加广泛。
而有了开源混合的加持，AI也将能够更快更广泛地应用到各个角落。正如同云计算、边缘计算等每个时代都因为开源混合而发展壮大，AI时代也会因为开源开放而不断壮大。
事实上，AI的开源混合趋势已经得到了业界的广泛认可。据统计，截至2023年底全世界的149个大数据模型中有2/3基于开源开发而成。而根据IDC、Gartner等的统计数据，全世界85%的CIO认为要逐渐向开源过渡，60%的企业决定走开源的道路。对于混合而言，这一术语原本来自云计算领域。在云计算诞生伊始，公有云备受追捧，而后各种缺点逐渐显现，如缺乏弹性、成本高昂等，为此大多数CIO认为混合云是理想选择。对于AI而言，不可能将所有计算都放在公有云上，混合模式是最有选择。
战术：小模型和“三步走”
如果说开源混合是AI的战略方向，那么具体到实践层面，又该以怎样的战术将“开源混合+AI”很好地落地？对此，红帽的做法是小模型。
红帽表示，此前不少企业尝试用大模型提升效能，但实践中发现大模型并不适合生产场景，甚至一点小错就可能引发巨大风险。此外，大模型涉及的数据量大，开发应用所需时间较长，能耗较高，缺乏对企业个性化需求的针对性分析。在此情况下，小模型（fit for purpose）应运而生，涉及参数量少，能够精准满足用户需求。
以西门子工业自动化（成都）有限公司（以下简称“SEWC”）为例，作为一家务实的企业，SEWC重视通过AI、大数据等技术平台和数字化理念的引入，以实现生产效率和质量的提升。SEWC信息技术部经理杨健介绍，SEWC很早就开始应用小模型，尤其是在生产环节的机器视觉应用中，通过使用小模型，将垃圾分拣中金属、塑料和纸张等的分辨率从以前的85%提升到现在的95%以上，大幅提高了分拣效率。
红帽在小模型方面已经先行一步。据介绍，红帽通过InstructLab开源社区推出小模型，通过合成数据将对真实数据的需求降至原来的千分之一。这种方式不仅降低了算力需求，节约了成本，而且减少了能耗，对环境更加友好。此外，红帽的InstructLab是一个学习平台，支持市面上的各种模型。红帽不仅创建和使用开源模型，更在帮助企业构建个性化模型。通过小模型概念，快速将客户的知识库输入到模型，无论采用何种模型架构，都可以通过深度数据的方式生成企业的专属模型。
红帽大中华区方案架构部总经理王慧慧（Aella Wang）表示，为了帮助客户在充分了解成本和收益的基础上逐步向AI过渡，红帽提出了三步走的“分步实施”策略。第一步，客户可以在最小资源配置下试用开源模型和工具，比如在笔记本电脑上用CPU试跑，而不需要额外的GPU卡。第二步，通过云租用算力进一步扩展，客户可以选择基于公司数据中心或外部公有云资源，确认模型适合需求后进入第三步。第三步，红帽的架构支持跨云混合部署，例如，客户可以在中国使用阿里云，在美国使用AWS，既灵活又经济。“我们的目标是帮助客户实现最佳的投资回报率，并在每一步为其提供适配的支持。”王慧慧进一步强调。
