越来越深入我们工作和生活的AI，带来的似乎并不只是便利和高效。当AI模型每隔几天就进化一次，许多已经落地了AI应用的企业，并没有从中收获相应的价值。相反，AI的能力让安全形势变得更糟。在CEO无限憧憬的压力之下，CIO们更多地感受到了AI带来的焦虑。为了去除这种焦虑，企业需要重构AI底层底座。当面临这场新选择时，CIO又该何去何从？
消除焦虑的最好办法就是去探索。也正是这种探索的动力，让原本300人规模的2026红帽论坛上，硬是涌进了450人，线上还有67,000多位观众保持着高度关注。11月6日，红帽全球副总裁兼大中华区总裁曹衡康、红帽大中华区方案架构部总经理王慧慧、红帽大中华区首席营销官赵文斌在红帽北京办公室，进一步诠释了企业AI底层底座重构的新风向。
CIO的两难
企业好不容易选定一个模型，把业务流程、工作流都搭了进去，过两三天，市面上又出了新模型。CEO听说不错，转头问CIO：我们要不要试试？
红帽全球副总裁兼大中华区总裁曹衡康
可能不少CIO都熟悉这样的场景，在红帽全球副总裁兼大中华区总裁曹衡康看来：“CIO很犯愁。”换，成本高，而且底层平台可能根本不支持——不同的模型跑在不同的平台上；不换，眼睁睁看着机会过去。
同样的困境出现在硬件上。过去只锁定某一个品牌的GPU，如今遇到缺货、涨价，企业就被绑住了：要么硬着头皮买很贵的卡，要么干脆不搞AI。
这些困扰，在红帽的语境里被归为同一件事——缺少选择。这也使得“解锁”这个词，成为了2026红帽论坛上出现频率最高的词。
对此，红帽的策略是把选择权交到用户手上。具体说来，就是通过统一AI平台，实现“三个C、四个A”。3C指的是：Choice，给客户选择权；Consistency，给客户一致的平台；Control，把控制权交到客户手上。“四个Any”则是：以红帽作为统一平台，支持任意加速器、任意云、任意模型、任意智能体。
其中的加速器包含了GPU、CPU、NPU等算力硬件，目前红帽平台不仅支持英特尔、英伟达、AMD等国际主流产品，还支持沐曦这样的国产加速器。GPU缺货已经成为一种常态，如果企业过去长期依赖某一品牌的GPU，面临供货紧张、成本走高，就可以基于红帽平台把不同品牌的加速卡统一纳管、统一调度。
十年来，红帽一直力推混合云。十年过去，越来越多企业发现数据不愿全部放在公有云，算力和应用又要灵活调配，混合云反倒成了被广泛采纳的架构。到了AI时代，红帽的统一AI平台延续了以往的思路，支持任意模型、任意智能体。
曹衡康强调：“我们提供一致的平台，上面装什么GPU、什么模型，由客户决定。”
“一句话概括，”曹衡康说，“我们把选择权交到了客户手中。”
统一AI平台的魔力
红帽能够将选择权交给用户的支点，就是红帽AI，一个统一的AI平台——自底层硬件起，向上覆盖模型直到智能体。但更确切地说，红帽只做中间那一层。
红帽大中华区方案架构部总经理王慧慧
红帽大中华区方案架构部总经理王慧慧提到一个细节：CIO级别的人来交流，很少问“你觉得哪个模型好”，也很少问某个品牌的智能体好不好。他们问的是另一个问题——哪一个平台、哪一套标准，是将来一路走下去的希望。
技术领导者要的，是一个能承接未来的基础平台。而这件事，红帽已经做过两次：操作系统时代，Linux是标准，红帽把它做成了企业级商业版本；容器时代，Kubernetes是标准，红帽把它做成了OpenShift。AI时代，逻辑照旧。
这套平台的分层，王慧慧讲得很细。最底下是加速器，可以是国产算力卡，可以是英伟达、AMD、Intel，也可以是阿里云、AWS上的云侧资源，统一纳管进来做基础算力。往上是基础架构层，仍是成熟的Linux技术——RHEL与OpenShift，提供稳定安全的运行环境。
再往上是推理层，这也是红帽这两年投入最重的一层。同样是那些卡、同样的模型，通过推理层的优化，增加每秒能够承载的Token数量——用更少的资源接更大的业务量。红帽AI平台在推理层集成vLLM技术。vLLM已经成为开源领域的事实标准，红帽在其中的话语权不小。
推理层之中还有一层扩展，叫llm-d。为什么需要它？因为今天的推理不是几台服务器的事，而是上千、上万张卡组成集群的事，分布式推理是必然。llm-d要做的，就是把这件事标准化。
模型层，红帽不替客户做决定。平台支持20多个开源模型、合计700多个版本，DeepSeek也好、千问也好，十亿级的小模型、百亿级的大模型，都由客户按业务场景自己挑。
这种“模型即服务”的用法，在客户那里已经跑起来了。曹衡康提到的泰康保险就是一个典型：在红帽的平台上，不同部门用着不同的模型，同时还能调动不同品牌的GPU卡——“任意模型、任意加速器”，一个案例把两个Any都验证了。
而在最上面的智能体层，王慧慧认为，智能体的难点从来不在开发——现在工具很多，一个开发人员培训几个小时就能做出一个。难点在权限与治理：给它多少权限，让它遵循什么流程，怎么防止它越权。“不然它可能把你的生产数据库删掉。”
运维的流程也在变，但红帽划了一条线：工作可以由智能体完成，审批权必须留在人身上。“AI可以给建议，最终做执行和做决定的还是人。流程本身没有改变，只是执行的‘人’变了。”
报告里的那道剪刀差
2026红帽论坛上，涌现出不少重量级发布。其中，由红帽与CIO时代连续第二年合作完成的《2026中国企业级AI实践调研分析年度报告》，引起了业界关注。
报告里最刺眼的一个词是“剪刀差”：接近70%的企业已经在推进智能体，但正式治理框架的覆盖率，不到15%。
对此，王慧慧解释说，报告对企业AI基础架构能力做了六个维度的成熟度评估，结果是只有1个维度合格——安全隔离与访问控制。而这一项达标，很大程度上也是因为现行数据治理法规的要求摆在那里，“不能给的数据，不会给出去”。
另一个被反复提到的痛点，是价值衡量。过去AI的投入产出由IT部门、由CIO来算；现在它更像业务部门的问题，甚至是CFO要回答的问题——找到一个应用场景之后，AI究竟带来了什么样的投入产出，得由业务来衡量。“IT的技术准备已经很成熟了，接下来怎么把AI用好、把业务流程治理好，业务部门要发力。”
还有一个更普遍的现象：模型和智能体陆续上线，却没有一套统一的管理流程。业务部门等不及内部平台，直接用外部工具，结果企业的AI呈现割裂状态，烟囱式地长起来。
历史总是惊人的相似，无论是大数据时代，还是云原生时代，都出现了烟囱式生长。王慧慧认为：“对CIO来说，AI时代的重中之重，是做好统一规划、搭好围栏。”
红帽给出的办法还是一个路数：先把地基打稳。企业AI不应该建成一个个独立的技术堆栈，而应该长在一个统一平台上——只有平台统一了，过去那套IT治理的权限管理才落得下去。同时，不建议为AI单独建一套管理流程，而是把原有流程延伸过来：企业如果已经有一套Linux安全基线的管理办法，就用同一套思路去管AI的安全基线。
王慧慧强调：“统一平台，统一治理流程，要从这两方面一齐着手。”
用AI对抗AI
当AI展现出其发现漏洞的本领时，业界不由得为之一惊。AI安全，由此也成为一个必须要解决的问题。
王慧慧给了一组判断：AI挖漏洞的速度，已经超过了全世界研发人员一起补漏洞的速度。它把Linux里藏了27年的漏洞挖了出来，也挖出了PHP一类基础组件的漏洞。更麻烦的是成本——现在发现一个漏洞只要50美金。过去黑客发现一个漏洞要花很长时间，会珍惜它、当作武器择期出击；现在成本低到可以随手一试。
红帽的答案分三层。
第一层是沿用了三十多年的办法：反向移植。漏洞被发现后，常规做法是在最新版本上打补丁，就像手机软件升级，用户更新到最新版即可。但企业的应用系统常年运行，升级意味着风险——系统里某个环节一变，上面的应用可能不工作，下面的硬件可能不认。
红帽的做法是两头都做：在最新版本上发布补丁，同时把补丁反向移植到旧版本。做完之后，再贡献回上游社区，社区代码的用户也能拿到。这条规矩在红帽所有产品上都执行。
第二层面向开发者。开发人员做容器化开发时，需要一个安全的底座，红帽把它叫Hardened Image：一个极小的容器镜像，里面只有微量的运行时、web运行时、数据库运行时和必要的库文件，原生包含经过验证的产品，不带漏洞。基于它开发出来的应用，放进流水线时可以说是有底气的。
同一层里还有Hummingbird Linux，一个操作系统的滚动发行版，也是RHEL的上游。漏洞和补丁一产出，社区成果第一时间推到这个版本上——企业用的AI组件发现漏洞，补丁生成即可打上，不用等操作系统的下一个正式版本。
第三层走出了红帽自己的产品线。开源世界比红帽的产品大得多，大部分企业在开发时用到Java和Python，这些组件不属于红帽，一样会有漏洞，一样会被攻击，而很多社区已经太久没人维护。
红帽和IBM决定接下这件事，具体是两步：先针对海量开源库做补丁，再把补丁用自动化的方式推进客户的生产环境。没有自动化工具时，客户打完补丁平均要40多天；有了工具，时间可以压到7到14天，系统暴露的窗口短了一大截。
支撑整套体系的，是一个叫Lightwell的开源项目。红帽与IBM投入两万余名开发人员，在社区里持续为Java、Python的开源库处理漏洞。
“红帽和IBM会把这些丢失在外的‘孩子们’重新捡回来，重新照顾他们。”王慧慧说。
一台机器人，一个移动的数据中心
2026年最火爆的，无疑是具身智能。而在这方面，红帽同样有惊人之举。整场论坛最“出圈”的部分，是那套具身智能方案——红帽与英特尔、紫金星宇、西湖机器人、施耐德电气联合发布，面向工业自主运营。
在这个方案中，红帽的AI在后台助力“大脑操控”，英特尔的CPU提供算力，施耐德电气把工业场景里可能遇到的问题、智能体和知识库集成进去。机器人带着知识到达现场，可以识别故障位置，自主维修。
曹衡康先纠正了一个印象：具身机器人早已不只是跳舞、做表演展示，真正的目标是解决实际问题。未来的机器人能感知现场、自主判断、当场解决问题。
红帽的分工，在物理上就能看出来。机器人的“小脑”装在背后那个像背包一样的箱子里，里面集成GPU、CPU和红帽的产品；“大脑”如果也塞进去，机器人会大到不现实，所以“大脑”放在云端、放在数据中心——那边运算，再把指令下发下来。
“如果只有一台机器人，控制它很容易。但今天是一千台呢？而且这一千台每天做的事情还不一样呢？”曹衡康说，这时就要靠OpenShift AI，在容器上管理这些机器人，统一发布指令、统一做安全管控，连软件升级都从后台完成。
王慧慧把它拆成三步：第一步，在机器人本体上整合“大脑”和“小脑”，用一个边缘侧平台把两者跑在一起；第二步，把“管一台机器人”变成“一个平台管很多台”，新的算法做出来，一键下发给上千台；第三步，把从开发、生产到下发的全流程收敛到一个平台上——模型和应用在“软件工厂”里完成，全球发布，再协调地从开发环境转移到生产环境，最终下发到机器人。
王慧慧换了个说法：人形机器人就像一个移动的数据中心，只不过更精确、更复杂、更轻量，对技术的要求更高。红帽还是那个平台——向下连接机器人本体，向上助力“小脑”指挥运动，“大脑”实施垂类模型和应用。
红帽大中华区首席营销官赵文斌补充了两个常被忽略的维度。一是经济性：方案要在更低的成本下实现，这也是红帽把能力同时放在边缘和云端的原因。二是出海：全球的机器人制造很大一部分集中在中国，如果只做本土市场，扩张速度会被限制；而机器人对安全的要求很高，走出去第一关就是合规。红帽的平台在全球是一致的，跨云、跨不同计算环境，“从合规、安全管控到底层技术平台的支撑，都能带来战略价值”。
历史不会重复，但会押韵
回到那个有些矛盾的问题：红帽一直在讲“把选择权交还企业”、避免被单一云或单一模型锁定，但现实中，不少企业落地时仍然主动往头部生态扎堆。
“这个现象很正常。”曹衡康不回避，“客户愿意选红帽，也是因为我们属于头部厂商，大家都想挑更好的。但不可能所有人都只盯着同一个最优选项，如果真是这样，其他厂商就都没有生存空间了。”
硬件、软件，市面上可能有成百上千种技术，各有各的厂商。客户最终会结合技术能力、预算成本，挑最适合自己的那一个。“我们希望做到的是：无论客户最后选择哪一家，红帽的平台都能够提供支持。”
这也是红帽和很多传统软件厂商的区别所在：看重生态，也持续做社区运营。“开源的理念就是，想要有所收获，就要懂得共享。”
三十多年里，红帽做过三次同样的事。三十多年前，Linux从开源社区里长出来，当时的公司都想要一个稳定、简单、可靠、成本低的操作系统，红帽把它变成了企业级产品；十几年前，云原生的需求催生了容器和Kubernetes，红帽把它做成了稳定、安全、可靠的商业版本；今天轮到AI——把最好的技术吸收进来，加上自己的know-how，做成企业能用的版本。
“历史不会重复，但会押韵。”曹衡康说，“我们会让这件事慢慢押韵下去。”
对中国企业来说，这套平台还有另一重价值：出海。企业的产品走到海外，第一关往往是合规，而红帽的Linux、OpenShift在全球许多地方已经合规化，曹衡康信心满满地说：“红帽的用户可以依托这套基础，省下大量时间和资金”。
开头提到的困扰CIO的焦虑，其实答案已经很明显了：红帽不替企业选模型，也不替企业选芯片，它要做的是让企业在任何一次选择之后，都还留有下一次选择的权利。
“我们为客户提供选择权、一致性、控制权。”曹衡康把这句话又念了一遍，“这就是红帽的核心战略。”
第四十二届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：lijj
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
