在今年早些時候的Red Hat Summit峰會上，Red Hat通過OpenShift AI深化了平臺功能，可以讓組織將更多人工智能工作負載添加到OpenShift上的應用組合。

此舉是對Red Hat目標的一個自然延伸。Red Hat的目標是要成為應用開發(fā)人員和基礎設施運營商在跨公有云、私有云以及網絡邊緣的分布式IT環(huán)境中構建和運行應用的首選平臺。

Red Hat通過OpenShift AI為創(chuàng)建生產型AI和機器學習模型提供了標準化的基礎。Red Hat還與IBM合作開發(fā)了Ansible Lightspeed，IBM也對其Watson Code Assistant進行訓練來編寫Ansible自動化手冊。

(資料圖)

然而，Red Hat的AI舉措在某種程度上被開源社區(qū)對于Red Hat限制客戶訪問Red Hat Enterprise Linux (RHEL)源代碼的回應所掩蓋了。Red Hat是在Red Hat Summit峰會大約一個月之后宣布這個決定的，目的是防止重建者在不增加軟件價值的情況下從RHEL代碼中獲利。

Red Hat公司首席執(zhí)行官Matt Hicks談到了Red Hat公司為支持在混合云環(huán)境中使用生成式AI以及MLOps工具所做出的努力，此外他還對RHEL源代碼的混亂局面以及Red Hat如何解決社區(qū)對這個決定的擔憂，表達了他的觀點。

您能否解讀一下最近Red Hat Summit峰會上發(fā)布的一些重要公告以及這些公告對于Red Hat未來發(fā)展的意義？

Hicks：我將從人工智能開始，然后再返回來，因為我認為AI本質上將是一種混合工作負載，這一點已經變得非常清楚。你可能會在大型環(huán)境中訓練模型，然后在盡可能靠近用戶的地方運行這些模型。長期以來，我們一直相信開放式的混合云，這是一種令人興奮的工作負載，可以讓客戶接受混合架構。

像ChatGPT這樣的熱點讓大多數(shù)企業(yè)客戶開始試圖弄清楚AI會給他們的業(yè)務帶來怎樣的影響，讓他們思考如何才能做好混合，而我們在這次峰會上發(fā)布的公告，大部分內容都是關于為混合奠定基礎的，無論是傳統(tǒng)應用、云原生應用還是AI工作負載。

我們通過幾種不同的方式來做到這一點，首先是我們正在做的安全供應鏈方面工作。正如你所知，技術堆棧正在快速變化，因此當你交付基礎的時候，無論是在本地、公有云中還是最終走向邊緣，了解基礎的來源及其安全性都是至關重要的，尤其是當你把一些東西遷移出數(shù)據中心的時候。

Service Interconnect是我們公布的第二部分內容。Service Interconnect讓應用可以更輕松地通過SSH通道和VPN連接到混合云中的組件。我們對此感到非常興奮，因為我們相信，AI不會是單獨存在的，它要與應用一起運行，而這些應用必須從訓練環(huán)境開始就是和你的業(yè)務運行環(huán)境互連的。

第三部分是開發(fā)者中心。我們已經看到許多使用OpenShift的企業(yè)在構建自己的門戶，來收集他們的資產，并向他們的開發(fā)人員指出他們應該從哪里開始，例如要使用的圖像和服務。這非常常見，如果你有了一個安全的基礎，而且你構建了跨多個位置的應用，那么能夠發(fā)布和使用這些應用以支持更廣泛的開發(fā)團隊也是同樣重要的。

如何解決AI帶來的一些挑戰(zhàn)，例如可解釋性，特別是具有數(shù)十億甚至數(shù)萬億參數(shù)的大型語言模型？

Hicks：這包括兩個部分——一個部分是我們在做的，另一部分取決于模型創(chuàng)建者。我要講講我們和IBM在Ansible Lightspeed方面所做的工作，主要是為了提供特定領域的AI生成功能，你可以要求該功能提供內容，我們會為你生成相應的內容。ChatGPT的應用非常廣泛，它非常具體并且非常適合Ansible。

關于你提的問題，我們強調的事情之一是來源，特別是AI提供建議的來源，因為我們從事的是開源的業(yè)務，許可、版權和商標規(guī)則都很重要——你是不能夠隨心所欲地提取代碼，然后放進其他任何代碼中。我們希望確保，我們展示了我們所能做到的。

現(xiàn)在這個問題實際上發(fā)生在兩個堆棧上。我們借助OpenShift可以幫助支持DevOps中的一整套工作——源代碼管理、同行評審、代碼發(fā)布、標記、了解發(fā)布模塊、管道，然后發(fā)布代碼，OpenShift在這方面做得很好。我們可以利用整個集合并將代碼從筆記本電腦轉移到生產環(huán)境中。

AI模型并沒有那么不同。就原則要求來說，你需要了解你一開始就使用的模型。如果是生成式AI，那么你需要確切地知道你引入了哪些數(shù)據，以及你如何訓練這些數(shù)據，或者進行細化訓練或提示工程。你需要能夠跟蹤輸出內容，并在將其發(fā)布到生產環(huán)境之前對其進行測試，因此如果結果發(fā)生變化，你就會知道它是來自哪里的。這個部分很棘手，因為數(shù)據變化如此之快，以至于你無法只是發(fā)布數(shù)據而不重新訓練數(shù)據。對數(shù)據的再訓練和代碼生成一樣，都是持續(xù)不斷的。

因此，我們在OpenShift AI上所做的就是MLOps——提取數(shù)據、訓練模型，并使用與代碼非常相似的管道。但是你需要有一個基礎模型，這就引出了模型最初是如何訓練的問題，這是Red Hat本身并不做的事情，而是由IBM、Meta、OpenAI和其他模型生成器完成的，此外Hugging Face也有很多開源模型生成器。

對IBM來說，他們會嚴格控制自己的模型，因為這是Ansible特定的領域。他們會嚴格控制訓練對象，以便最終能夠驅動核心歸因。有兩個不同的陣營——有些陣營對所有公開可用的內容進行訓練，為你提供大量參數(shù)模型，其中歸因始終是一個挑戰(zhàn)。然后是Hugging Face，它有很多專門的模型，這些模型可能從基礎模型開始，但僅限于領域之內。

我們的目標是確保我們能夠將這種原則添加到你一開始的內容之中。你在數(shù)據方面改變了什么？你是如何重新訓練的？結果如何？在哪里發(fā)布？現(xiàn)在有很多訓練，但在未來一兩年內，我們認為我們將更多地進入推理領域，而迭代方式則變得至關重要。

除了IBM之外，是否有計劃與市場上的其他參與者合作？此外，Red Hat與那些也具有MLOps功能的超大規(guī)模企業(yè)有著深厚的關系——您對競爭格局有何看法？

Hicks：我們不做模型的原因之一，就是我們想確保我們是一家平臺公司。我們的工作是以盡可能最好的方式運行最好的模型。我們如何使用RHEL和OpenShift將模型（無論是哪一個模型）橋接到Nvidia、英特爾或者是AMD的硬件以驅動訓練和推理？因為不涉足模型，這讓我們天然地成為了所有人的合作伙伴，而且這實際上也是一項關于硬件的聲明。我們如何才能充分地利用OpenShift分布式計算的訓練環(huán)境，然后進行推理，很多時候更接近核心RHEL或更小的OpenShift實例。所以，這是第一層。

看看OpenShift AI就會發(fā)現(xiàn)，第二層是我們與許多其他公司展開合作的地方，這些公司添加了專門的功能，無論是關注函數(shù)數(shù)組的Starburst還是其他公司。IBM在Watsonx上所做的工作令人感到興奮。他們大量使用了OpenShift AI，從一開始他們就對OpenShift很滿意。我們的目標是確保我們作為一家平臺公司是具有中立性和獨立性的，很高興我們能夠為IBM提供服務，但同時我們也會有其他的合作伙伴，因為這個領域有太多的專業(yè)化技術和利基產品了。

我最近見到了SUSE公司的首席執(zhí)行官，我們談到了Red Hat最近關于限制其客戶訪問RHEL源代碼的決定。Red Hat高管已經撰寫了很多文章來解釋這么做的理由，那么您是如何向客戶解釋這個問題并打消社區(qū)對這個決定的擔憂呢？

Hicks：我將通過兩種方式解決這個問題。關于社區(qū)的擔憂，我認為這其中有一半是人們才剛剛開始意識到我們是帶來了RHEL的訪問路徑，無論是供團隊使用的RHEL還是可供非生產使用的多個實例，或者是供個人和愛好者使用的免費RHEL。我們的首要目標是，如果你是Linux的貢獻者，我們絕不想妨礙你使用我們的產品。我認為我們可能在一年前就消除了很多這樣的障礙。隨著人們越來越多地使用RHEL，還有改進的空間嗎？當然，這可以確保RHEL可供受眾使用。

當我們接觸到那些想要構建專有Linux社區(qū)或者從我們已經完成的一些工作開始著手、但朝不同方向發(fā)展的社區(qū)群體時，我們的觀點是，就下一個版本的RHEL而言，CentOS Stream提供了你所需的一切。如果你想對其進行更積極的改進，F(xiàn)edora可以為你提供所需的一切。如果我們自己選擇的話，你的貢獻可以流入RHEL。

RHEL的逐位重建對我們來說并不適用?，F(xiàn)在，有人總是可以進入CentOS，所有代碼都可以重新組合，但我們對Linux發(fā)行版的偏好是添加一些新穎的或者專門的內容，以前所未有的方式使發(fā)行版變得更好。

對于我們的客戶來說，他們中的大多數(shù)人與社區(qū)建設者就像生活在不同的世界。我們的RHEL源代碼政策非常好地涵蓋了我們的客戶群，因為如果你作為客戶需要源代碼，你就會得到它們。我們有使用過RHEL和CentOS的客戶，這對他們來說無疑是一個決策點。但Linux是地球上可用性最高的操作系統(tǒng)，因此他們有很多選項可供選擇。我們始終希望確保能夠通過RHEL為他們提供服務，但這并不是一項真正的客戶挑戰(zhàn)。

我想說的挑戰(zhàn)是，社區(qū)感覺我們從他們那里拿走了一些東西。其中一半原因是他們對CentOS Stream不太熟悉，也不熟悉RHEL的使用方式。我們從事開源已經有一段時間了，你在開源中所做的任何改變往往都會引起非常強烈的反應。我們仍然堅持開源——我們仍然開源我們所做的一切，我們仍然為我們賺的每一美元做出巨大的貢獻。

在您給員工關于最近裁員的信中，提到了Red Hat關注真正擅長的事情的重要性。您能詳細說明一下這些事情是什么，以及您希望實現(xiàn)什么嗎？

Hicks：這是一個很好的問題，我?guī)缀趺看卧诠緯h開始的時候都會說，“放心，我們是一家平臺公司”。我們將定位在硬件之上，在邊緣世界中，在數(shù)據中心外新整合的設備上。我們將連接到應用，無論是傳統(tǒng)應用還是新的云原生應用，然后你就可以擁有AI工作負載。

從RHEL時代到JBoss中間件，再到OpenShift和分布式計算，我們所做的工作就是確保想要使用我們平臺進行構建的開發(fā)人員擁有盡可能廣泛的影響力。這很重要，因為現(xiàn)在有很多事情都在發(fā)生變化。看看邊緣和AI的交叉點，想要成為一家平臺公司，我們就必須服務于這個市場和此類工作負載，這意味著我們必須在工程和銷售上有所投入。

我們擁有這個令人難以置信的機會，讓Linux、OpenShift和Ansible在企業(yè)中取得成功。但數(shù)據中心的邊界正在發(fā)生變化，新技術正在改變企業(yè)構建事物的方式。這是我們要面對的下一個機會，從數(shù)據中心到云還有大量的工作要做，但我們必須堅持不懈地專注于成為一個平臺，并為這些用例提供服務。

這就是我們想要做得很好的事情，其中一些工作是在操作系統(tǒng)領域，例如保護軟件供應鏈、PyTorch優(yōu)化或者Nvidia集成等領域；還有一些工作會涉及分布式計算，這就是我們通過OpenShift所做的事情，以及圍繞Ansible編排方面還有很多的工作要做。

我們肯定會投資這三個領域之外的其他領域，但如果我的工作做得好，你永遠不會看到我們投資于那些無法追溯到這個平臺用例的領域。我認為，現(xiàn)在對我們來說這是一個相當大的市場，我們了解這個市場的動態(tài)，我們知道如何向這個市場進行銷售，而且我們擁有這個市場中的人才，這些不斷發(fā)展的領域中有足夠的機會值得我們關注。

關鍵詞：