21世紀經(jīng)濟報道記者孔海麗 北京報道

2025年，全球AI產(chǎn)業(yè)迎來分水嶺。

DeepSeek開源大模型迅速成為行業(yè)焦點。OpenAI創(chuàng)始人山姆·奧特曼（Sam Altman）也罕見承認其“閉源路線站在了歷史錯誤的一邊”，并于近期宣布在接下來的幾個月里將發(fā)布自GPT-2以來的第一個開源模型；國內(nèi)原本走閉源路線的互聯(lián)網(wǎng)企業(yè)也轉(zhuǎn)向開源生態(tài)。

一系列事件標志著開源AI路線取得階段性勝利，開源的成本、透明度與靈活性等優(yōu)勢，正在重塑大模型競爭格局。

作為全球范圍內(nèi)開源路線的代表之一，紅帽“以開源推動效率革命”的理念其實更早，當下，DeepSeek的爆火，加強了公眾對于開源路線的認知。

近日，紅帽全球副總裁兼大中華區(qū)總裁曹衡康在接受21世紀經(jīng)濟報道記者采訪時表示，紅帽將DeepSeek視為“生態(tài)伙伴”：“他們的模型可以無縫運行在紅帽平臺上?！边@種互補合作催生了新的商業(yè)模式——企業(yè)可在紅帽的OpenShift AI平臺上同時部署DeepSeek、Llama等開源模型，根據(jù)業(yè)務需求動態(tài)分配算力。

盡管AI非常火熱，但很多企業(yè)依然處于探索和測試階段。

紅帽數(shù)據(jù)顯示，94%的企業(yè)正在進行生成式AI試點，預計未來3到5年才能真正實現(xiàn)AI投資的回報?！癆I部署的挑戰(zhàn)不只是技術(shù)本身，更重要的是如何把AI應用到實際生產(chǎn)環(huán)境中，尤其是在企業(yè)的核心應用上?！?a class="keyword-search" >曹衡康說。

曹衡康透露，在紅帽看來，企業(yè)級AI應用更恰當?shù)穆窂绞情_源、混合式和專有小模型。

截至目前，開源的價值更明顯。原因在于，現(xiàn)階段的AI仍然需要大量嘗試，如果一千個人在一千個方向上探索，速度就會比一家公司單獨摸索要快得多。

在傳統(tǒng)軟件開發(fā)中，需求和實現(xiàn)路徑往往較為明確，用閉源也沒什么不妥；可是在AI領(lǐng)域里還有很多未知，開源能夠極大加快創(chuàng)新進程。閉源意味著只有少數(shù)人能嘗試，效率相對低很多。通過開源，全球的開發(fā)者可以共同參與到AI的創(chuàng)新與改進中。

“混合式AI”意味著AI不會局限于云端，企業(yè)內(nèi)部的計算資源同樣可以用于AI模型的開發(fā)和應用。

閉源模型通常綁定特定云服務商，導致企業(yè)存在“被技術(shù)綁架”的風險?；旌显撇呗栽试SAI模型在本地數(shù)據(jù)中心、公有云或邊緣設(shè)備間自由遷移。

此外，不同于通用AI，行業(yè)專用的生成式AI模型要求根據(jù)具體業(yè)務需求定制。曹衡康舉例說，醫(yī)療行業(yè)、汽車行業(yè)和零售行業(yè)都需要專門針對各自行業(yè)特點的AI模型，而不是通用的大模型。

通用大模型并不總是最適合企業(yè)資源。企業(yè)需要的不是“萬能模型”，而是貼合業(yè)務的專有模型。

“我們相信，AI的應用應當能夠跨越不同平臺，從企業(yè)的數(shù)據(jù)中心到邊緣計算，甚至個人設(shè)備，都能靈活部署和運用?！辈芎饪当硎?，開源、混合式和小模型原則，可以幫助企業(yè)以更低的成本開發(fā)高效的AI模型，減少對GPU等高性能硬件的依賴，并降低運營成本。

曹衡康也提到了企業(yè)AI部署的三個挑戰(zhàn)：成本、復雜度和靈活性。

閉源大模型的訓練和部署需要天量算力，企業(yè)往往因硬件投入和云服務費用不堪重負。曹衡康指出，“小模型”策略通過模型蒸餾（Distillation）和私有數(shù)據(jù)調(diào)優(yōu)，可將參數(shù)規(guī)模縮減至原模型的千分之一，硬件成本明顯降低。并且，通用大模型為追求廣泛適用性，往往保留冗余功能，導致輸出不可控，“專有小模型”策略則聚焦垂直場景，調(diào)用算力更少，效率更高。

多數(shù)企業(yè)缺乏AI專業(yè)人才，難以駕馭復雜的模型開發(fā)和數(shù)據(jù)清洗流程。紅帽通過RHEL AI、OpenShift AI等一體化平臺，將模型訓練、調(diào)優(yōu)和部署集成到標準化工具中。例如，InstructLab允許企業(yè)用私有數(shù)據(jù)生成合成訓練集，將數(shù)據(jù)需求量降至原來的千分之一，同時支持自動化模型“瘦身”。

最后，靈活性至關(guān)重要，企業(yè)需要能夠根據(jù)自身需求，在不同平臺、不同硬件上靈活部署AI模型。

大模型的“幻覺問題”也是閉源路線的硬傷。由于模型參數(shù)和訓練數(shù)據(jù)不透明，企業(yè)難以追溯錯誤根源。而開源AI通過透明化調(diào)優(yōu)與社區(qū)監(jiān)督，可以有效降低模型幻覺率。開源模型的代碼、參數(shù)和訓練數(shù)據(jù)完全公開，企業(yè)可根據(jù)自身需求調(diào)整模型邏輯。

開源AI的勝利并非偶然，而是AI規(guī)?；涞氐膬?yōu)勢路徑。在這場變革中，那些以開放生態(tài)賦能企業(yè)的平臺，不追求壟斷模型，而是構(gòu)建自由、透明、經(jīng)濟的AI未來。