红帽今年大中华区保持双位数增长，首个大模型案例落地
在日前举办的红帽论坛2024上，红帽全球副总裁兼大中华区总裁曹衡康开门见山分享了两个数据。去年红帽大中华区业绩创下了历史新高，今年继续以双位数增长，这在外企中相当难得。
01 AI产品发布5个月，有首个案例
与业界其他会议一样，这次红帽论坛的热点是AI。曹衡康透露，当下阶段，红帽专注于在其架构中，探索更多应用场景。“关于AI的前景，我认为是无限的， 这才刚刚开始。”
红帽引入了“开放实验室”的概念，与客户的顾问团队合作，针对企业的研产供销服环节，一起找出最具效能的应用场景。从一个小应用成功起步，再逐步扩展至更大的场景。
尽管红帽的AI产品从发布到现在仅5个月，但亚太区是第一个实现该应用，并成功投入生产的区域。红帽大中华区方案架构部总经理王慧慧透露，在这个案例中，用户应用AI技术来加速代码审查和代码合并请求。之前客户依赖人工和一些工具，但旧工具的准确率较低，尤其在生产环境中，当准确率低于95%甚至96%时，效果不够理想。在引入红帽的新AI工具后，代码合并和审查的准确率，达到了客户的高标准，客户非常满意。
曹衡康补充，以往常常向国外的成功案例学习，而这次很自豪，是在中国本地开发出的应用，许多国外的红帽同事纷纷垂询能否分享案例。
他称红帽的成长，很大程度上得益于广泛的生态系统。“在开源领域，技术必须能被大多数厂商适配和支持。”红帽的合作伙伴超过5000家，涵盖硬件和软件厂商，确保所有新版本都能顺利集成。
红帽大中华区资深市场总监赵文斌举例，由于许多企业和行业都有各自的特点，在市场拓展中，红帽也特别关注共创模式（co-creation）。通过与本土ISV共创，结合各行业的独特场景和联合解决方案，可以帮助企业更快地实现AI应用落地。
曹衡康补充，针对日益复杂的地缘政治，反而更加凸显了拥抱开源的重要性。与闭源公司不同，开源技术较少受到地缘政治限制，用户可以随时下载和使用所需的工具。在生态上，红帽下一步将继续扩大与国内企业的合作。比如，红帽在中国新能源汽车领域，已与包括地平线在内的公司合作，涵盖芯片和软件等方面，确保红帽开源路线在国内有更多本地化支持。
02 大小模型路径怎么选？
过去两年，大模型非常火热。不过，它的幻觉问题以及落地未出现爆款，引发业界的思考和讨论——这是一场技术革新，还是一场技术泡沫？
“不久前美国股市暴跌，引发了关于高昂投入却未见显著成效的讨论，许多企业应用仍未落地。”曹衡康说，不少企业尝试用大模型提升效能，但发现大模型不适合生产场景，因为一点小错就可能带来风险。
为此，红帽在过去几年提出了“小模型”概念，即专属模型，让企业的数据驱动AI模型的生成，确保模型稳定、安全，并符合企业的特定需求。
王慧慧介绍，红帽提出了“分步实施”策略，即三步走。第一步，客户可在最小资源配置下，比如笔记本电脑上用CPU试用开源模型和工具。如果第一步测试效果满意，可进入第二步，通过云租用算力进一步扩展。红帽平台几乎可在任何云上运行，客户可选择公司数据中心或公有云资源。在确认模型适合需求后，进入第三步的大规模部署。红帽的架构支持跨云混合部署。
在红帽论坛上，同时公布了2024红帽亚太创新奖中国区获奖名单。安利和西门子工业自动化产品（成都）有限公司获得奖项。
西门子工业自动化（成都）有限公司（以下简称“SEWC”）信息技术部经理杨健介绍，他关注到了红帽论坛上，某金融公司从小模型向大模型的转型。其实，他们很早已开始应用小模型，尤其是在生产领域，比如机器视觉。以垃圾分拣为例，原材料加工后产生的垃圾有金属、塑料和纸张等，以前的机器人视觉识别准确率只有大约85%。我们通过小模型训练，比如利用开源的OpenCV基础框架，将准确率从85%提升到95%以上，大幅提升了分拣效率。
“小模型在生产中非常适用，因为应用和场景单一，错误率低，能保证质量和过程的可控性。”他说，大模型有时会出现幻觉现象，这在生产应用中存在风险。因此，他们对大模型的应用，目前保持探索并较为谨慎，希望通过持续优化，使大模型更可靠、可信且全面。红帽论坛上这次展示的平台和解决方案，对他们的探索有很大启发。未来将进一步研究，如何将AI平台更好地整合到SEWC的资源体系中，进一步优化制造流程。
热门跟贴