RHEL AI结合开放、更加高效的模型与易访问的模型对齐工具,扩展跨混合云环境的AI创新

中国北京  – 2024年9月10日 – 世界领先的开源解决方案供应商红帽公司日前宣布,红帽企业Linux(RHEL)AI在混合云上全面可用。RHEL AI是红帽的基础模型平台,支持用户更无缝地开发、测试和运行生成式人工智能(Gen AI)模型,为企业应用提供动力。该平台汇集了开源授权的Granite大语言模型(LLM)系列和基于聊天机器人的大型对齐(LAB)方法论的InstructLab模型对齐工具,并打包成一个优化的、可启动的RHEL镜像,用于混合云上的单个服务器部署。

虽然生成式AI前景广阔,但采购、训练和微调大语言模型的相关成本可能非常高昂,一些领先模型在推出前的训练成本接近2亿美元。这还不包括根据特定组织的具体要求或数据进行对齐的成本,而这些工作通常需要由数据科学家或高度专业化的开发人员来进行。无论为特定应用选择哪种模型,企业都需要进行对齐,使其与企业特定的数据和流程保持一致,这使得效率和敏捷性成为AI在实际生产环境中的关键。

红帽相信,在未来十年内,规模更小、效率更高、按用途构建(built-to-purpose)的AI模型将与云原生应用一起,成为企业IT堆栈的重要组成部分。但要实现这一目标,生成式AI需要从成本、贡献者到可在混合云中运行的位置等各方面都更易于获取和使用。几十年来,开源社区通过不同用户群体的贡献,帮助解决了复杂软件问题所面临的类似挑战;类似的方法同样适用于生成式AI,从而有效降低其采用的门槛。

生成式AI的开源方法

RHEL AI想要应对的挑战——在混合云环境中,让CIO和企业IT组织能使用更容易获取、更有效率和灵活性的生成式AI。RHEL AI有助于:

· 采用企业级、开源授权的Granite模型增强生成式AI创新能力,并与各种生成式AI用例对齐。

· 简化生成式AI模型与业务需求的对齐过程,利用InstructLab工具,企业里的领域专家和开发人员即使没有丰富的数据科学技能,也能为他们的模型贡献独特的技能和知识。

· 提供为生产服务器调整和部署模型所需的所有工具,无论相关数据位于何处,都能在混合云上的各种位置训练和部署生成式AI。RHEL AI还提供了连接红帽OpenShift AI的就绪通路,以便在使用相同工具和概念的同时,大规模训练、调整和服务这些模型。

RHEL AI也适用于红帽订阅服务所包含的好处,其中包括可信赖的企业级产品分发、24x7生产支持、扩展模型生命周期支持和开源担保的法律保护。

RHEL AI扩展到整个混合云

将更加一致的基础模型平台带到更接近企业数据的地方,这对支持生产AI战略至关重要。作为红帽混合云产品组合的延伸,RHEL AI将跨越几乎所有可以想象到的企业环境,从本地数据中心到边缘环境再到公有云。这意味着RHEL AI将可直接从红帽以及红帽的原始设备制造商(OEM)合作伙伴处获取,并可在全球最大的云提供商(包括AWS、Google Cloud、IBM Cloud和Microsoft Azure)上运行。这使开发人员和IT组织能够利用超大规模云提供商(hyperscaler)的计算资源,通过RHEL AI构建创新的AI概念。

可用性

RHEL AI现已全面可用,它可以通过红帽客户门户在本地运行,也可以作为“自带订阅”(BYOS)产品组合上传到AWS和IBM Cloud。Azure和Google Cloud的BYOS产品组合预计于2024年第四季度推出,RHEL AI也将作为一项IBM Cloud即服务在今年晚些时候推出。

红帽计划在未来几个月进一步扩大RHEL AI云和OEM合作伙伴的范围,为混合云环境提供更多选择。

支持证言

红帽基础模型平台副总裁兼总经理Joe Fernandes

“如果想让生成式AI应用在企业中取得真正的成功,就需要开放给更多企业和使用者,并且使其更适用于特定业务应用场景。RHEL AI为领域专家(而不仅仅是数据科学家)提供了在混合云上为按用途构建的生成式AI模型做出贡献的能力,同时IT企业能够通过红帽OpenShift AI将这些模型扩展到生产环境中。”

IBM基础架构首席技术官兼创新总经理Hillery Hunter

“IBM致力于帮助企业构建和部署高效的AI模型并快速扩展。IBM Cloud上的RHEL AI将开源创新带给生成式AI采用的前沿,支持更多企业和个人访问、扩展和驾驭AI的力量。随着RHEL AI将InstructLab和IBM的Granite模型系列的力量结合在一起,我们正在共同打造生成式AI模型,帮助客户在整个企业中推动和实现真正的业务效果。”

IDC软件开发、DevOps和DevSecOps项目副总裁Jim Mercer

“企业AI的优势伴随着AI模型规模的巨大增长,以及选择、调整和维护内部模型的内在复杂性。对于更多使用者和企业而言,更小的、按用途构建的、更广泛的模型可以让AI战略更容易实现,而这正是红帽透过RHEL AI作为基础模型平台致力解决的问题。”