AI热榜 企业面临的 AI 应用压力正在变得更具体：模型要能落地、成本要可控、旧系统不能推倒重来，数据和安全边界不能失守，国产化、混合云、多 GPU 适配也必须同时考虑。
红帽全球副总裁兼大中华区总裁曹衡康（Victor Tsao）表示，企业今天面对 AI，核心问题已经不是“要不要做”，而是“怎么做规模化”。
CEO 往往要求 CIO 在很短时间内拿出 AI 成果，用 AI 提升效率、降低成本，但预算有限，遗留系统复杂，内部组织也存在阻力。
因此，在红帽看来，AI 不会让企业 IT 基础设施从零开始重建，反而会让“平台”重新成为竞争中心。
红帽的定位：做平台能力 “模型可能会影响 AI 的‘智慧’，适合的模型可以让 AI 效率更高。
但是 AI 能不能成功，能不能规模化，最重要的是平台。
”曹衡康表示，一个企业最大的挑战不在于它是否选错了模型，而是它失去了选择模型的能力。
曹衡康认为，AI 时代，模型、Agent、GPU、云环境都会变化，但企业不能失去选择模型、选择 GPU、选择云和选择 Agent 的能力。
AI 时代的平台，需要为用户提供选择权。
对中国企业来说，这一点尤其现实。
中国市场同时存在国内外模型等，底层算力也不只一种 GPU，部署环境包括本地数据中心、公有云、混合云和行业专有云。
企业很难押注单一模型、单一硬件或单一云平台。
红帽认为，未来企业 AI 很可能是多模型、多 Agent、多 GPU、多云并存。
一个银行不会只用一个模型，制造企业也不会只用一个 Agent。
人事、销售、工程、市场、风控、客服、运维等部门，都会形成不同智能体，这些智能体既要协同，又必须保持数据和权限隔离。
那具体如何做呢？
通过红帽推出的 Red Hat AI 3.4 来看，其重点围绕推理、数据和智能体三部分展开。
首先是推理。
红帽认为，推理才是企业 AI 真正产生收入和效率价值的环节，也是成本压力最大的部分。
去年红帽重点推广 vLLM 社区，今年进一步扩展到 llm-d 相关功能，即分布式推理。
红帽判断，企业 AI 推理不会只发生在单一集群或单一模型上，而会以水平扩展方式服务大量业务请求。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接