

作者 | 金旺
来源 | 科技行者
10月31日,在2025红帽论坛上,人工智能成了一个被多次提及的关键词。
作为一家成立三十多年的开源软件公司,红帽正在将自己的方向聚焦到AI,开源AI成了红帽的新航向,也正在成为全球科技产业的新航向。
红帽全球副总裁兼大中华区总裁曹衡康在论坛上指出,“开源社区最大的优势是,全球开发者已经打下了一个很好的基础,企业只需要在这个社区中找到觉得不错的技术,拿过来并企业化。”
当下的人工智能技术,同样是在开源社区的加持下,正在进入各行各业。
01 AI操作系统,核心是vLLM
来自IDC的统计数据显示,70%亚太区企业预期,Agentic AI将在未来18个月内颠覆现在的商业模式。
AI将彻底改变传统业务,在大部分行业中已经成为一个共识。
这样的人工智能技术落地大趋势,同样离不开开源力量的加持,作为全球开源力量的集聚地,红帽已经为人工智能产业落地做出了自己的准备,这其中,最为关键的就是vLLM。
红帽大中华区首席技术官张家驹在接受媒体采访时就明确指出,“我们认为AI的操作系统,其核心就是vLLM。”
什么是vLLM?
vLLM,即Virtual Large Language Model,是一种高性能的推理引擎,旨在解决大模型推理过程中的效率瓶颈。
在人工智能技术发展早期阶段,推理引擎概念并不存在,但随着生成式AI的爆发,推理引擎技术应运而生,尤其是在DeepSeek火爆全球后,2025年被视为推理引擎元年。
作为高性能推理引擎之一,vLLM最早是由伯克利大学开源的大语言模型高速推理框架,通过使用PagedAttention高效管理注意力键和值内存,支持连续批处理和快速模型执行,通过引入操作系统的虚拟内存分页逻辑,提高了语言模型服务在实时场景下的吞吐与内存使用效率。
正是因为vLLM在生成式AI领域的技术独特性,红帽选择了vLLM,并在其中投入了大量资源。

张家驹指出,“红帽这家公司一个最大的特点是,选定一个方向后,会真正向其中投入大量资源,就像早年间针对虚拟化技术我们投入了KVM,并推动KVM成为虚拟化技术领域主流标准一样,这次红帽将资源投入到了vLLM中。”
为什么红帽需要在vLLM上投入大量资源?
这是因为整个行业依然处于百家争鸣的早期阶段,张家驹特别将vLLM和传统操作系统进行了对比,并指出,“其中差距主要在于南向(加速硬件)和北向(模型)的标准化上,传统操作系统下层对不同硬件和上层不同应用都已经形成了标准化接口,现在AI还没有标准化接口。”
这带来的一个实际问题是,在红帽联合产业针对超过350位企业CIO和IT决策者的调研中,尽管大家对推理引擎的关注度很好,但仍有超过51%的企业表示暂未使用推理引擎。

为此,红帽计划在南向通过算法将加速硬件接口进行标准化,北向让vLLM支持更多模型,以此推进vLLM的标准化进程,从而实现从开放混合云到开放混合AI的战略转变。
02 软件定义汽车,有了开源系统
同样是在这次红帽论坛上,红帽官方推出了ASIL车规级Linux操作系统,作为压轴的one more thing。
这也是全球第一个将开源Linux完成ISO26262安全功能认证的操作系统。
智能汽车正在成为全球科技产业竞争一大焦点,相关机构统计数据显示,2024年全球电动汽车销量超1500万辆,同比增长28.8%。
与此同时,软件定义汽车,已经成为汽车产业功能升级的关键,如今的汽车产业,软件能力的强弱,决定了车企核心竞争力的强弱。
红帽早在四年前开始研发车规级Linux操作系统,为了满足未来汽车自动驾驶功能需求,在过去四年里,红帽更是投入了数亿美金来推动这一操作系统通过功能安全认证。
据悉,此次发布的车规级Linux操作系统已经通过了ASIL-B级认证。

此外,据红帽中国汽车操作系统首席代表姜垚在接受媒体采访时透露,“由于基于容器化技术研发,这一系统实现了对座舱和智驾系统的安全隔离,从而保证智驾这样的系统不会受到非功能安全系统的干扰。”
而之所以会选择率先在中国发布这一车规级Linux系统,曹衡康给出了两个重要原因:
第一,中国汽车市场产销总量位居全球第一;
第二,中国新创车企很多,这些车企愿意尝试新技术,连同国内的传统车企都在加快布局新业务。
针对当下车企纷纷下场自研汽车操作系统的趋势,姜垚也特别指出,“这些车企自研的操作系统很多底层是基于红帽的Linux操作系统,在上层自研了中间件和应用软件,相当于是站在红帽的开源软件上进行的创新。”
实际上,红帽目前已经在与两家国内车企在自动驾驶领域展开合作,这两家车企也将应用红帽此次发布的车规级Linux系统。
姜垚也透露,“在国内汽车领域的项目预计会在2026-2027年量产落地,在欧美市场的合作项目相对会更晚一些落地。”

据悉,红帽接下来也将会在国内加大对车规级Linux操作系统的推广与合作。
03 红帽如何构建企业级开源AI?
我们如何从云时代过渡到AI时代?
这是各大云厂商都在思考的一个问题,也是红帽正在思考的问题。
在AI时代,整个软件开发范式正在发生着深刻的改变,以往的DevOps也开始向AIOps转变。
作为开源AI的信奉者,我们在前不久的红帽论坛上也看到了开源的红帽AI。

从底层的AIOps,到硬件层对GPU的支持,再到操作系统层对vLLM的全力押注,红帽正在构建一个全新的开源AI生态。
在此次红帽论坛上,我们也看到了两位特别嘉宾:
一位是vLLM社区的核心维护者Michael,vLLM推理引擎被红帽视为AI操作系统的核心,已经成为红帽面向AI转型的关键;
另一位是沐曦研发副总裁黄向军,如今的沐曦已经成为红帽开源生态中的重要一员,红帽甚至调动全球总部AI BU的工程师参与到了沐曦的测试、认证过程中,双方将基于国内合作,走向海外。
也是在此次的红帽论坛上,在红帽整个产品体系中,Lightspeed这一AI助手渗透到了各个层面:
在红帽RHEL中,Lightspeed可以让用户用自然语言管理操作系统;
在红帽Ansible中,Lightspeed可以让用户用自然语言创建自动化脚本;
在红帽OpenShift中,Lightspeed可以让用户用自然语言自动部署OpenShift;
……

正是基于这一系列的改变,红帽正在构建一个开源AI生态。
曹衡康在论坛上指出,“红帽的目标是为用户提供任意模型、任意加速器、任意云,让用户可以根据自己的需求构建人工智能。”
好文章,需要你的鼓励
过去十年,终端厂商比拼的是“性能”和“参数”,如今,竞争的焦点正转向“智能程度”。
Fractal AI Research实验室开发了Fathom-DeepResearch智能搜索系统,该系统由两个4B参数模型组成,能够进行20多轮深度网络搜索并生成结构化报告。研究团队创新了DUETQA数据集、RAPO训练方法和认知行为奖励机制,解决了AI搜索中的浅层化、重复性和缺乏综合能力等问题,在多项基准测试中显著超越现有开源系统,为AI助手向专业研究工具转变奠定了基础。
快手科技与清华大学合作发现当前AI语言模型训练中存在严重的权重分配不平衡问题,提出了非对称重要性采样策略优化(ASPO)方法。该方法通过翻转正面样本的重要性权重,让模型把更多注意力放在需要改进的部分而非已经表现良好的部分,显著提升了数学推理和编程任务的性能,并改善了训练稳定性。
浙江大学等机构研究发现,先进AI推理模型存在"拒绝悬崖"现象:AI内心能识别有害请求并想要拒绝,但在输出答案前拒绝意图突然下降,最终配合有害请求。研究揭示少数"拒绝抑制头"是罪魁祸首,并提出"悬崖判官"训练方法,仅用1.7%数据就能显著提升AI安全性,为AI安全防护提供新思路。