红帽2026峰会观察：平台可选择性为何是企业ai的生存底线？-凯发官网首页
2026年07月07日 作者：
当各个行业都在追求模型参数竞赛时，红帽在2026全球峰会上给出的答案却显得“反直觉”：企业最大的风险不是选错某个模型，而是失去选择模型的能力。
当gartner将agentic ai列为2026年首要战略技术趋势时，企业cio们却在经历另一重现实的碾压。
“某ceo对cio讲，现在大家都在搞ai，我们也试试ai吧。但当cio问及部署周期时，ceo给出的时间却不能超过6个月，给予的支持资金有限，并且还希望看到明显的成效。”
在日前红帽举办的“未来的平台，即是选择”open讲活动上，红帽全球副总裁兼大中华区总裁曹衡康（victor tsao）用这段略带调侃却无比真实的描述，戳破了ai舆论场与企业试验田之间的巨大温差。
这不是技术可行性的问题，而是组织与架构的结构性困局：业务团队期待ai带来效率的高速增长，核心交易系统却容不得半点闪失；高层要求六个月见效，但过去十年重金搭建的虚拟化基础设施无法全盘推翻重建。曹衡康将其归纳为企业部署ai的“4s”原则——稳定（stable）、安全（security）、速度（speed）与规模化（scale）。
当各个行业都在追求模型参数竞赛时，红帽在2026全球峰会上给出的答案却显得“反直觉”：企业最大的风险不是选错某个模型，而是失去选择模型的能力。
01 以史为镜，为什么开放平台是企业ai的首选
“历史不会重复，但是它会押韵。”曹衡康在媒体open讲中抛出这个观点时，背后是一组被行业遗忘已久的数据。
三十年前，it世界有unix、ibm mainframe和无数种操作系统，应用形态各式各样，最后却是linux以开源、标准化的姿态统一了底层；
十几年前，容器技术百花齐放，最终kubernetes成为云原生的事实标准；
今天，ai模型与agent的爆发，让历史再次进入“押韵”时刻——chatgpt、千问、豆包等各类行业大模型层出不穷，企业如果只押注单一技术路线，无异于把全部鸡蛋放在同一个篮子里。
“一个再好的模型，它也可能会受到各种因素影响，出现意料之外的问题。所以企业不能只选一个模型，只选一个agent。” 曹衡康的判断直指当下企业ai试点的核心误区：将ai视为应用层创新，却忽视了底层平台的锁定风险。
红帽大中华区方案架构部总经理王慧慧（aella wang）进一步将这一理念提炼为峰会的主题：“未来的平台其实是一种选择的能力。”
这不是一句简单的营销口号。在王慧慧看来，当企业的人事部、工程部、市场部各自部署不同agent时，安全边界如何划定？当某个工程师用一个引导性问题就从通用agent中套出vp薪资水平时，企业的数据主权如何保障？这些看似细枝末节的安全隐患，实则是平台缺失的代价。
因此，本次红帽ai 3.4的升级逻辑，不是做更好的模型，而是做能承载任何模型的平台。
02 革故鼎新，在“推翻自己”中保住客户选择权
本次red hat ai的更新围绕推理、数据、智能体三大支柱展开，但最耐人寻味的是红帽在架构上的“自我颠覆”。
在推理层，红帽在vllm基础上推出了llm-d（分布式推理）能力，支持大规模水平扩展。但王慧慧在open讲中特意强调了一个细节：“llm-d可以跑在任意的操作系统、任意的kubernetes平台上面，你不一定要跑在红帽的操作系统和红帽的容器平台上面。”
这意味着，红帽为了兑现“四个任意”（任意云、任意硬件、任意模型、任意智能体）的承诺，主动放弃了对自身操作系统和openshift的绑定。这种“自我推翻”在商业化软件公司中极为罕见，却也印证了曹衡康所言“历史押韵”的深层逻辑——只有真正开放的基础设施，才能成为时代的标准。
在智能体层，红帽的agent ops能力则回应了企业迫切的安全焦虑。王慧慧举了一个生动的例子：“假如智能体获取到我的银行卡账号与密码，是否存在私自转账取款的风险？如果你用的是红帽的平台，就能帮助保证你的钱不会被取走。”
其底层机制在于，红帽平台能够辨识人与agent的身份差异，即使agent持有账号密码，在agent ops管控机制约束下，也无法执行转账、重启核心业务进程、泄露企业机密等高风险操作。在ai agent即将“野蛮生长”的2026年，这种“把自主性锁进安全边界”的能力，或许比模型本身的智能程度更为关键。
03 张弛有道，rhel如何兼顾创新与稳定？
如果说ai代表了“快”，那么企业遗留系统就代表了“稳”。红帽大中华区首席技术官张家驹在回应“企业如何在求稳与求变之间平衡”时，给出了一个技术视角的洞察：操作系统底层设计的核心目标，是提升软硬件整体协同运行效率。所以红帽今年在做agent ops的时候，加入了很多诸如gpu与cpu协同等新功能。
这背后其实是企业it撕裂的现实：ai开发需要快速迭代，但核心erp、mes等可能十几年都不能触碰。曹衡康在open讲中透露了一个令人惊讶的数据：红帽最老的一位客户，其rhel系统在生产环境中连续运行了超过14年未升级。
面对这种“既要快、又要稳”的矛盾需求，红帽在峰会上祭出了两手策略。
一手是安全加固镜像——面向ai与容器化环境提供零cve漏洞的极简操作系统镜像，对rhel及openshift订阅客户免费。这相当于在ai开发的入口处就堵住了安全漏洞，避免开发者在构建ai应用时引入基础风险。
另一手则是更具颠覆性的rhel forever（长生命周期增强包）。传统企业级操作系统通常承诺10年支持，但红帽本次更新打破上限，允许客户根据自身业务需求将系统维护延长至20年、30年甚至更久，且不设终止日期。曹衡康对此的解释很直白：“客户提了一个要求说，14年还不够，还要往下跑。为什么不想变化？因为很多系统由于应用本身的问题，就是不能够被触碰。”
rhel forever的实质，是将基础设施生命周期与日期脱钩，让企业不必为了升级而升级。在ai重构一切的时代，这种对“稳”的尊重，反而成了“快”的保障。
04 化繁为简，当自动化遇上ai agent
如果说red hat ai解决了“跑什么”的问题，rhel解决了“快与稳”的问题，那么ansible automation platform（aap）2.7则在回答“怎么管”的问题。
红帽将自动化归纳为三种模式：基于任务型（结构化、可重复）、事件驱动型（实时响应、自愈）与ai驱动型（预测、处方、优化）。aap 2.7的核心突破，在于通过“多模自动化编排器”将这三种模式以及ai agent统一纳入单一治理平面。
张家驹在谈及这一架构时，强调了操作系统在ai时代被重新发现的价值：去年ai推理赛道爆发，行业关注点集中在 gpu；而今年大模型需要调用各类工具，工具依赖cpu运行，cpu与gpu协同调度成为刚需，cpu的价值以及操作系统的协同优化能力也随之提升。
这种协同的视角直接映射到了ansible的ai化路径。在制造业场景中，当检测到产线设备异常（事件触发），ansible可自动创建servicenow工单，调用ai agent进行漏洞分析，经人工审批后，再触发确定性playbook执行修复——整个流程端到端可审计、可回溯。
此外，aap 2.7引入官方mcp服务器，能够让ai智能体通过标准化接口安全调用ansible的自动化能力，而无需编写自定义api代码。结合策略执行（policy enforcement）与rbac权限控制，企业可以精确设定“ai能做什么、不能做什么”。根据红帽的数据，在100台规模环境下，基于aiops的智能运维在健康巡检、漏洞与补丁响应、故障根因分析与辅助自愈、容量管理的效率均有大幅度的提升。
对于追求连续生产的工业企业而言，这不仅是效率提升，更是业务连续性的根本保障。
05 聚木成林，加强生态合作与本土化发展
在峰会生态层面，王慧慧介绍红帽与英伟达的战略合作已进入“day zero”阶段——红帽产品在英伟达硬件出厂前即完成匹配认证。双方推出的red hat ai factory with nvidia，面向企业与云服务商提供“token as a service”的混合ai凯发k8官网下载的解决方案。此外，ibm与红帽还承诺投入50亿美元启动project lightwell（光井计划），依托2万多名工程师团队，为整个开源供应链提供安全漏洞扫描与补丁修复，并将补丁贡献回上游社区。
面向中国市场，曹衡康称红帽正持续从研发、生态、行业、人才四大方向深化布局。红帽与《cio时代》联合启动《2026中国企业级ai实践调研分析年度报告》，覆盖快消、零售、医疗、制造等核心行业；区域层面深耕大湾区、长三角、京津冀，并扩展至成都、武汉、西安、厦门、合肥等制造业重镇；今年5月与英特尔、西门子在成都联合主办制造业峰会，深入探讨了ai与虚拟化在智能制造中的落地，获得了热烈反响。
值得一提的是，红帽还加快布局人形机器人与具身智能领域。曹衡康透露，红帽正与机器人厂商探讨“大脑 小脑”的操作系统方案——基于rhel for edge构建机器人底层操作系统，通过openshift实现成百上千台机器人的集群调度，并借助ansible完成自动化运维。他预判：“人形机器人赛道将面临一个大浪淘沙的阶段，不少厂商将被淘汰掉，剩下几个比较核心的。”而红帽的定位始终是提供稳定、开放的底层平台，让机器智能运行在标准化的linux之上。
小结
回顾红帽2026全球峰会，其传递的信号已超越产品发布本身。
当行业沉迷于“下一个爆款模型与应用”时，红帽用“平台即选择”提醒企业：ai的竞争不是百米冲刺，而是马拉松。模型会迭代，agent会泛滥，gpu与cpu会迭代升级，但承载这一切的底层平台必须保持开放、稳定与可演进。
对于正在经历“4s”考验的中国企业cio而言，红帽的“平台观点”或许提供了一条更务实的路径——不必在今天就押对所有的技术路线，但要确保自己永远拥有选择的权利。
“某ceo对cio讲，现在大家都在搞ai，我们也试试ai吧。但当cio问及部署周期时，ceo给出的时间却不能超过6个月，给予的支持资金有限，并且还希望看到明显的成效。”
在日前红帽举办的“未来的平台，即是选择”open讲活动上，红帽全球副总裁兼大中华区总裁曹衡康（victor tsao）用这段略带调侃却无比真实的描述，戳破了ai舆论场与企业试验田之间的巨大温差。
这不是技术可行性的问题，而是组织与架构的结构性困局：业务团队期待ai带来效率的高速增长，核心交易系统却容不得半点闪失；高层要求六个月见效，但过去十年重金搭建的虚拟化基础设施无法全盘推翻重建。曹衡康将其归纳为企业部署ai的“4s”原则——稳定（stable）、安全（security）、速度（speed）与规模化（scale）。
当各个行业都在追求模型参数竞赛时，红帽在2026全球峰会上给出的答案却显得“反直觉”：企业最大的风险不是选错某个模型，而是失去选择模型的能力。
图 红帽全球副总裁兼大中华区总裁曹衡康（victor tsao）
01 以史为镜，为什么开放平台是企业ai的首选
“历史不会重复，但是它会押韵。”曹衡康在媒体open讲中抛出这个观点时，背后是一组被行业遗忘已久的数据。
三十年前，it世界有unix、ibm mainframe和无数种操作系统，应用形态各式各样，最后却是linux以开源、标准化的姿态统一了底层；
十几年前，容器技术百花齐放，最终kubernetes成为云原生的事实标准；
今天，ai模型与agent的爆发，让历史再次进入“押韵”时刻——chatgpt、千问、豆包等各类行业大模型层出不穷，企业如果只押注单一技术路线，无异于把全部鸡蛋放在同一个篮子里。
“一个再好的模型，它也可能会受到各种因素影响，出现意料之外的问题。所以企业不能只选一个模型，只选一个agent。” 曹衡康的判断直指当下企业ai试点的核心误区：将ai视为应用层创新，却忽视了底层平台的锁定风险。
红帽大中华区方案架构部总经理王慧慧（aella wang）进一步将这一理念提炼为峰会的主题：“未来的平台其实是一种选择的能力。”
这不是一句简单的营销口号。在王慧慧看来，当企业的人事部、工程部、市场部各自部署不同agent时，安全边界如何划定？当某个工程师用一个引导性问题就从通用agent中套出vp薪资水平时，企业的数据主权如何保障？这些看似细枝末节的安全隐患，实则是平台缺失的代价。
因此，本次红帽ai 3.4的升级逻辑，不是做更好的模型，而是做能承载任何模型的平台。
02 革故鼎新，在“推翻自己”中保住客户选择权
本次red hat ai的更新围绕推理、数据、智能体三大支柱展开，但最耐人寻味的是红帽在架构上的“自我颠覆”。
在推理层，红帽在vllm基础上推出了llm-d（分布式推理）能力，支持大规模水平扩展。但王慧慧在open讲中特意强调了一个细节：“llm-d可以跑在任意的操作系统、任意的kubernetes平台上面，你不一定要跑在红帽的操作系统和红帽的容器平台上面。”
这意味着，红帽为了兑现“四个任意”（任意云、任意硬件、任意模型、任意智能体）的承诺，主动放弃了对自身操作系统和openshift的绑定。这种“自我推翻”在商业化软件公司中极为罕见，却也印证了曹衡康所言“历史押韵”的深层逻辑——只有真正开放的基础设施，才能成为时代的标准。
在智能体层，红帽的agent ops能力则回应了企业迫切的安全焦虑。王慧慧举了一个生动的例子：“假如智能体获取到我的银行卡账号与密码，是否存在私自转账取款的风险？如果你用的是红帽的平台，就能帮助保证你的钱不会被取走。”
其底层机制在于，红帽平台能够辨识人与agent的身份差异，即使agent持有账号密码，在agent ops管控机制约束下，也无法执行转账、重启核心业务进程、泄露企业机密等高风险操作。在ai agent即将“野蛮生长”的2026年，这种“把自主性锁进安全边界”的能力，或许比模型本身的智能程度更为关键。
03 张弛有道，rhel如何兼顾创新与稳定？
如果说ai代表了“快”，那么企业遗留系统就代表了“稳”。红帽大中华区首席技术官张家驹在回应“企业如何在求稳与求变之间平衡”时，给出了一个技术视角的洞察：操作系统底层设计的核心目标，是提升软硬件整体协同运行效率。所以红帽今年在做agent ops的时候，加入了很多诸如gpu与cpu协同等新功能。
这背后其实是企业it撕裂的现实：ai开发需要快速迭代，但核心erp、mes等可能十几年都不能触碰。曹衡康在open讲中透露了一个令人惊讶的数据：红帽最老的一位客户，其rhel系统在生产环境中连续运行了超过14年未升级。
面对这种“既要快、又要稳”的矛盾需求，红帽在峰会上祭出了两手策略。
一手是安全加固镜像——面向ai与容器化环境提供零cve漏洞的极简操作系统镜像，对rhel及openshift订阅客户免费。这相当于在ai开发的入口处就堵住了安全漏洞，避免开发者在构建ai应用时引入基础风险。
另一手则是更具颠覆性的rhel forever（长生命周期增强包）。传统企业级操作系统通常承诺10年支持，但红帽本次更新打破上限，允许客户根据自身业务需求将系统维护延长至20年、30年甚至更久，且不设终止日期。曹衡康对此的解释很直白：“客户提了一个要求说，14年还不够，还要往下跑。为什么不想变化？因为很多系统由于应用本身的问题，就是不能够被触碰。”
rhel forever的实质，是将基础设施生命周期与日期脱钩，让企业不必为了升级而升级。在ai重构一切的时代，这种对“稳”的尊重，反而成了“快”的保障。
04 化繁为简，当自动化遇上ai agent
如果说red hat ai解决了“跑什么”的问题，rhel解决了“快与稳”的问题，那么ansible automation platform（aap）2.7则在回答“怎么管”的问题。
红帽将自动化归纳为三种模式：基于任务型（结构化、可重复）、事件驱动型（实时响应、自愈）与ai驱动型（预测、处方、优化）。aap 2.7的核心突破，在于通过“多模自动化编排器”将这三种模式以及ai agent统一纳入单一治理平面。
张家驹在谈及这一架构时，强调了操作系统在ai时代被重新发现的价值：去年ai推理赛道爆发，行业关注点集中在 gpu；而今年大模型需要调用各类工具，工具依赖cpu运行，cpu与gpu协同调度成为刚需，cpu的价值以及操作系统的协同优化能力也随之提升。
这种协同的视角直接映射到了ansible的ai化路径。在制造业场景中，当检测到产线设备异常（事件触发），ansible可自动创建servicenow工单，调用ai agent进行漏洞分析，经人工审批后，再触发确定性playbook执行修复——整个流程端到端可审计、可回溯。
此外，aap 2.7引入官方mcp服务器，能够让ai智能体通过标准化接口安全调用ansible的自动化能力，而无需编写自定义api代码。结合策略执行（policy enforcement）与rbac权限控制，企业可以精确设定“ai能做什么、不能做什么”。根据红帽的数据，在100台规模环境下，基于aiops的智能运维在健康巡检、漏洞与补丁响应、故障根因分析与辅助自愈、容量管理的效率均有大幅度的提升。
对于追求连续生产的工业企业而言，这不仅是效率提升，更是业务连续性的根本保障。
05 聚木成林，加强生态合作与本土化发展
在峰会生态层面，王慧慧介绍红帽与英伟达的战略合作已进入“day zero”阶段——红帽产品在英伟达硬件出厂前即完成匹配认证。双方推出的red hat ai factory with nvidia，面向企业与云服务商提供“token as a service”的混合ai凯发k8官网下载的解决方案。此外，ibm与红帽还承诺投入50亿美元启动project lightwell（光井计划），依托2万多名工程师团队，为整个开源供应链提供安全漏洞扫描与补丁修复，并将补丁贡献回上游社区。
面向中国市场，曹衡康称红帽正持续从研发、生态、行业、人才四大方向深化布局。红帽与《cio时代》联合启动《2026中国企业级ai实践调研分析年度报告》，覆盖快消、零售、医疗、制造等核心行业；区域层面深耕大湾区、长三角、京津冀，并扩展至成都、武汉、西安、厦门、合肥等制造业重镇；今年5月与英特尔、西门子在成都联合主办制造业峰会，深入探讨了ai与虚拟化在智能制造中的落地，获得了热烈反响。
值得一提的是，红帽还加快布局人形机器人与具身智能领域。曹衡康透露，红帽正与机器人厂商探讨“大脑 小脑”的操作系统方案——基于rhel for edge构建机器人底层操作系统，通过openshift实现成百上千台机器人的集群调度，并借助ansible完成自动化运维。他预判：“人形机器人赛道将面临一个大浪淘沙的阶段，不少厂商将被淘汰掉，剩下几个比较核心的。”而红帽的定位始终是提供稳定、开放的底层平台，让机器智能运行在标准化的linux之上。
小结
回顾红帽2026全球峰会，其传递的信号已超越产品发布本身。
当行业沉迷于“下一个爆款模型与应用”时，红帽用“平台即选择”提醒企业：ai的竞争不是百米冲刺，而是马拉松。模型会迭代，agent会泛滥，gpu与cpu会迭代升级，但承载这一切的底层平台必须保持开放、稳定与可演进。
对于正在经历“4s”考验的中国企业cio而言，红帽的“平台观点”或许提供了一条更务实的路径——不必在今天就押对所有的技术路线，但要确保自己永远拥有选择的权利。
责任编辑：
您可以：
返回顶部