土耳其航空公司借助红帽 OpenShift AI 实现业务创新

土耳其航空公司是土耳其的国家航空公司，为在航空业中获得竞争优势，启动了一项数据驱动的转型计划。该公司希望数据科学家能够搭建前沿人工智能（AI）模型，并将模型应用于各类业务场景，推动整个业务线全面实现 AI 驱动。为了实现这一转型，航司旗下科技子公司 Turkish Technology 启动了一个项目，以开发可扩展的云就绪技术基础架构。红帽咨询团队协助该公司实施红帽 OpenShift AI 并营造鼓励试验探索的企业文化。运维团队如今仅需数分钟即可创建工作空间，无需再耗费数日时间；数据科学家能够自行部署 AI 模型，耗时直接缩短一半。如今该航空公司的 AI 项目已配齐全套所需工具，能够持续在企业内部培育创新文化。

优势：

• 数分钟即可完成工作空间创建，部署时长缩减一半
• 在整个公司内营造开放的创新文化
• 为数据科学家提供 GPU 等核心资源的访问权限
• 实现流程自动化和模板标准化

土耳其航空公司的法定名称为 Türk Hava Yolları Anonim Ortaklığı（THY），提供往返欧洲、亚洲、大洋洲、非洲及美洲共 353 个目的地的定期航班。个人旅客、企业客户以及各行各业的合作伙伴，均依托其覆盖全球的庞大航线网络满足出行需求。

为在航空领域打造自身竞争优势，土耳其航空在全公司范围内启动了数据驱动转型计划。为推进这项计划，航司旗下科技子公司 Turkish Technology 全力赋能数据科学家开发前沿 AI 模型，充分挖掘企业数据资源价值。同时，公司推动全部业务线向 AI 驱动模式转型，要求各业务板块开展机器学习（ML）与生成式 AI（Gen AI）项目。

Turkish Technology 数据与 AI 负责人 Emre Yavuz 表示：“公司首席执行官希望各业务部门员工都能成为公民数据科学家，自主搭建 AI 项目，以便提升营收、优化运维、改善客户体验或是提高员工工作效率。”

Turkish Technology 首先需要保障航空公司的技术基础架构能够承载海量数据，并支持不断扩大的用户规模。Yavuz 称：“资源扩容曾是一大难题，当时 Jupyter Notebook 与计算资源之间缺少容器编排平台，任意用户都可能占用全部算力，导致其他人员无资源可用。”

Turkish Technology 开始物色合适的平台，用以消除耗时的手动数据对接工作，同时简化模型开发环境繁琐的资源置备流程、理顺模型部署环节。

Yavuz 表示：“我们希望让数据科学家能够便捷、合规地调取数据；同时实现工作空间自动创建，统一代码与部署流程，并统筹管理各类计算资源。总的来说，我们需要一套云就绪解决方案，以便在监管政策允许时充分利用云端可扩展性。”

在对比评估十家供应商的解决方案后，Turkish Technology 最终选定了 OpenShift AI。Yavuz 说道：“我们选择红帽，是因为其深耕开源解决方案的理念与我方价值观、发展战略高度契合。AI 领域迭代速度极快，唯有开源技术能赋予我们所需的灵活适配能力。依托开源生态，我们能够自主开发、整合新技术，持续站在行业创新前沿。”

红帽与土耳其航空公司顺利完成概念验证，随后双方大幅拓展项目内容，推进至正式交付阶段。由 5 名红帽咨询师组成的团队，联合 Turkish Technology 的 DevOps、基础架构、平台管理以及数据科学团队，基于本地裸机环境完成了整套解决方案的规划与实施。

红帽团队提供了全套定制化 OpenShift AI 环境，并完成了与现有系统对接，满足了各项业务需求，其中包含定制开发环境、模型与管道的自动化部署、定制监控及报警机制。

“红帽咨询的专业技术实力和卓越沟通能力有目共睹，在我们取得成功的过程中起到了关键作用。”Yavuz 说道，“该团队不仅提供专业指导，还与我们开展一对一协作，协助我们采用标准化流程、实施最佳实践，并充分利用 OpenShift AI 的强大功能。”

如今，OpenShift AI 作为容器编排层，负责统筹调配图形处理单元（GPU）计算资源。该航空公司的 OpenShift AI 生态系统还集成了 Dremio 分布式查询引擎。该数据接入层可存储来自多类数据源的规整处理数据，供 OpenShift AI 开展模型试验与模型训练工作。

土耳其航空公司现有超 60 套投入运行的 AI 模型，覆盖各类 AI 项目。实际应用场景包括：依托旅客及行为数据实现实时动态定价、支付欺诈识别、航司运营管理等。AI 还可预测飞机地面停留时长、分配飞机尾号、预判航班准点率，为运营团队提供数据洞察，便于主动制定决策、优化运营流程。多款用于提升员工体验与工作效率的生成式 AI 应用，也已在 OpenShift AI 平台正式启用。

数分钟内即可创建工作空间，部署时长缩短一半

OpenShift AI 显著提升了土耳其航空公司 AI 模型的开发效率和部署速度。Yavuz 表示：“OpenShift AI 将数据调取、模型开发与部署功能整合至一个套件中，加快了 AI 模型的试验迭代与上线流程。”

在 AI 模型开发项目中，近 80% 的时间都花在了数据的采集、收集和预处理上；OpenShift AI 现在可简化各类数据研究资源对接等人工操作，大幅节省宝贵时间。模型试验阶段对速度要求极高，以 Llama 系列大语言模型（LLM）为代表的核心模型更新迭代十分迅速。平台内置预设模板与镜像，可简化模型开发环境创建流程，实现环境快速搭建。

Yavuz 表示：“数据科学家只需告知所需内存与中央处理器（CPU）数量，我们就能为其创建工作空间。依托 OpenShift AI，这项操作如今仅需数分钟，以往却要耗费数小时。”

与此同时，部署速度也提升了一倍，这在一定程度上要归功于标准化以及数据科学家无需再依赖运维和基础架构团队。Yavuz 表示：“数据科学家只需编写包含全部投产需求的 YAML 文件，这是一种人类可读的数据序列化语言，常用来编写配置文件。OpenShift AI 提供了配套工具，帮助他们轻松完成投产操作。”

在整个公司内营造开放的创新文化

目前，土耳其航空公司已有超 200 名员工参与 AI 相关研发工作。红帽咨询助力土耳其航空员工建立对平台的使用信任，推动平台使用规模持续扩大；同时协助数据科学家上手 OpenShift AI，打通团队沟通壁垒，搭建全新协作沟通渠道。

如今，全公司都形成了更开放的氛围，员工可自由试用各类新软件包、扩展组件与新技术开展试验创新。Yavuz 表示：“过去开展试验流程繁琐且风险较高，稍有不慎就会造成整套开发环境崩溃。依托红帽与 OpenShift AI，我们各业务部门的公民数据科学家能够独立、快速搭建专属模型。”

如今各业务部门可按需自主发起 AI 项目，数据科学家也能轻松下载、试用各类全新 LLM。任何员工都可以验证新思路，并将研究成果与最佳实践分享给 Yavuz 所在团队；该团队随后可制作全新镜像，供其他数据科学家使用。Yavuz 表示：“举例来说，如果某位数据科学家解决了数据清洗相关难题，我们就能制作配套模板，提供给其他遇到同类问题的人员。”

为数据科学家提供 GPU 等核心资源的访问权限

依托 OpenShift AI，土耳其航空公司可高效应对持续增长的业务需求。这套先进的基础架构可为数据科学家开放 GPU 算力等核心资源，全面优化 AI 开发流程。

Yavuz 表示：“过去，我们没有充足的平台与计算资源，无法满足各业务线全部 AI 模型的开发需求。OpenShift AI 提供了先进的工具和基础架构，不仅可以简化数据预处理并加速 AI 模型开发，还可以扩展计算资源。”

OpenShift AI 还优化了计算资源利用率，消除了各工作负载相互干扰的隐患。Yavuz 称：“借助 OpenShift AI，我们能够精细化分配计算资源，即使某一任务超出分配额度，也不会影响其他项目正常运行。”

数据科学家与各类项目时常需要动态增减算力，有些项目还需瞬时高强度计算能力。红帽 OpenShift 具备自动扩缩容与自我修复能力，既能保障核心计算资源稳定可用，也能大幅减轻运维团队的工作负担。

实现流程自动化和模板标准化

每当创建全新环境时，OpenShift AI 都会自动为数据科学家分配计算资源与数据源的访问权限。自动化流程搭配标准化模板，可降低手动建立连接带来的风险，同时确保全程符合监管要求。

Yavuz 表示：“OpenShift AI 为我们搭建了标准化的数据连接层。运维人员无需在团队每次对接数据源时，手动配置数据库访问权限、输入用户名和密码。”

除此之外，系统会遵循最小权限原则，仅向数据科学家开放其工作所需的数据源与计算资源。平台集成了 Git 存储库，针对 AI 模型区分读写、只读两类访问权限；权限管理体系同步对接 Active Directory，用户凭同一套登录凭证，即可访问全部所需资源。

随着项目规模不断拓展，红帽咨询可为多种全新用例提供技术支持。具体工作内容包含：梳理日志过滤与转发至外部审计系统的需求、借助 Kubernetes 中的变更 Webhook 搭建定制化开发人员工作台、部署 Sealed Secrets 机制，避免用户在 GitHub 中以明文形式存储密钥。

土耳其航空公司仍在持续挖掘 AI 应用机遇，以此深化创新文化、实现效能提升，而引入 OpenShift AI 已为企业创造可观价值。

Yavuz 表示：“我们的 AI 项目旨在通过增收、降低运维成本、提升效率，创造超 1 亿美元的经济效益。我们还计划推动更多业务部门员工转型为公民数据科学家。OpenShift AI 帮助我们将 AI 打造为一种‘普惠能力’，让企业各业务部门都能自主构建 AI 模型。我们希望本次实践成果能够为行业树立范例，带动其他企业组织采用同类技术方案。”