随着企业将"代理型AI"投入实际工作，关注焦点正从模型性能转向"信任"。分析指出，由于AI能够编写代码、触及系统甚至执行实质性操作，如何确保安全、治理和稳定性已成为核心课题。
红帽首席技术官（CTO）兼全球工程高级副总裁克里斯·赖特（Chris Wright）在红帽峰会2026现场表示："当我们要让代理在真实业务中采取行动时，如何信任这个AI变得至关重要。"他特别强调，最小权限授予、沙盒环境以及大规模代理管理体系是必要条件。
红帽押注构建以vLLM为核心的"标准推理层"
作为降低企业AI复杂性的解决方案，红帽提出了"标准化推理层"。构想是，正如过去的Linux和Kubernetes成为行业共同基础，如今开源AI推理引擎vLLM也应承担这一角色。
为此，红帽通过收购Neural Magic获得了量化与推理性能优化能力。克里斯·赖特解释道："模型供应商甚至在公开模型之前，就已经率先针对vLLM进行开发。这种标准化正在提升整个生态系统的效率，也成为了企业内部提升运营效率的基础。"
从企业角度来看，这具有重要意义，因为它能减少基础设施选择的不确定性。只有明确了在何种基础上运行模型，才能降低开发、部署和维护成本。归根结底，开源AI的信任不仅关乎技术伦理，也与实际运行环境中的"可预测性"息息相关。
推理成本，如今已成为董事会关注的经营变量
随着AI的普及，"推理成本"也正成为重要的经营指标。由于持续运行大型语言模型所需的电力和半导体成本不断增加，企业正从一味使用最强大模型，转向针对不同业务寻找最高效的组合方案。
克里斯·赖特表示，应根据具体任务选择性价比和能效比最优的硬件和模型。换言之，对所有工作都采用同一种AI的方式可能效率低下。简单任务可能更适合小模型，而复杂判断则需要大模型。
这一趋势加大了AI基础设施走向"异构架构"而非"单一架构"的可能性。因为云、本地部署以及工厂现场等边缘环境将被混合使用，硬件也可能从单一的GPU扩展到多种组合。红帽在此节点上，期待其平台战略的持续价值。
"可信AI"之争，正向平台型企业蔓延
此次发言表明，AI市场竞争已不再仅由模型性能决定。企业客户真正需要的，并非一个更聪明的模型，而是一个可信且可控的执行环境。
特别是在成百上千个AI代理同时运行的环境中，安全策略、权限管理、可审计性等因素变得不可或缺。这也是行业像Linux和Kubernetes时代一样，再次寻求共同标准的原因所在。
最终，开源AI的信任很可能成为决定未来企业AI普及速度的关键条件。随着标准化推理层和异构基础设施战略的确立，企业有望更快地将AI从实验阶段推进到实际生产环境。
TP AI 注意事项 本文基于 TokenPost.ai 的语言模型进行了摘要。正文主要内容可能被省略或与事实不符。