6月13日SUSE Summit 2025创新峰会上,SUSE亚太区CTO Vishal Ghariwala抛出了一个引人深思的比喻:“没有清晰的视野,企业就像一匹盲马,容易失误并害怕前行。”
据IDC预测,亚太地区AI投资到2028年将达1750亿美元,但现实截至2025年1月份,仅有44%的PoC(概念验证)能进入生产环节,预计到2027年,60%的生成式AI项目将在PoC阶段后被放弃。巨大的投资与惨淡的成功率形成鲜明对比,这正是当下企业AI创新面临的最大悖论。
Vishal的使命很清晰:用开源的力量拆掉阻碍企业AI落地的无形围墙。在他看来,企业对AI的恐惧源自未知,而破解未知的钥匙,就藏在“AI平台+开源”这个看似简单的公式里。
迷雾重重——企业AI落地的三层困境
在Vishal看来,这种恐惧具体表现为三个层面。
第一层是成本困境。“目前云的成本正在不断攀升,有一个趋势是,很多的客户正把自己的应用、数据从云端搬回到本地”Vishal观察到的这个现象,正在成为企业AI部署的新常态。传统的云端AI服务虽然看起来便捷,但随着使用规模的扩大,成本往往呈指数级增长,让许多企业望而却步。
第二层是安全困境。“如果提示语能够有巧妙的编排,甚至能够获取到一些敏感的比如信用卡的信息。”Vishal用一个具体的例子说明了企业对AI安全的担忧并非杞人忧天。当企业的核心数据成为AI训练的素材,当模型的输出可能泄露商业机密,信任危机就成了AI普及的最大障碍。
第三层则是选择困境。开源世界的繁荣带来了丰富的选择,但也带来了选择的焦虑。“客户往往因选择过多而无从下手,例如不清楚哪些场景适合使用专有工具,哪些可以使用开源工具。”面对Keras、PyTorch等众多开源框架,以及vLLM、Ollama等各种推理引擎,企业的技术团队常常陷入分析瘫痪的状态。
这三层困境交织在一起,便构成了企业AI落地道路上的厚重围墙。
破局之道——“AI平台+开源”的三重价值
面对这些困境,Vishal提出的解决方案简洁而深刻:“AI平台+开源”。
在他的阐述中,这个公式的第一重价值是成本优化。“有了Rancher Prime,就可以从成本的角度选择某一个具体的工作负载部署在本地、云端还是边缘。”
这种灵活性让企业重新获得了主动权。不再是被迫接受云服务商的定价策略,而是可以根据自身的成本结构和业务需求,自主选择最优的部署方式。
第二重价值是安全保障。Vishal详细介绍了SUSE的安全防护体系:“SUSE Security能够保护客户的AI平台不受零日攻击这样的安全漏洞风险,使得非法分子无法窃取受到SUSE Security保护的客户的数据。”不仅如此,当系统发现网络中流传敏感信息时,会立即进行拦截。
而SUSE GuardRails则从另一个角度提供保护,“确保客户的LLM的模型的输出是安全的,有时候模型输出的结果会带有一定的偏见,GuardRails可以确保输出达到了负责任的AI输出的准则。”
第三重价值是选择自由。“SUSE凭借多年的开源社区开发经验,能够将这些开源项目提升至企业级质量水平,确保其在AI领域的应用价值。”这种能力转化体现在多个方面:为开源项目提供企业级支持,确保其安全性,定期进行安全升级和补丁更新,以及保持版本的周期性发布。
更重要的是,“对于客户而言,他们只需安装一个具体的平台,所有的配置和设置都会自动完成,无需手动操作。”
这种价值已经在实践中得到验证。比如互联网医院皓康医疗,计划采用SUSE AI作为其人工智能基础设施,用于运行医学影像分析和医学诊断生成,旨在提升诊断准确性、减少人为错误。
德国FIS集团借助SUSE AI构建了面向SAP工作负载的可信AI解决方案,实现了令牌使用、模型性能、GPU利用率的全链路可视化。正如其AI能力团队负责人所说:“SUSE AI显著降低了运行AI工作负载的复杂性,我们能通过中央平台管理不同大语言模型,并按需快速为客户部署新模型。”
可观测性驱动的智能运营
SUSE的视野并不止于解决当前问题,更致力于创造AI时代的企业运营新范式。
“可观测性未来必须具备的一种能力就是可以把不同的离散化的环境中的一些核心的衡量指标进行整合,整合到一个统一的管理的平台之上。”在Vishal看来,随着企业IT环境日趋复杂,传统的运维方式已经无法应对混合云、多云以及边缘计算带来的挑战。
更关键的是,可观测性的能力必须跨应用和基础设施两个层次。“有时候一个应用崩溃了,如果只是找应用本身的问题,是无法追根溯源的,因为很可能问题来自于基础设施。”这种360度的可视性要求平台能够提供从基础设施到应用层的全堆栈洞察。
人工智能技术在这个过程中扮演着重要角色。“我们需要利用AI Correlation来追根溯源。”面对来自数据库、应用程序、防火墙等不同系统的大量警报,传统的人工分析方式显然力不从心。AI驱动的关联分析能够快速识别问题的根本原因,大幅提升运维效率。
成本透明化是可观测性的另一个重要维度。“这种成本透明化可以帮助企业更好地了解云成本,例如,如果在公有云上运行成本过高,企业可以选择将其迁移到私有云。”通过集成OpenCost等开源工具,SUSE Observability能够让运营团队掌握IT基础设施的健康状况,同时让业务团队了解应用在不同环境下的运行成本,实现数据驱动的决策。
中国信保的实践很好地诠释了这种新范式的价值。这家大型金融机构基于SUSE Rancher和Kubernetes实现云原生架构升级,不仅提高了容器资源管理效率,还增强了应用的可观测性和安全性。正如其资深技术专家所言:“开源技术为我们构筑可持续的技术架构、推动持续性技术创新、加强自主可控提供了强有力的方法论支撑。”
重塑企业技术选择权
许多开源项目最初由少数开发人员在非企业级环境中自发开发。SUSE认为,企业在选择开源项目时,不能直接将其大规模部署到企业环境中,而是需要先进行试验,了解其运行机制。虽然开源项目的创新活力毋庸置疑,但企业级应用需要的稳定性、安全性和可支持性,往往是社区版本难以提供的。
“我们将上游社区的开源项目引入下游,首先由SUSE的工程师检查是否存在安全漏洞。在企业客户使用过程中,如果发现安全漏洞,SUSE的工程师会负责打补丁,并将安全补丁推送给客户。”这种“桥梁”作用正是SUSE的核心价值所在:既保持了开源的创新活力,又提供了企业级的质量保证。
对于中国市场,SUSE表现出足够的重视和信心。正如SUSE CEO Dirk-Peter van Leeuwen在开幕致辞中所强调的,SUSE将持续增加对中国市场的投入,继续加强本土化技术和服务团队的建设,助力中国企业持续创新和发展。
好文章,需要你的鼓励
本文揭示了AI时代CIO的七项关键行为特征,基于对多位CIO和AI专家的深度访谈。专家指出,AI精通的CIO需具备实用AI素养、战略视野和变革领导力,能将技术与业务战略对齐,建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域,强调数据基础的重要性,并提出CIO应从项目思维转向产品思维,通过跨职能团队实现端到端价值交付。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
尽管苹果在AI竞赛中看似落后,但其私有云计算基础设施展现了技术优势。当行业为追赶大语言模型而降低隐私标准时,苹果坚持原则,开发出保护用户数据隐私的技术方案。谷歌最新宣布的类似实施方案验证了苹果技术路线的正确性,这可能推动其他AI实验室采用相同做法,为用户隐私带来重大胜利。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。