作者：Waqaas Kausar
人工智能（AI）應用日漸融入我們的日常生活，帶來全新的發展機遇，并對傳統產業產生了顛覆性的影響。在過去至少二十年的時間里，以機器學習（ML）為代表的預測性人工智能為各領域帶來了愈發顯著的效益，這點在醫療和欺詐檢測等領域尤為突出。隨著生成式人工智能（gen AI）逐漸成為主流趨勢，人們愈發難以準確預估這項技術可能帶來的廣泛影響。幾乎每天都有AI取得新突破的消息，而在這背后，有一股力量正在支撐并持續塑造人工智能創新，那就是開源軟件。
開源軟件曾是一種小眾概念，常與志愿者在周末編寫代碼并免費分享成果的場景聯系在一起。大型企業最初對此持懷疑態度，但隨著軟件行業的發展，推動Linux和Apache軟件基金會等項目的社區群體證明，開放協作能夠產生可擴展、安全、成本效益高的解決方案，而這些恰恰是專有軟件模式很難提供的。
紅帽在確立開源軟件的企業級地位方面發揮了引領作用，如今幾乎很難找到不依賴開源軟件的軟件解決方案和應用。Google、IBM、Microsoft、Amazon、NVIDIA等其他大型科技公司，以及像Spotify、Netflix這類高度依賴技術的企業，都深度投身于開源軟件項目之中。倘若沒有開源軟件，互聯網、移動設備、云計算和人工智能這些過去二十年間最重要的技術，是根本無法發展至今的。
隨著人工智能研究的進展，我們看到了相同的模式，領先的框架、平臺和工具，如TensorFlow、PyTorch、Kubeflow和Jupyter Notebook等被免費共享，在全球范圍內形成了開源社區。無論是云端還是本地，用于模型訓練和推理的軟件基礎設施也大多采用開源模式。然而，這其中的矛盾之處在于，開源軟件對人工智能變革至關重要，卻鮮少被提及。
效率至上：打破人工智能的計算與能耗瓶頸
人工智能的發展進程正面臨被能源和硬件限制所阻礙的風險，領先的云服務提供商和人工智能實驗室報告稱，前沿GPU和專用硬件出現短缺。此外，數據中心的電力消耗可能很快會受到電網容量的限制。
開源人工智能軟件基礎設施可以通過以下方式幫助應對這些限制：
●硬件靈活性與供應商中立性：開源人工智能框架具備更廣泛的兼容性，且通常不依賴特定供應商，支持采用多種不同架構的社區。這些框架可用于處理各類處理器類型的工作負載，從而降低對難以獲取的GPU及其他專用硬件的依賴。
●可定制的AI調度方案，提升資源利用效率：開源平臺和諸如Kubernetes、Kubeflow和Apache Airflow這樣的技術為組織提供了動態優化AI工作負載調度的能力，能夠根據能源消耗、資源可用性和運營優先級進行調整。
●邊緣人工智能與聯邦學習：開源邊緣計算框架，如KubeEdge，能夠在更接近數據源的位置處理數據，減少組織對集中式云資源的依賴。
面對當前已顯現且預計將加劇的計算與電力資源短缺問題，企業亟需采用更節能、硬件效率更高的人工智能架構。開源軟件基礎設施為實現這一目標提供了堅實的技術支撐。
采用挑戰：開始使用可持續且可擴展的人工智能
盡管大多數組織都認識到人工智能在推動創新和提升競爭優勢方面的潛力，但推動一個清晰的初始用例仍可能頗具挑戰性，特別是在數據科學和機器學習人才匱乏的情況下。
在成功試點之后，治理、安全及持續優化將成為在企業范圍內擴展人工智能項目的關鍵。一個完整且全面的人工智能平臺能夠提供這些能力。早期低成本的實驗可以激發突破，但當團隊從概念驗證過渡到大規模部署并進入生產環境時，穩健的平臺和最佳實踐變得至關重要。合適的平臺將使組織能夠開發和整合所需的新技能和工具集，同時自動化重復性任務，并提供按需資源擴展。
統一平臺可讓組織專注于創新，同時提供復雜IT環境所需的可靠性、增強的安全態勢和易管理性。
將開源人工智能引入企業
紅帽以其核心產品而聞名——紅帽企業Linux（RHEL）、紅帽OpenShift和紅帽Ansible自動化平臺。紅帽已將其重點擴展至人工智能領域，通過紅帽AI構建領先的開源平臺，包括以下產品：
紅帽企業Linux AI（RHEL AI）為企業提供了一個更易于訪問且更高效的開源基礎，助力企業采用生成式人工智能。它簡化了人工智能模型的部署和管理，并提供對IBM Granite基礎模型開箱即用的支持，還具備透明度、增強的安全性和靈活性。
RHEL AI使組織能夠使用InstructLab框架，通過自有數據對基礎模型進行微調，為企業開啟生成式人工智能之旅提供低門檻的入門路徑，并在需要時擴展到更復雜的人工智能架構，如紅帽OpenShift AI。RHEL AI由紅帽全面支持，并可實現混合云環境中的遷移。
下圖概述了在RHEL AI中使用InstructLab對模型進行微調的工作流程。
數據科學家可以訪問一個可擴展的環境，用于快速實驗和簡化模型部署。借助對多個AI框架的支持以及重復性任務的自動化，他們能夠更好地專注于創新和模型優化，從而加速價值實現時間。
應用開發人員和DevOps團隊可通過與CI/CD管道的集成以及強大的自動化功能，在混合環境中實現集中管理。這些功能可加速迭代、提升發布可靠性，并簡化擴展流程，同時使用開源基礎確保與現有工具集的兼容性。
OpenShift AI是一個簡化團隊協作的平臺，助力交付驅動數字化轉型和競爭優勢的人工智能賦能的應用。下圖展示了OpenShift AI的整體功能以及部分可用的組件和生態系統。
開源軟件為人工智能的快速發展奠定了基礎。隨著生成式人工智能從概念走向實際應用，協作與透明度比以往任何時候都更加重要。
大型組織必須做好準備，采用能夠促進大規模人工智能部署的治理和管理的實踐和技術。紅帽在提供企業就緒的開源解決方案方面擁有豐富經驗——RHEL AI和OpenShift AI便是我們如何通過可擴展且靈活的平臺塑造人工智能行業格局的例證。
如果您正在嘗試訓練自己的模型、擴展企業人工智能平臺或希望了解更多關于RHEL AI和OpenShift AI的信息，紅帽可以幫助您的組織以負責任且高成本效益的方式，解鎖人工智能的全部潛力。
關于作者
Waqaas Kausar
紅帽客戶技術主管
Waqaas是紅帽的客戶技術主管。自2015年以來，他為公司一些最大的客戶提供支持。他的職業生涯橫跨全球金融服務、能源及英國公共部門，擅長應用開發、業務自動化、容器平臺以及人工智能/機器學習（AI/ML）。
Waqaas非常擅長融匯創新與實踐，為復雜的轉型挑戰提供戰略愿景和技術深度。作為一名終身學習者，他于近期獲得了管理與數據分析碩士學位，并將學術好奇心融入工作——無論是探索云原生現代化還是開源的未來。
Waqaas是一位全身心投入的導師，也是協作成長的積極倡導者。他堅信，唯一不變的就是變化本身——而帶著明確目標去擁抱變革，正是實現有意義進步的動力。
