“当企业刚刚选定一个AI模型，两天后又出现了一个更好的，您是感到兴奋还是压力？”在2026红帽论坛上，红帽全球副总裁兼大中华区总裁曹衡康（Victor Tsao）一开场就抛出了这个问题。
问题看似轻描淡写，落到企业身上却感觉异常沉重。
很多企业可能都在反复上演类似的状况：上午刚把推理服务调通，下午就听说新模型在同等硬件上便宜了一半；预算刚批，框架又更新了一代。技术选型从能管五年，变成了可能只管五个月。在这样的快节奏中谈平台，很容易滑向两个极端：要么断定平台过时，要么把平台当成一个筐，什么新名词、新功能都往里面装。但两者都绕开了一个棘手的现实问题——在一轮又一轮技术升级的大潮中，哪些必须跟着变，哪些变了反而会迷失。
过去几十年中，红帽把Linux带进企业机房，又把容器做成企业敢用的OpenShift，如今将AI也装进同一个平台。技术的时间线从Linux、虚拟化、容器、云一直画到AI，但平台的工作始终没变：把实验室里的技术变成企业敢在生产环境用的技术。曹衡康把这一实践说得更直接：“历史不会重复，但会押韵。”Linux如此，OpenShift如此，AI大概也会如此。只是这一次的AI，变化更多也更深。
地基变了
AI的出现，只是平台上多了一类负载吗？现实是，地基在变。
第一根支撑柱是算力。2026年中国企业级AI实践调研显示，英伟达渗透率66.7%，华为昇腾已达37.6%，“异构算力统一管理困难”被35.6%的受访者列为主要挑战；自建本地集群的企业一年内从34.7%升到50.0%。算力不再是一朵云里的一个池子，而是分散在本地机房、私有云、公有云和边缘的多个池子中。
第二根支撑柱是成本。过去平台的账好算：几套授权、按插槽计价、五年折旧；现在则要按Token算。56.8%的企业已感受到明显的Token成本压力。更值得玩味的是，“GPU/算力成本高昂”以55.0%的比例位居挑战之首，而“AI FinOps成本管理”能力评分只有2.61分，排在AI基础设施六项能力成熟度末位。最痛的地方，恰好是能力最弱的地方。
第三根支撑柱是风险。过去安全讨论边界，防火墙内部可信、外部不可信；现在这条边界被Agent打穿了。68.9%的企业已在进行Agent试点或规模化运行，他们最担忧的是越权操作、擅自修改高危数据，其次是提示注入；而建立正式AI治理框架的比例从19.0%降到14.4%。AI部署在加速，治理却在退步。
算力、成本、风险，原本都属于“平台以下”或“平台以外”的事，如今同时压到了平台的身上。所以平台的“变”，不是功能清单变长，而是责任范围变大。
从“替你选”到“随心选”
平台必须随需应变，不再把自己绑定在某一种芯片、某一家的云或某一个大模型上。
泰康保险的例子很典型：不是“要不要用AI”，而是异构GPU如何集中管、RoCE网络如何适配、DeepSeek和Qwen如何快速上线？基于红帽AI及咨询服务，泰康保险搭起云端AI算力与服务平台，各类GPU统一调度、分布式推理，算力利用率与模型运维效率同步提升。这条路在红帽看来是三级台阶：先把一堆GPU管成“GPU即服务”，也就是今天讲的“Token工厂”；再让各部门各取所需地调用模型，成为“模型即服务”；最后才是智能体的规模化运行。
这个案例的价值不在于“跑起来了”，而在于“换得了”。保险集团的模型选型不可能一次定终身。平台要做的不是替客户做决定，而是让这个决定随时可以执行。
红帽把AI战略的第一条归纳成“任意模型、任意加速器、任意云、任意智能体”。四个“任意”听着像口号，落到实处则是，平台统一纳管20多个开源模型、700多个版本，从十亿级的小模型到百亿级的大模型，客户按业务场景自己选。
过去平台试图证明自己是某种硬件、某朵云的最优解，现在则要证明自己是所有组合的通解。前者靠参数，后者靠开放。
从授权费到Token
云原生时代，客户买平台算的是授权和运维成本；AI时代算的则是另一笔账——每百万Token多少钱，一张GPU卡一天跑多少并发，一个Agent任务端到端烧掉多少Money。红帽大中华区方案架构部总经理王慧慧（Aella Wang）表示：“面对智能体带来的Token消耗指数级增长，企业破局的关键是从Token消费者变成Token生产者。”红帽帮助用户搭建生产Token的平台，提供一个一体化的架构栈，“从芯片到智能体”（Metal to Agent），支撑企业从底层基础设施到上层智能体的完整AI旅程。
落脚点就在于效率。在架构栈中的推理层，同一台机器，推理引擎不同，吞吐可能差几倍。红帽参与vLLM社区、发起llm-d分布式推理项目，做的正是把“显存怎么用、请求怎么排队、批处理怎么切”这些调优经验变成平台交付的标准能力。红帽收购了vLLM的主要贡献者之一Neural Magic，而vLLM成了开源推理的事实标准，同样的模型和显卡，优化后每秒承载的Token量翻倍；当推理从几张卡变成上万张卡的集群，llm-d解决的正是分布式调度难题，今年已成为CNCF孵化项目。
为什么必须由平台做？因为单个项目做不动。调研显示，模型量化与推理引擎优化各有约31%的企业在用，分布式推理的应用比例为23.1%，但27.9%的企业明确表示暂未实施任何优化。原因并不是成本高，而是缺乏专业能力，或认为单一项目规模尚不值得投入优化资源。平台只有将推理效率、成本归因做成默认项，才能助力企业跨过门槛。平台如果不管Token，AI就永远停在试点。
安全从拼功能到抢速度
过去安全按季度、按年走：等保测评、季度补丁、年度演练。这套节奏正在失效。业内有个说法叫“Mythos时刻”：AI以机器速度发现漏洞，而修复是线性的。王慧慧提到两个细节：AI挖出过Linux里藏了27年的老漏洞，也翻出过PHP的陈年问题；如今发现一个漏洞的成本已降到50美元，漏洞从“择机出击的武器”变成“随手试一试的筹码”。2016年以来CVE增长超过520%，AI发现的漏洞中被修复的不足1%，补丁上线生产的平均时间仍在40天以上。发现是指数级的，而修复仍是线性的，这中间的缺口就是风险。
补缺口靠的不是更勤勉地打补丁，而是换一套交付方式。红帽与IBM联合推出的Lightwell，把漏洞修复、SBOM信息与可信软件库连成一条流水线，目标是把补丁进入生产的时间从40多天压到7至14天。安全能力不再只是“能不能防住”，更是“追不追得上”。
Agent带来的是另一种速度问题。它会自己规划步骤、跨系统调用工具，风险不在某个漏洞，而在一次越权、一段被污染的长期记忆、一条传错的指令。所以平台不只是要拦住它，更要看得见它——权限怎么收、审批怎么走、日志留到什么粒度。曹衡康打了个比方，智能体像一个能力极强的新人，难的不是教会它做事，而是让它知道什么不能做。红帽Automation Orchestrator把“AI提建议、人工审批、自动化执行”固定成一条可审计的链路，让自由有边界、有记录、有责任人。
AI时代，安全从一项功能变成一种节奏。平台追不追得上，决定了企业敢不敢将AI放进生产环境中。
红帽的“边界感”
面对变化，对于平台来说最难的并不是增加能力，而是在加了能力之后还要守得住位置。
红帽的AI战略非常清晰：不做AI应用和硬件，而是专注于在两者之间构建一个统一、开放、安全的AI平台。曹衡康用“五层蛋糕”来描述这个位置：最底层是电力能源，往上是GPU、CPU、TPU，中间一层是软件基础设施，再往上是模型和智能体。红帽站在第三层，向下兼容各种硬件，向上承接各种模型与应用。红帽平台的“位置”始终不动摇。
向下不做芯片、不做整机，英伟达、英特尔、AMD、沐曦，谁家都能兼容。客户买什么硬件，平台负责管起来，而不是替客户指定。向上不做行业应用，也不自研闭源大模型，客户用哪个模型是自由的选择。
红帽的“边界感”在具身智能的朋友圈里体现得最清楚。论坛上，红帽与英特尔、紫金星宇、西湖机器人、施耐德电气联合发布了工业具身智能方案：西湖机器人出本体，英特尔出芯片，施耐德带入工业场景与知识库，紫金星宇负责毫米波通信，红帽则提供边缘平台、安全机制与全球合规经验。机器人的“小脑”跟着本体走，“大脑”放在云端，上千台机器人可以在一个平台上统一升级、一键下发指令。安努智能做工业场景的模型与工程体系，把产线know-how沉淀成可复用的能力。安努智能董事长文宏杰说得坦白：“只有优秀的AI应用层远远不够，还必须有一个在全球范围内被认可的平台。”
红帽平台最坚守的不变，是一套平台承载几代负载。
用了十几年的虚拟机、几年的容器，还有刚上线的AI，若每次换代都要推倒重来，客户就会用脚投票。曹衡康以车企打比方：一个集团旗下可以有多个品牌，车型看着不同，底层平台往往就那一套，差别在之上搭载了什么。在获得2026红帽亚太创新奖的企业中，长安福特面对的是虚拟化许可成本攀升、被单一厂商锁定、两套技术栈并行管理的困扰，它把传统虚拟机迁到红帽OpenShift云平台上，业务稳定性和基础设施成本同时改善。李锦记基于红帽OpenShift虚拟化搭建起统一的云原生虚拟化平台，让虚拟机与容器共存，用网络微分段守住核心资产的安全，同时为产线品质检测、智能营销等AI应用预留空间。虚拟化、容器、AI，可以在红帽的同一套开放混合云上完成。
红帽总是把选择权留给客户
云原生时代，平台帮客户摆脱的是虚拟化厂商的锁定；AI时代，要摆脱的则是模型和云的锁定。选平台时，企业最看重总体拥有成本，其次是安全合规、技术能力。客户算的那笔账里，藏着一个很少写进招标书的指标——解绑成本。
这也解释了曹衡康那句话的分量：“AI的未来是开放的。未来不属于一朵云、一个单独的AI模型、一家厂商。”开放不是姿态，而是关乎客户真实的迁移成本。红帽把整套战略压成“三个C、四个A”：Choice、Consistency、Control，给客户选择权、平台一致性、把控制权留在客户手上；Any Accelerator、Any Cloud、Any Model、Any Agent，一套平台承接所有组合。
平台的价值终被看见
把红帽平台的变与不变放在一起看，会发现它们是同一件事的两面。
变的是能力边界：从管一种算力到管一堆算力，从卖授权到卖Token，从守边界到追速度。不变的是责任边界：不做硬件、不做应用，只做那个把不同技术装在一起，让它们一起运行、一起升级、一起被管理的中间层。
这中间有一种天然的张力：平台每多一分能力，就多一分向上做应用、向下做硬件的诱惑。克制比扩张难，尤其在所有人都被AI推着跑的时候。
热潮终会退却。72.4%的企业表示，2026年对AI的投入还会增加，可同期能说清“AI究竟改变了哪条核心业务流程”的企业不足四成。到那时，企业不会问“你支持多少模型”，而会问“我换模型的时候，要不要连平台一起换”。
平台的价值就在这里：它不承诺让你跑得最快，但保证你换方向时不必从头再来。
从Linux到OpenShift再到AI，红帽始终在做一件事，就是让新技术进得来，让旧投资不浪费。“The Next Platform is Choice——未来平台，即是选择”告诉你一个平台最理想的样子：当你在更换芯片、云、模型的时候，你几乎感觉不到它的存在，而它却一直都在！
