与Red Hat Cao Hengkang的对话：开源模型在AI的未来中占主导地位

21世纪的《先驱报》记者孔·希利（Kong Hili）报道说，2025年，全球人工智能行业始于水。 DeepSeek开源模型迅速关注该行业。 Openai创始人Sam Altman很少承认他的“近距离资源路线处于历史的错误方面”，最近宣布，他将在接下来的几个月内发布自GPT-2以来的首个开放资源模型；最初采用封闭资源路线的国内互联网公司也转向开放的生态系统资源。一系列事件在AI路线的开源中取得了分阶段的成功。开放资源（例如成本，透明度和灵活性）的优势正在修复大型模型的竞争。作为全球资源开放式公开路线的代表之一，“用开放资源促进卓越革命”的红色帽子确实较早。目前，DeepSeek的受欢迎程度增强了公众对开放资源溃败的认识e。最近，Red Hat Global和China总统副总裁Cao Hengkang在接受《 21世纪商业先驱报》的记者采访时说，Red Hat守护DeepSeek作为“生态合作伙伴”：“他们的模特可能会消耗出Red Hat Platform。”这种辅助合作已经诞生了新的商业模式 - 可以同时部署开放的资源模型，例如DeepSeek和Llama，以根据Red Hat的OpenShift AI平台来改变根据业务需求改变计算能力。 Lungno很重要，AI有多受欢迎，许多公司都处于勘探和试验阶段。 Red Hat Data显示，有94％的企业会进行生成AI飞行员，并希望在未来3至5年内真正实现返回的AI投资。 “ AI部署的挑战不仅是技术本身，而且更重要的是，如何将AI应用于实际生产环境，尤其是在基本业务应用程序中。” Cao Hengkang说。 CAO HEngkang宣布，在Red Hat的角度来看，AI的企业级别更合适的途径是开放资源，该资源是混合的，由小型模型拥有。到目前为止，开放资源的成本更加明显。原因是此阶段的AI仍需要许多尝试。如果一千人向一千个指示探索，那么速度将比个人探索更快。在传统的软件开发中，需求和实施路径通常很明确，并且使用封闭资源没有错。但是，许多人仍然不知道AI领域，开放资源可以加快变革的过程。封闭的资源意味着只有少数人可以尝试，并且效率相对较低。通过开放资源，世界各地的开发人员可以参与AI的变化和改进。 “混合AI”意味着AI不仅限于云，而且业务中的计算资源也可以用于开发和应用AI模型。 ThE封闭资源模型通常会结合特定的云服务提供商，从而导致“被技术绑架”的风险。允许在覆盖的数据中心，公共云或侧面设备之间自由移动的NG混合云策略AI模型。此外，与一般AI不同，特定于生成AI行业的模型需要根据特定业务需求进行自定义。 Cao Hengkang举例说明，医疗行业，车辆行业和零售业都需要专门针对其行业特征的AI模型，而不是一般的大型模型。通用模型并不总是最适合业务资源。企业需要的不是“通用模型”，而是适合业务的所有权模型。 Cao Hengkang说：“我们认为，必须轻松地将AI应用程序从业务数据中心部署和使用到GilComputing ID，甚至是个人设备。”开放资源，混合动力和小型模型的原则将帮助BusinEsses以较低的成本开发良好的AI模型，减少对高性能硬件（例如GPU）的希望，并降低运营成本。成本，复杂性和灵活性。 - 数据和硬件成本以减少tohang。此外，为了追求广泛的可用性，通用模型通常保持冗余操作，从而导致不受控制的输出。 “小型模型”方法集中在垂直情况下，其计算强度较小和效率更高。大多数公司缺乏AI专业人员，并且难以管理模型和数据清洁过程的复杂开发。 Red Hat通过Rhel AI和OpenShift AI等集成平台结合了模型培训，调整和扩展标准工具。例如，TenchERLAB允许企业生产带有私人数据的合成培训集，将数据需求减少到一千个原件，同时也支持自动模型的“减肥”。最后，灵活性是对它的照顾。企业需要能够可以根据自己的需求将AI模型部署到不同平台和硬件。大型模型的“问题幻觉”也是封闭源路线中的缺陷。由于不透明的模型参数和培训数据，企业很难监视错误源。开源人工智能可以通过透明的曲调和社区管理有效降低幻觉率。开放资源模型的代码，参数和培训数据已完全披露，企业可以根据自己的需求调整模型的逻辑。开放资源AI的成功是偶然的，但是大规模AI实施的有用途径。在这种变化中，通过Aopen生态系统赋予企业权力的平台不会追求垄断模式，而是发展自由，透明和经济的AI未来。