今年以来，企业级AI面临的变量明显变多。大模型迭代以月为单位推进，企业刚选定的技术路线，往往在两三个月内就要面对新版本、新架构的冲击；加速卡供给持续紧张，交期与价格都不完全由采购方掌握。技术选择的窗口期在缩短，试错成本却在上升。

　　“企业不缺AI战略，缺的是能算清楚的那笔账。”红帽全球副总裁兼大中华区总裁曹衡康对《中国经营报》记者表示，无论国内还是海外，当下要解决的核心问题高度相似，那就是如何让AI真正产生效益。

　　治理的裂缝

　　红帽与CIO时代联合发布的《2026中国企业级AI实践调研分析年度报告》显示，接近70%的受访企业正在推进智能体，其中一部分已上线生产，另一部分仍处试点阶段。与之形成对照的是，正式治理框架的覆盖率不到15%。

　　红帽大中华区方案架构部总经理王慧慧将这一落差称为“剪刀差”。

　　红帽对受访企业的AI基础架构能力做了六维度成熟度评估，采用5分制、3分为及格线。结果显示，仅“安全隔离与访问控制”一项达到及格水平，背后是既有数据治理法规的刚性约束；MLOps模型交付效率、算力调度与弹性扩展、多框架与多模型统一管理、AI FinOps成本管理、AI工作负载可观测性五个维度均未及格。

　　另一处变化发生在“谁为AI算账”上。“过去AI价值的体现一直是IT部门的工作，是CIO的任务；现在我们发现，它实际上是业务部门的问题，是CFO需要回答的问题。”王慧慧说。当企业锁定一个应用场景，需要回答的是在AI加持下实现了怎样的投入产出。

　　更普遍的难题是“烟囱式”建设。业务部门因紧迫性直接采购外部工具，与IT部门推进的私有化部署并行，企业的模型与智能体使用因此呈割裂状态。在她看来，CIO当下的重点不是再造一套独立于既有IT治理的AI流程，而是统一规划、搭好“围栏”，把原本用于Linux等对象的管理方法直接扩展到AI。

　　补丁追不上漏洞

　　与治理困境并行的，是安全侧的失衡。王慧慧指出：AI挖掘漏洞的速度已超过全球研发人员补漏洞的速度。单个漏洞的发现成本降至50美元，攻击者不再需要珍惜手中的“武器”。对企业而言，“是否已经暴露”已不再是问题，“如何得到保护”才是。

　　应对这一问题的方法被拆成三层。第一层是延续30余年的backport（反向移植）：新补丁照常打在新版本，同时反向移植到仍在运行的旧版本，并把补丁回馈上游社区。

　　第二层面向开发环节。Hardened Image是体量很小的容器镜像，内置经过验证的运行环境与库文件，基于它开发的应用天然不带已知漏洞；滚动发行版Hummingbird则让补丁不必等操作系统下一个正式版本。

　　第三层针对生态之外的开源库。大量Java、Python组件并非厂商自有产品，其中不少社区已长期无人维护。红帽与IBM共建Lightwell开源项目，投入2万余名开发人员从Python和Java开源库入手，为其中的纯开源组件制作补丁，再通过自动化方式推送到生产环境，把打补丁周期从40多天压缩到7—14天。

　　“能对抗AI的还是AI，只是我们需要讲究工作方式。”王慧慧说。更棘手的是漏洞的复合化——AI会把看似无关的微小漏洞串联成一条攻击路径，这会带来复杂的组合式攻击，企业需要综合考虑。

　　中间层的生意

　　如果将AI产业链比作蛋糕，那么底层是电力与能源，其上是GPU、CPU、TPU等硬件，中间是基础设施软件，再往上是模型，最上层是智能体与各类应用。多数厂商在其中择一层落子，而红帽选的是中间层，提供统一平台，支持灵活选择加速器、云环境、模型、智能体。

　　“我们下面不做硬件，上面不做应用，做中间的那一层。”王慧慧称，红帽在这一层几十年的生意逻辑没有变：把社区跑出的技术标准做成企业级商业版本。Linux如此，Kubernetes如此，如今轮到AI。她的判断是，CIO级别的客户真正关心的往往不是“哪个模型好”，而是“哪条技术路线会成为标准”。

　　焦虑在客户一侧已有具体形态。曹衡康描述了一个常见场景：企业好不容易把一个模型搭进业务流程，市场上又冒出更新的模型，CEO转头问CIO要不要试试，CIO却犯愁——换模型成本高，底层平台还未必支持。他给出的解法是让模型与平台解耦，“让你能够自由地去换模型”。

　　按这一思路，红帽平台能力被组织成以下几层：算力层支持Intel、NVIDIA、AMD等国际加速卡，国产加速卡中沐曦是首家完成适配的厂商，适配已经发布；基础层沿用成熟的Linux与混合云平台；推理层以vLLM为核心，并扩展出分布式推理架构llm-d，后者已成为CNCF孵化项目，对应的是用户以上千张卡组成集群做推理的新需求；模型层支持20多个开源模型、合计700多个版本。

　　成本账集中在推理侧。王慧慧把它拆成两种姿态：一种是把AI当作商业API来消费，另一种是自己搭平台产出Token。“企业当然是Token的消费者，但更重要的是成为Token的生产者。”她的依据是账单结构——单位Token成本已降到几毛钱，总账单却在上升，原因是具备思考能力的模型让Token消耗呈指数级增长。

　　生态是这套模式的另一半。红帽大中华区首席营销官赵文斌称，其生态伙伴图已连续更新两年，其中包含不少本土伙伴，覆盖算力、模型与智能体各层，全球硬件与软件伙伴合计约1万家；社区侧以定期直播承接vLLM社区的Office Hour，触达数十万中国开发者。

　　出海是另一条被反复提及的需求。曹衡康称，越来越多中国企业希望把产品推向海外，而合规往往在第一轮沟通中就被摆上桌——海外客户会先问对方支不支持这套基础软件。对智能制造与软硬件厂商而言，这是一道现实门槛。

　　随着AI从技术探索走向产业化落地，“中间层”的价值也正在逐渐显现。不过，这套逻辑要真正发挥作用，市场仍有不少环节需要完善。至少从今年的调研来看，智能体的推进速度与企业治理框架的覆盖程度之间，仍存在明显落差。如何在加速AI应用落地的同时，补齐治理能力短板，将成为AI产业化下一阶段绕不开的课题。

（文章来源：中国经营报）