作者：Waqaas Kausar
人工智能（AI）應(yīng)用日漸融入我們的日常生活，帶來全新的發(fā)展機遇，并對傳統(tǒng)產(chǎn)業(yè)產(chǎn)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(lǐng)域帶來了愈發(fā)顯著的效益，這點在醫(yī)療和欺詐檢測等領(lǐng)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(fā)難以準確預估這項技術(shù)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(xù)塑造人工智能創(chuàng)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(lián)系在一起。大型企業(yè)最初對此持懷疑態(tài)度，但隨著軟件行業(yè)的發(fā)展，推動Linux和Apache軟件基金會等項目的社區(qū)群體證明，開放協(xié)作能夠產(chǎn)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(yè)級地位方面發(fā)揮了引領(lǐng)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(yīng)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(shù)的企業(yè)，都深度投身于開源軟件項目之中。倘若沒有開源軟件，互聯(lián)網(wǎng)、移動設(shè)備、云計算和人工智能這些過去二十年間最重要的技術(shù)，是根本無法發(fā)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(lǐng)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(nèi)形成了開源社區(qū)。無論是云端還是本地，用于模型訓練和推理的軟件基礎(chǔ)設(shè)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(guān)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(fā)展進程正面臨被能源和硬件限制所阻礙的風險，領(lǐng)先的云服務(wù)提供商和人工智能實驗室報告稱，前沿GPU和專用硬件出現(xiàn)短缺。此外，數(shù)據(jù)中心的電力消耗可能很快會受到電網(wǎng)容量的限制。
開源人工智能軟件基礎(chǔ)設(shè)施可以通過以下方式幫助應(yīng)對這些限制：
●硬件靈活性與供應(yīng)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(yīng)商，支持采用多種不同架構(gòu)的社區(qū)。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(diào)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(shù)為組織提供了動態(tài)優(yōu)化AI工作負載調(diào)度的能力，能夠根據(jù)能源消耗、資源可用性和運營優(yōu)先級進行調(diào)整。
●邊緣人工智能與聯(lián)邦學習：開源邊緣計算框架，如KubeEdge，能夠在更接近數(shù)據(jù)源的位置處理數(shù)據(jù)，減少組織對集中式云資源的依賴。
面對當前已顯現(xiàn)且預計將加劇的計算與電力資源短缺問題，企業(yè)亟需采用更節(jié)能、硬件效率更高的人工智能架構(gòu)。開源軟件基礎(chǔ)設(shè)施為實現(xiàn)這一目標提供了堅實的技術(shù)支撐。
采用挑戰(zhàn)：開始使用可持續(xù)且可擴展的人工智能
盡管大多數(shù)組織都認識到人工智能在推動創(chuàng)新和提升競爭優(yōu)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(zhàn)性，特別是在數(shù)據(jù)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(xù)優(yōu)化將成為在企業(yè)范圍內(nèi)擴展人工智能項目的關(guān)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(fā)突破，但當團隊從概念驗證過渡到大規(guī)模部署并進入生產(chǎn)環(huán)境時，穩(wěn)健的平臺和最佳實踐變得至關(guān)重要。合適的平臺將使組織能夠開發(fā)和整合所需的新技能和工具集，同時自動化重復性任務(wù)，并提供按需資源擴展。
統(tǒng)一平臺可讓組織專注于創(chuàng)新，同時提供復雜IT環(huán)境所需的可靠性、增強的安全態(tài)勢和易管理性。
將開源人工智能引入企業(yè)
紅帽以其核心產(chǎn)品而聞名——紅帽企業(yè)Linux（RHEL）、紅帽O(jiān)penShift和紅帽Ansible自動化平臺。紅帽已將其重點擴展至人工智能領(lǐng)域，通過紅帽AI構(gòu)建領(lǐng)先的開源平臺，包括以下產(chǎn)品：
紅帽企業(yè)Linux AI（RHEL AI）為企業(yè)提供了一個更易于訪問且更高效的開源基礎(chǔ)，助力企業(yè)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(chǔ)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(shù)據(jù)對基礎(chǔ)模型進行微調(diào)，為企業(yè)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(gòu)，如紅帽O(jiān)penShift AI。RHEL AI由紅帽全面支持，并可實現(xiàn)混合云環(huán)境中的遷移。
下圖概述了在RHEL AI中使用InstructLab對模型進行微調(diào)的工作流程。
數(shù)據(jù)科學家可以訪問一個可擴展的環(huán)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(wù)的自動化，他們能夠更好地專注于創(chuàng)新和模型優(yōu)化，從而加速價值實現(xiàn)時間。
應(yīng)用開發(fā)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(huán)境中實現(xiàn)集中管理。這些功能可加速迭代、提升發(fā)布可靠性，并簡化擴展流程，同時使用開源基礎(chǔ)確保與現(xiàn)有工具集的兼容性。
OpenShift AI是一個簡化團隊協(xié)作的平臺，助力交付驅(qū)動數(shù)字化轉(zhuǎn)型和競爭優(yōu)勢的人工智能賦能的應(yīng)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(tài)系統(tǒng)。
開源軟件為人工智能的快速發(fā)展奠定了基礎(chǔ)。隨著生成式人工智能從概念走向?qū)嶋H應(yīng)用，協(xié)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(guī)模人工智能部署的治理和管理的實踐和技術(shù)。紅帽在提供企業(yè)就緒的開源解決方案方面擁有豐富經(jīng)驗——RHEL AI和OpenShift AI便是我們?nèi)绾瓮ㄟ^可擴展且靈活的平臺塑造人工智能行業(yè)格局的例證。
如果您正在嘗試訓練自己的模型、擴展企業(yè)人工智能平臺或希望了解更多關(guān)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(guān)于作者
Waqaas Kausar
紅帽客戶技術(shù)主管
Waqaas是紅帽的客戶技術(shù)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(yè)生涯橫跨全球金融服務(wù)、能源及英國公共部門，擅長應(yīng)用開發(fā)、業(yè)務(wù)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(chuàng)新與實踐，為復雜的轉(zhuǎn)型挑戰(zhàn)提供戰(zhàn)略愿景和技術(shù)深度。作為一名終身學習者，他于近期獲得了管理與數(shù)據(jù)分析碩士學位，并將學術(shù)好奇心融入工作——無論是探索云原生現(xiàn)代化還是開源的未來。
Waqaas是一位全身心投入的導師，也是協(xié)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(xiàn)有意義進步的動力。
