10月30日,2026红帽论坛在上海召开。450余位技术决策者、行业专家与生态伙伴到场,超出了主办方按300人规模所作的会场准备,这充分说明了企业级AI在当下的受关注程度。
今年论坛的主题是“The Next Platform is Choice(未来平台,即是选择)”。这一表述初看是红帽的一个口号,但对照一组调研数据,其指向就显得非常具化。由CIO时代与红帽联合发布的《2026中国企业级AI实践调研分析年度报告》显示,开源大模型私有化部署率在一年内由16%升至62.9%,近七成企业已部署或试点AI Agent,同期,正式AI治理框架的覆盖率由19%下降至14.4%。扩张的速度超过了组织准备的速度,这正是红帽在本届论坛试图回答的核心命题。
模型迭代加速,CIO如何应对
红帽全球副总裁兼大中华区总裁曹衡康,在开场演讲中描述了一个颇具代表性的场景。企业刚刚选定模型、完成业务流程适配,CEO在听闻市面上出现性能更优的模型后,一般就会向CIO提出“是否也要尝试”。CIO的难处并不在技术判断,而在更换模型的隐性成本。工作流需要重建,人员需要重新培训,底层平台甚至可能无法兼容。类似困境同样出现在硬件侧,长期锁定单一GPU供应商的企业,在供货紧张与价格上涨的双重压力下,只能接受更高的采购成本。
红帽给出的方案,本质上是把选择权留给客户,而非替客户作出选择。这对应其反复强调的“三个C、四个A”,即选择权(Choice)、一致性(Consistency)、控制权(Control),在平台层面则体现为任意加速器、任意云、任意模型与任意智能体(Any accelerator, Any cloud, Any model, Any agent)。曹衡康以汽车集团的多品牌共享平台作比,他表示,不同品牌车型可以共享同一套基础平台,再在此之上形成差异化配置;红帽希望成为AI时代共用的平台底座,其上搭载何种模型、何种加速器,由客户自行决定。
Token经济学:从消费者到生产者
如果说曹衡康谈论的是战略层面的选择权,红帽大中华区方案架构部总经理王慧慧的技术演讲则转向了更为具体的成本核算,即Token经济学。
过去一年,单位Token的采购成本持续下行,企业整体支出却在上升。原因在于智能体与推理模型的普及使单次任务的Token消耗呈指数级增长,调用规模的增长抵消了单价下降带来的收益。红帽由此提出一个判断,企业不应长期停留在Token消费者的角色,更应成为Token的生产者,在自有平台上建设“Token工厂”。
这套逻辑对应红帽AI平台的分层架构。底层以GPU as a Service统一纳管异构算力,英伟达、AMD、沐曦等国内外加速卡可在同一平台混布混调。其上为vLLM推理引擎,以及今年重点推广的llm-d分布式推理架构。再上一层是Model as a Service,覆盖20余个开源模型、合计700余个版本,可供按需选择与替换。顶层则是智能体的权限与治理。其中,推理层的经济性最值得关注。vLLM可以帮助用户在预处理模型上成倍提升性能,已经成为开源领域的事实标准。
漏洞发现快于修复,红帽主张以AI应对AI
安全是本届论坛的第二大关键词。AI已发现潜伏27年之久的漏洞,单个漏洞的发现成本降至50美元以下;而全球网络安全人才缺口仍达480万。攻守失衡具有结构性,难以通过增加人力弥合。
红帽的应对分为三个层次:第一个层次延续红帽三十余年的一项既有做法,反向移植(backport),在为最新版本发布补丁的同时,将同一批补丁移植回RHEL 6、7、8、9等旧版本,使企业无需为满足安全要求而升级整套生产系统;第二个层次是Hardened Image和Fedora Hummingbird Linux。红帽Hardened Image是一个微型容器镜像,原生包含没有漏洞的组件,可供开发者作为开发底座。Fedora Hummingbird Linux是一个滚动版操作系统,用户可以在其中获取安全补丁,而不必等待下一个正式版本发布;第三个层次是新近推出的Lightwell项目,从Java、Python等开源库入手,红帽与IBM投入两万余名开发人员持续制作补丁,汇入一个经过修复与验证的开源软件库,并可经由自动化流程在7至14天内交付至客户生产环境。若无这套自动化机制,补丁部署平均需要40余天。红帽将这一过程形容为把散落在社区中无人维护的“孩子”重新接回来照看,这也构成该项目在社区治理层面的意义。
五方联合发布具身智能方案,红帽定位平台层
论坛期间的重要发布,是红帽联合英特尔、紫金星宇、西湖机器人、施耐德电气推出的面向工业自主运营的具身智能联合解决方案。五方分工明确,西湖机器人提供机器人本体,英特尔提供芯片,施耐德电气提供工业场景经验,紫金星宇负责毫米波通信,红帽则提供运行平台。曹衡康对此的比喻颇为直接:一台人形机器人相当于一座移动的数据中心,红帽希望成为这座数据中心的运行平台。
在技术路径上,机器人的“小脑”(运动控制)运行于边缘侧的红帽平台,“大脑”(决策模型)部署在云端数据中心,并通过OpenShift AI对成百上千台机器人实现统一调度与算法的一键式下发。管理单台机器人并不困难,当上千台机器人各自承担不同任务时,平台的价值才真正显现。其目标场景是工业自主运营:机器人抵达现场后识别故障位置并自主完成维修,救灾与养老照护则被视为同一技术路径的延伸场景。
红帽认为,具身智能核心仍落在场景而非表演,跳舞与走秀一类展示只是唤起兴趣的起点。国内具身机器人企业已超过两百家,预计将经历一轮“野蛮生长”与“出清修正”,路径与当年的电动车行业相似,但其成本的优势确实存在。
四个获奖案例,一套共同逻辑
于10月30日红帽论坛上宣布获得2026红帽亚太创新奖的四家企业,在一定程度上为上述判断提供了注脚。泰康保险基于红帽AI搭建云端算力与服务平台,统一管理异构GPU并快速部署DeepSeek等大模型,获得AI类别奖项。长安福特借助OpenShift虚拟化将传统虚拟机迁移至云原生平台,在降低许可成本的同时摆脱厂商锁定。李锦记以“虚拟机与容器共存”的统一底座替代传统虚拟化方案,并为产线品质检测、智能营销预留了AI扩展空间。新开发银行基于运行于阿里云之上的OpenShift打造云原生集成即服务平台(iPaaS),充当全行的企业级集成骨干。
四家企业横跨保险、汽车、食品与金融四个行业,路径各有不同,但逻辑一致,即以统一平台承载复杂性,而非以新的烟囱式系统替换旧的烟囱式系统。
结语
让我们回头再看一下这组数据:近七成的企业已有Agent在运行,建立正式治理框架的仅14.4%。红帽希望提供的,本质上是弥合这道剪刀差的能力。统一平台、Token经济学与Lightwell,都围绕着同一命题而展开。
当然,“把选择权交还客户”是所有定位于中立平台厂商的一套惯性表述,笔者认为,真正的考验在于,当模型迭代周期缩短到以天为计算单位,硬件供货紧张成为行业的常态时,企业是否愿意为一份“未来的选择权”来提前付费。从现场超出预期的出席规模来看,相当一部分CIO已在认真对待这一问题。
毕竟在AI这场长期竞赛中,比选错技术路线更被动的处境,是失去调整路线的余地。

评论
更多评论