红帽升级对电信服务提供商的 AI 支持

今年早些时候，Chris Wright 展望了电信服务提供商在 2024 年的发展方向。基于这些计划，我们洞悉到电信公司的战略重心将聚焦于智能自动化与 AI 技术的采纳，最终目标是全面提升混合环境中网络、安全防护、基础架构及应用的业务与运维效率。随后，在 2024 年红帽全球峰会上，红帽隆重推出了多个振奋人心的项目，其中包括红帽企业 Linux（RHEL）AI 的发布以及对红帽 OpenShift AI 的增强等。这些项目共同构筑了一个强大的 AI 平台，旨在助力电信公司其改进运维、降低成本、加强客户服务并推动创新。

今天，我想特别强调这些人工智能驱动的公告如何助力电信公司在多个领域保持竞争力，包括欺诈检测、数据管理增强、自主网络与资源优化、网络流量管理、能源管理、聊天机器人应用、个性化客户支持，以及无线接入网络（RAN）和核心网络中的 AI 模型等，同时满足现代数字基础架构日益增长的需求。

隆重推出红帽企业 Linux AI

今年，红帽公司隆重推出了 RHEL AI，这一基础模型平台旨在为用户提供一个更加很顺畅的环境来开发、测试及部署生成式人工智能（GenAI）模型。RHEL AI 汇集了来自 IBM 研究院的开源许可 Granite 大语言模型（LLM）系列、基于  LAB（聊天机器人大规模对齐）方法的 InstructLab 模型对齐工具，以及一个依托  InstructLab 项目实现的社区驱动模型开发方法。整套解决方案打包成一个优化的可引导 RHEL 镜像，专为混合云环境中的各个服务器部署而设计。同时，它也作为红帽 OpenShift AI（即红帽的混合机器学习运维（MLOps）平台）的关键组成部分，用于在分布式集群环境中大规模地构建、训练、调优并提供模型。

RHEL AI 将为电信公司赋能，包括降低开发、测试及微调 AI 模型的门槛，使得电信公司能够更轻松地着手规划如何在其业务中发挥 AI 的潜力，而无需在技能或硬件方面进行大量前期投入。该产品还可让更广泛的主题专家和领域专家（不仅限于数据科学家）为大语言模型（LLM）的训练、调优和对齐做出贡献，共同推动电信客户体验的全面提升。这意味着，聊天机器人、代码助手、消费者服务等各类应用在构建过程中可以直接吸纳负责执行这些任务的人员的宝贵意见，无需经过数据科学家工作流。这一变革促使电信公司以全新的视角审视 AI，视其为快速、高效开展实验的工具，并开辟了一条从自身独特知识与技能中提炼 AI 能力的创新路径。

红帽 OpenShift AI 推动电信运维革新

在红帽全球峰会上，我们发布了红帽 OpenShift AI 的新功能。红帽 OpenShift AI 是一个基于红帽 OpenShift 构建的开放式混合人工智能（AI）和机器学习（ML）平台，能够帮助电信公司在混合云中大规模地创建和交付 AI 应用。我们推出了一系列更新，包括：

• 在适用于特定用例的情况下，使用单节点红帽 OpenShift 在从边缘到远程位置的各种环境提供模型（技术预览）
• 增强模型服务，以便使用多个模型服务器来同时支持预测性 AI 和 GenAI
• 改进模型开发与分布式模型训练
• 针对性能和运维指标等提供模型监控可视化

所有这些增强功能将促进更快的创新和更高的生产力，并赋予电信公司将 AI 融入其日常运运维的能力。但是，如何实现？

一般而言，由于设置过程的复杂性，将训练和提供模型的环节迁移到边缘可能会带来高昂的成本。然而，通过从核心到边缘采用诸如红帽 OpenShift AI 这样的通用平台，可以提升迁移工作的效率和自动化水平，进而有助于降低运维成本。借助智能自动化，电信公司能够有效简化网络运维、加强安全防护举措，并优化资源分配。这一点尤为重要，因为电信公司正面临着对传统系统进行现代化改造和扩展 5G 网络的双重财务压力。通过采用边缘 AI 技术，电信公司将能够享受到更快的数据处理速度和实时决策能力，进而显著提升 AI 驱动型应用和服务的性能。这种方法不仅支持了数量日益增长的机器生成数据，还增强了连接与数据分析能力。 试想一下面向商务客户的数字礼宾服务，或者流量监控、负载管理、基础架构调优、网络生命周期管理以及电源管理等电信行业用例。

以 RAN 场景为例，电信公司将能够在 RAN 中利用 AI 模型，对频率、扇区、小区以及基站实施更为动态的控制，而非仅仅依赖具体时刻的预设配置。他们可以运用 AI 技术来开展信道估计和 SON 工作。

此外，红帽 OpenShift AI 将 AI 与 ML 功能整合进标准的 DevOps 模型中，提供了贯穿 AI 模型整个生命周期的 MLOps 解决方案。这包括构建、训练、提供和监控 AI 模型，尤其关注通过微调来确保准确性，而这对于电信公司而言具有举足轻重的意义。

作为一家领先的融合电信与技术服务提供商，Turkcell  依托红帽 OpenShift 平台构建了其 AI 服务架构与应用中心。这一举措旨在重塑客户体验，提升运维效率，并加速将多样化的消费者服务及业务创新成果推向市场。

此外，我们还积极与众多合作伙伴携手并进，致力于将他们的尖端 AI 技术与红帽 OpenShift AI 实现更加紧密的集成。我们来看看与  AMD、 英特尔、 NVIDIA 和  Run.ai 联合发布的信息。

与 AMD 的紧密集成将有助于电信公司在其平台上运行红帽 OpenShift，包括使用最新的 GPU 集合。通过深化红帽 OpenShift AI 与英特尔 AI 硬件的集成，电信公司将能够实现从数据中心到云再到边缘的互操作性，显著提升 AI 工作负载的可移植性，从而在任何需要的地方构建、运行和部署 AI 工作负载。

红帽还宣布与 NVIDIA 携手合作，让用户能够将使用红帽 OpenShift AI 训练的 AI 模型与 NVIDIA NIM 微服务相结合，在单个 MLOps 平台上开发 GenAI 驱动的应用。这将有助于服务提供商利用红帽 OpenShift 作为开发人员平台来构建各式各样的智能助手应用，例如客户服务聊天助手、合规性检查和恶意软件检测等。

红帽正在与 Run:ai 携手合作，将他们的资源分配 AI 基础架构管理和 GPU 编排功能融入到红帽 OpenShift AI 中。这一合作通过简化 AI 运维流程并优化底层基础架构，助力服务提供商高效利用资源，构建出能够根据诸如 5G 核心网、RAN 应用等动态工作负载自动调优的智能基础架构。

提升未来智能网络的自动化水平

红帽 Lightspeed 正经历跨平台扩展，旨在为红帽 OpenShift 和红帽企业 Linux 引入企业就绪型 AI 的能力。其目标是通过提供智能的自然语言处理功能，不仅让红帽的企业级 Linux 和云原生应用平台对新手用户更加友好易用，同时也让经验丰富的专业人士事半功倍。

这意味着，众多电信公司，无论是使用红帽 OpenShift 来管理和开发应用，还是采用 RHEL 作为操作系统，现在都能在 GenAI 的助力下，更迅速地创建和交付软件。这项工作还将通过数字化辅助手段增强 IT 和网络运维的效率，从而为核心业务或新兴业务的创新腾出宝贵时间。展望未来，电信公司能够充分利用这些自动化工具，在构建、部署及维护下一代电信网络的过程中，实现前所未有的团队扩展与效率提升。

保持监管合规，但不扼杀创新

红帽推出了自动化策略即代码，作为 Ansible 自动化平台未来版本中即将新增的一项功能。随着当前混合云环境中 AI 应用种类和数量的日益增长，这一功能有助于实施策略和管理合规性。作为自动化成熟道路上迈出的又一步，策略即代码不仅能够确保遵循频繁变动的内部及外部要求，还能在支持 AI 工作负载扩展的过程中为基础架构的无序扩张做好更充分的准备。

这意味着电信公司将获得多方面的益处：

• 通过将策略引擎和功能与 Ansible 自动化平台更紧密地集成，改善整体基础架构安全态势
• 以纯文本形式定义策略，并在其基础架构中进行转化和实施。例如，对我在网络中的所有交换机进行合规性检查
• 更加轻松地满足监管要求和合规要求

红帽大幅优化了其产品组合，为电信公司提供了原生的 AI 功能，助力其开发、训练及部署预测性 AI 和 GenAI 领域的模型。我们将持续强化这一产品线，确保客户能够便捷地将 AI 技术融入其基础架构与服务之中。