开源即创新。从Linux、Kubernetes到如今的AI,红帽的破局之道始终如一:将最前沿的开源技术转化为企业级产品。历史不会重复,但总会押韵。在人工智能时代,红帽正凭借统一、稳定、安全的平台能力,打破产品锁定的焦虑,把选择权交还给企业。
当前,AI技术正以前所未有的速度迭代,大模型层出不穷,算力硬件持续更新,智能体应用加速渗透。
技术迭代之下,企业AI落地的现实桎梏
对企业而言,AI不再是要不要做的选择题,而是如何平稳落地、控制成本、规避风险的必答题。然而,从战略走向落地的路上,仍要面对重重挑战。具体来看:
其一,生产转化鸿沟显著。《2026中国企业级AI实践调研分析年度报告》(以下简称《报告》)显示,55.2%的受访企业已将AI明确定位为战略核心或重要支撑,但真正实现战略性投入的比例仅为25.9%。不少企业试点阶段选定某款大模型,待业务流程全面适配后,性能更优的新模型又快速涌现,更换模型意味着高昂的适配成本与业务中断风险;硬件层面同样如此,单一GPU厂商的供货波动、价格上涨,都会直接拖慢AI项目节奏,企业被供应商绑定的困境越发明显。
其二,治理与安全严重滞后。《报告》指出,近七成的企业已部署或试点AI Agent,但正式AI治理框架覆盖率仅14.4%。AI挖漏洞的速度已远超人类修复速度,传统补丁更新周期完全无法应对AI时代的安全威胁,智能体权限边界模糊的问题更暗藏生产风险,越权操作与擅自修改高危数据以62.7%的提及率高居企业Agent“越界”最担心的安全情况首位。
其三,架构碎片化严重。很多企业的AI系统独立建设,与原有IT体系割裂,形成新的“技术烟囱”,算力、数据、运维无法复用,既推高了投入成本,也增加了管理复杂度。
归根结底,AI落地的困境不在于技术本身,而在于缺少一个能够统合算力、模型、数据与安全治理的开放技术平台。当变化成为常态,“通用底盘”就不再是可选项,而是企业AI战略的必选项。
选择权与一致性:红帽战略的核心坐标
面对以上挑战,红帽给出的答案,可以概括为“三个C、四个A”:为企业提供Choice(选择权)、Consistency(一致性)、Control(控制权),其平台则支持任意加速器(Any accelerator)、任意云环境(Any cloud)、任意模型(Any model)以及任意智能代理(Any agent)。
要理解这一布局,不妨先看红帽给自己划定的坐标。红帽全球副总裁兼大中华区总裁曹衡康用“五层蛋糕”描述红帽的位置:最底层是电力能源,其上是GPU、CPU等硬件,中间是基础设施软件,再往上是模型,最顶层是智能体与应用。红帽牢牢扎根中间的软件基础设施层,下不碰硬件、上不做应用,以中立平台身份串联全产业链,使企业既能跟上技术迭代节奏,又无须承担频繁重构底层架构的成本,从而获得不被某一种技术路线锁定的自由。

红帽全球副总裁兼大中华区总裁曹衡康
这种自由首先体现在“四个Any”上。加速器层面,红帽平台支持Intel、NVIDIA、AMD等国际主流产品,也支持沐曦等国内GPU厂商,并通过GPU as a Service的思路实现多类加速卡统一调度;云层面,延续开放混合云路线,支持公有云、私有云、数据中心和边缘侧;模型层面,红帽不替客户选模型,而是支持20多个开源模型、合计700多个版本,让客户根据业务场景自由选择;智能体层面,则向上支持智能体运行、治理与可观测。“红帽要做的就是‘解锁’,把选择权交到客户手中。”曹衡康说道。
但选择权并不等于放任碎片化。红帽大中华区方案架构部总经理王慧慧特别强调,企业AI系统不应建成一个个单独的技术堆栈,而应在一个统一平台上完成。只有依托统一平台,企业才能把过往IT治理中的权限管理、安全基线、运维流程延展到AI上。这个观点很关键:AI治理不是另起一套流程,而是把既有治理能力“平移”到AI场景。红帽建议客户不要单独建AI管理流程,而是沿用原有Linux安全基线、OpenShift平台治理方式,这能显著降低治理成本,也更容易让CIO把AI纳入企业整体IT框架。

红帽大中华区方案架构部总经理王慧慧
从产品结构看,红帽AI平台的分层逻辑也服务于这一目标。底层是任意加速器;其上是基于RHEL和OpenShift的AI基础设施层,提供稳定、安全的运行环境;再往上是推理服务层,红帽收购的Neural Magic在推理引擎领域具备较强能力,vLLM已成为开源推理的事实标准,红帽还推动分布式架构llm-d发展以支持分布式推理;再往上是模型服务层,支持客户自由选择;最上层是智能体服务层,重点解决智能体身份、生命周期、权限和可观测性。
从Token工厂到安全底座:先过平台关
需要指出的是,推理直接关系Token经济:同一个业务请求,经过vLLM等推理优化后,可以用更少资源承载更大负载,降低能耗和Token消耗,最终帮助企业节约成本。
当前企业AI账单的矛盾在于,单位Token成本在下降,但总账单却在上升,原因是思考型智能体(thinking agent)让Token消耗呈指数级增长。企业不能只做Token消费者,也要具备Token生产能力。红帽AI平台的价值,就是帮助企业搭建自己的“Token工厂”,把GPU、模型、推理引擎和智能体管理统一起来,在成本、效率和可控性之间取得平衡。
安全则是另一个不能绕过的命题。AI挖漏洞的速度已经超过全世界研发人员一起补漏洞的速度,传统“等最新版本打补丁”的方式,对企业级系统并不现实。红帽的应对可以概括为三层:第一层是延续三十多年的反向移植(backport),把补丁回移到RHEL的旧版本,让不愿或不能升级的客户也能获得安全修复;第二层是可信镜像与滚动发行版,Hardened Image提供经过验证的微小容器镜像,Hummingbird Linux则让AI组件漏洞补丁不必等待下一个正式版本;第三层是红帽与IBM合作的Lightwell项目,从Java、Python等海量开源库入手,制作补丁,并通过自动化把补丁上线时间从40多天缩短到7至14天。
虚拟化与开放混合云则把上述能力收敛到同一平台。红帽OpenShift连续多年在容器管理、云原生应用等魔力象限中处于领导者位置,服务器虚拟化也被Gartner评为领导者。对企业而言,这意味着同一套平台既能跑传统虚拟化负载,也能跑容器和AI负载,一次投资可以覆盖三类IT需求,而不是为AI再建一座孤岛。这种“三件事变成一件事”的思路,正是对架构碎片化的直接回应。
具身智能是这套平台向物理世界延伸的典型场景。红帽与Intel、紫金星宇、西湖机器人、施耐德电气联合推出面向工业自主运营的具身智能联合解决方案。机器人相当于“移动的数据中心”:小脑在边缘侧负责运动控制,大脑在云端或数据中心负责判断决策;红帽居中提供平台,向下连接机器人本体和芯片,向上承载模型、智能体与应用。若只有一台机器人,管理并不难;但一千台机器人每天执行不同任务,就需要统一平台做容器化管理、指令下发、安全管控和软件升级。红帽在边缘计算和OpenShift AI上的布局,正是为这一趋势做准备。
生态与出海则是红帽战略的另一面。红帽全球硬件生态伙伴近五千家、软件伙伴约四千多家,国内合作伙伴覆盖算力、模型和机器人厂商等。对中国企业而言,出海时海外客户常问“是否支持红帽Linux、是否支持OpenShift”,这背后是合规与标准。红帽的平台一致性可以降低出海企业的合规成本和技术适配成本,这也是其生态价值的现实体现。
写在最后
回看这场沟通会,红帽的叙事始终围绕一个词:解锁。解锁模型,解锁算力,解锁云环境,也解锁出海的合规通道。
这背后是红帽三十多年不变的立身逻辑:开源的世界里没有一家公司能做完所有事,平台的价值在于让更多人站在上面。从Linux到Kubernetes,再到今天的vLLM与llm-d,红帽一次次把社区里最锋利的技术,打磨成企业敢托付生产的版本。在AI高速迭代的浪潮中,模型会换、算力会涨、智能体会层出不穷,而那个不替你做选择、却让你随时可以重新选择的平台,或许才是企业在这场长跑里需要握紧的筹码。
微博认证登陆
QQ账号登陆
微信账号登陆