红帽公司正凭借“运营基础”竞争力，在企业人工智能(AI)市场中提升影响力。这是因为企业的关注点已不再仅仅是选择哪个模型，而是转向了如何在复杂的混合环境中稳定地运行数据、应用程序、虚拟机(VM)、容器和推理工作负载。
AI扩散的瓶颈不在于模型，而在于“平台”
近期，企业AI已超越实验阶段，正进入实际业务环境。在此过程中，核心挑战并非模型性能本身，而是支撑它的基础设施和运营体系。The Cube Research首席分析师保罗·纳肖蒂评价称，红帽的开放混合云战略在将分散的基础设施转变为一致的运营层方面正变得越来越重要。
他指出，红帽峰会2026展示了应用程序开发正转向“平台工程”和基于AI的工作流。他解释说，企业正将基于Kubernetes的平台作为标准，以便在混合环境中实现一致的应用程序部署，同时将AI功能整合到开发管道中。其结果是，开发团队和基础设施团队不再各自为政，而是在一个通用平台上共同构建和运营应用程序、数据和模型。
红帽，将传统应用、VM和AI统一到一个基础上
红帽的AI战略始于一个认识：传统应用程序、虚拟机、容器和AI工作负载都应在一个基础上运行。The Cube Research首席分析师罗布·斯特雷切表示：“AI不再是科学实验”，他认为，当今市场的焦点在于如何高效运营AI、如何负责任地加以控制，并将其转化为实际收入。
他强调，AI的真正瓶颈不是模型，而是“平台”。这意味着，企业并非缺乏引入AI的意愿，而是受困于碎片化的工具、脱节的流程，以及并非为以推理为核心的分布式工作负载所设计的基础设施。分析认为，在此过程中，Kubernetes正成为协调多种环境的关键层，但为了实际的大规模运营，需要一个能让其易于使用的平台。
特别是，对于企业而言，AI的成本结构正变得越来越复杂。斯特雷切诊断称，尽管“代币经济学”正成为一种新的云成本模式，但对于首席财务官(CFO)或业务部门负责人来说，这仍然是一个非常令人困惑的概念。归根结底，比起打造更大模型的公司，谁能更高效地优化推理，谁就更有可能获得竞争优势。
虚拟化不是替换，而是“现代化”问题
虚拟化市场也为红帽带来了新的机遇。许多企业正在重新审视其现有的VM环境，但他们并不希望进行无条件的替换或割裂。他们想要一条能够保留现有应用程序，同时又能自然而然地过渡到容器、AI工作负载和云原生运营的转型路径。
红帽产品管理高级经理丹尼尔·梅瑟解释说，VM和容器不应被困在各自的孤岛中。他表示，Kubernetes与生俱来的力量在于集成，而KubeVirt使之成为可能。通过这一点，红帽将OpenShift虚拟化定位为不仅仅是VM的替代品，更是更广泛的应用程序现代化战略的一部分。
红帽高级副总裁兼首席产品官(CPO)阿什什·巴达尼也强调，这场讨论并非止步于简单的虚拟化迁移。企业想要的是一个既能容纳VM，同时又能支持云原生工作负载，甚至还能处理基于AI的工作负载的平台。红帽认为，最终同一个平台能够支撑所有这些需求。
企业想要的是简化与控制力
红帽传递出的信息相对明确：企业在扩大AI投资的同时，希望减少工具的泛滥，加强安全，并提高运营一致性。在此趋势下，与其分开运营多个系统，不如通过基于Kubernetes的通用平台来同时管理遗留系统与新一代工作负载，这种方法正获得越来越多的支持。
红帽产品管理高级经理西亚马克·萨德吉安法尔以OpenShift Dev Spaces为例解释说，开发者可以在基于Web的环境中通过一次点击，就能直接使用合规的开发环境。他声称，过去，当更换笔记本或启动新项目时，重新配置开发环境可能需要大约一周时间，而现在可以大大缩短。这被视为一项同时追求开发生产力与运营标准化的战略。
“主权AI”与推理成本成为新变量
AI主权，即所谓的“主权AI”，如今已成为董事会层面的议题。企业、政府和受监管行业希望拥有能够直接控制模型、数据、成果和合规性的架构。红帽亚太区首席技术官(CTO)文森特·卡利戴将其定义为“能自主掌控数字命运的能力”。
他指出，这个问题不仅关乎简单的合规或安全，也与经济竞争力息息相关。他解释说，未能获取足够GPU的国家将难以建设“AI工厂”，最终可能在构建自身模型和AI能力方面落后。对红帽而言，可以通过不锁定于特定云或特定部署方式的开放混合云战略来瞄准这一需求。
同时，AI市场的重心正逐渐从训练转向推理。这是因为在实际运营环境中，需要反复运行模型，并在靠近企业数据的位置安全地使用它，同时还要控制成本。红帽AI平台架构师罗伯托·卡拉塔拉表示，许多客户已越过探索阶段进入运营阶段，在此期间，代币消耗量正在急剧增长。因此，“高性价比的模型”正成为必要条件。
GPU的供应问题依然存在。梅瑟表示，近期获取GPU非常困难，在企业环境中难度则更高。如何管理昂贵的GPU，避免其闲置或低效使用，正成为AI运营竞争力的核心。
最终，红帽提出的解决方案并非为AI建设单独的基础设施，而是一个能够同时容纳现有企业IT和AI的通用平台。在企业AI市场从实验转向运营的这个节点，一种观点正获得越来越多认同：胜负的关键不在于模型本身，而在于能否获得一个能够稳定驾驭它们的“控制面”。
TP AI注意事项 本文使用基于TokenPost.ai的语言模型进行摘要。正文的主要内容可能被省略或与事实不符。