【AIGC调研系列】红帽的RHEL AI能够做什么

本文链接：https://blog.csdn.net/weixin_39648954/article/details/138571186

红帽的RHEL AI（Red Hat Enterprise Linux AI）是一个基于开源项目InstructLab和IBM Research提供的Granite大型语言模型的基础模型平台。它旨在无缝开发、测试和运行生成式AI模型，以支持企业应用程序[1][2][5]。

具体来说，RHEL AI提供了一个集成的环境，使得企业能够利用这些先进的AI技术来增强其业务流程和服务。这个平台不仅包括了必要的软件和工具，还提供了与Red Hat Enterprise Linux兼容的可启动镜像，这使得部署更加简便[3]。

此外，RHEL AI还支持跨混合基础设施的部署，这意味着企业可以在不同的计算环境中（如私有云、公共云和边缘计算）高效地部署和管理AI/ML工作负载[13][14]。这种灵活性对于需要处理大量数据和复杂计算任务的企业尤为重要。

红帽通过RHEL AI展示了其在推动AI技术商业化和实际应用方面的努力，特别是在开源社区中的贡献，以及如何将这些技术融入到现有的产品线中，如Red Hat Insights和Ansible Lightspeed，从而提高效率和智能化水平[6][7][10]。

红帽的RHEL AI能够帮助企业无缝地开发、测试和部署高性能的生成式AI模型，支持多种计算环境，并且与红帽的其他产品紧密集成，以实现更广泛的业务应用和自动化。

红帽RHEL AI如何与InstructLab和IBM Research的Granite大型语言模型集成？

红帽RHEL AI与InstructLab和IBM Research的Granite大型语言模型集成主要体现在以下几个方面：

技术共享与平台支持：根据证据，IBM已经将其Granite AI模型开源，并且在InstructLab平台上进行了部署[19][21]。这意味着红帽RHEL AI可以利用这些开源的Granite模型来增强其AI功能。此外，红帽也推出了企业级Linux AI平台（RHEL AI），该平台同样使用了开源的Granite模型和InstructLab技术[20]。
降低混合云中的障碍：红帽SVP和首席产品官Ashesh Badani表示，通过结合InstructLab和RHEL AI，可以帮助解决跨越混合云环境中的人工智能应用面临的许多障碍，如数据科学资源的限制等[20]。
多语言支持与参数范围：IBM的Granite AI模型支持多种编程语言，并且参数范围从3亿到34亿不等[22]。这种灵活性使得红帽RHEL AI能够适应不同的业务需求，无论是小规模还是大规模的项目。
代码生成能力：特别值得一提的是，IBM还开源了一个名为granite.20b.code的200亿参数的代码生成模型，这个模型可以帮助开发人员和IT运营人员使用自然语言提示来生成代码[23]。这种集成可能会极大地提高开发效率和自动化水平。

RHEL AI支持哪些具体的生成式AI模型开发工具和软件？

RHEL AI支持的具体生成式AI模型开发工具和软件包括Ansible-Lightspeed。Ansible-Lightspeed是RedHat提供的一项服务，它利用自动化生成式AI来帮助Ansible开发人员更快、更好地开发Playbook。

如何在私有云、公共云和边缘计算环境中部署RHEL AI？

在私有云、公共云和边缘计算环境中部署RHEL AI，可以通过以下步骤进行：

私有云部署：
1. 在私有云环境中，首先需要确保您的基础设施支持RHEL操作系统。可以选择使用Red Hat Enterprise Linux作为基础镜像，并根据需要配置网络和存储。
2. 可以利用Red Hat OpenShift AI来集成数据、智能和机器学习软件，以执行端到端的机器学习工作流[31]。
公共云部署：
1. 在公共云平台如Amazon Web Services (AWS)或Google Cloud Platform (GCP)上，您可以创建和部署RHEL系统镜像。这包括安装所需的软件包和代理、配置隔离等[26]。
2. Google Cloud Platform允许您将Red Hat Enterprise Linux镜像部署为Google Compute Engine实例，这涉及到选择合适的镜像选项并理解基础镜像的配置[25]。
边缘计算部署：
1. 边缘计算环境通常涉及到在网络的边缘位置（如近用户的地方）部署计算资源，以减少延迟并提高响应速度。在这种环境中，可以使用Red Hat Enterprise Linux和OpenShift来优化应用程序的构建和管理[30]。
2. Red Hat OpenShift AI支持在边缘计算环境中的部署，可以作为红帽托管环境的附加组件安装，如Red Hat OpenShift Dedicated和Red Hat OpenShift Service on Amazon Web Services[31]。
技术和工具：
1. 使用OpenShift AI，您可以在多种环境中部署受培训的模型，使其可作为服务使用API访问。这对于测试和实施智能应用程序至关重要[32]。
2. OpenShift AI已在OpenShift 4.15 + RHODS 2.7.0的环境中验证，表明它支持高级功能如LLM模型的部署[33]。

无论是在私有云、公共云还是边缘计算环境中，部署RHEL AI都需要考虑操作系统的选择、必要的软件和服务的配置，以及如何有效地利用OpenShift AI来集成和管理机器学习工作流。

RHEL AI如何提高企业应用程序的性能和服务水平？

RHEL AI通过多种方式提高企业应用程序的性能和服务水平。首先，RHEL 7.1企业版支持最新的硬件设备，使得系统能够充分利用最新的硬件技术来提升性能[35]。此外，RHEL AI与Run:ai合作，将Run:ai的资源分配能力引入到Red Hat OpenShift AI中，这有助于简化AI操作并优化基础设施，从而使企业能够更有效地利用AI资源[36]。

RHEL AI还通过OpenShift AI版本2.9引入了新的功能，如边缘模型服务技术预览、改进的模型开发等，这些都有助于提高模型的效率和性能[37]。此外，OpenShift作为构建AI和机器学习数据科学工作流程及AI驱动智能应用的基础，提供了敏捷性、灵活性、可移植性和跨混合云的可扩展性[38]。

RHEL还集成了生成式AI到OpenShift和RHEL中，并推出了Podman Desktop的专用扩展Podman AI Lab，使开发者能够构建、测试和运行基于生成式AI的应用程序[39]。此外，RHEL Enterprise Linux AI采用开源方法，使得大型语言模型（如Granite系列）可以被开发、测试和部署，以支持企业级应用[40][41]。

红帽通过RHEL AI推动AI技术商业化和实际应用的具体案例有哪些？

红帽通过RHEL AI推动AI技术商业化和实际应用的具体案例包括以下几个方面：

生成式AI技术的应用：红帽正在探索如何将生成式AI技术与商业应用场景相结合，未来计划利用这些技术生成运算符，以支持数智化转型过程中的AI落地[42]。
AIGC技术融入产品线：红帽已经将AIGC技术融入其产品线，为企业级场景提供服务。这表明红帽在生产和关键任务领域的AI应用上取得了进展，并且强调了将功能安全引入传统Linux发行版（如RHEL）的重要性[43]。
开源AI模型的开发：IBM和红帽共同推出了Granite系列的大型语言模型（LLMs），这是他们首次尝试开源AI模型，这些模型在更广泛的RHEL AI平台中启动。红帽企业级Linux AI包括使用bootc Linux工具打包成可启动容器镜像的RHEL操作系统，使其能够跨基础设施便携运行[44]。
OpenShift平台的AI集成：红帽的OpenShift平台提供了AI集成，增强了部署、管理的能力，并通过AI模型计划和实现可移植性的方式提高了效率。此外，红帽还布局了Sora，以进一步推动其技术的商业化[46]。
开源AI平台的建设：红帽与IBM合作搭建了一个开放的开源AI平台，该平台不仅可以运行IBM的大模型，还可以运行其他开源大模型，支持不同的应用场景。这显示了红帽在全球开源领域的领导地位，并展示了其将领先技术应用于数字化转型的决心[47]。
NVIDIA Morpheus AI安全框架的部署：红帽发布了基于NVIDIA Morpheus AI数据科学框架的基础设施，可以在RHEL上部署Morpheus AI，同时使用Red Hat OpenShift管理基于Morpheus的容器和应用程序。这一举措进一步加强了红帽在AI安全框架部署方面的能力[48]。