作者：Chris Wright, 红帽首席技术官兼全球工程部资深副总裁
我很幸运，每年都能和成百上千家客户深入交流。这些企业处于技术采纳曲线的不同阶段——有的热衷于立于潮头，有的则倾向于尽可能规避风险。
但在这个澎湃发展、活力迸发的AI时代，几乎所有企业都在此时此刻达成了共识：实验阶段已经结束。企业不再满足于理论层面的AI试点，而是专注于推行规模化应用、优化运行成本，并对其行为进行有效治理。
除了这些至关重要的企业指令外，我认为与客户交流中最让人耳目一新的是，大家对AI怀有一种发自内心的兴奋感——那就是能够驾驭新创意，并抓住不久前还被认为不可能实现的机遇。
例如，法国巴黎银行（BNP Paribas）的目标是实现AI的规模化工业应用，而不仅仅是停留在实验阶段。他们已有数千个上线运行的用例，但并没有止步于此。目前他们正在构建一个“AI工厂”，以业务价值为核心，在全公司范围内输送AI能力。这涵盖了欺诈检测、“了解你的客户”（KYC）、客户开户以及聊天机器人等关键环节，同时也包含了提升内部生产力的功能，如面向开发人员的AI工具。他们坚持认为，核心焦点必须放在可衡量的业务成果上。
我很欣赏BNP Paribas，他们完美展现了将强大的适应能力与严格的治理要求相结合的力量。
这与汽车制造商日产（Nissan）从“软件定义汽车”向“AI定义汽车”转型的思路如出一辙——在后者的架构中，AI工作负载是核心产品的赋能者。日产表示，对于算力而言，最重要的需求是灵活性。
AI工作负载将持续演进，因此日产的重点在于具备灵活调整算力（车端、云端或混合架构）的能力，而不会将软件绑定在特定一代芯片上。而在数据方面，AI提出了更高的标准。数据处理不仅对于改进模型至关重要，也是确保日产AI-Drive和AI-Partner等产品具备可问责性、信任度以及持续学习能力的关键，且始终内嵌安全性、隐私性和治理机制。
人们对智能体AI（Agentic AI）——即那些能够自主推理、规划并执行复杂任务的AI智能体系统——抱有极大的兴趣并投入了巨资。让我们来看几个例子：
BNP Paribas正在探索一个名为“Twin”的内部项目，通过部署智能体来实时监测GPU使用情况、检测异常并自动执行修复工作流。
美国电信巨头Verizon构想利用智能体AI运行复杂的故障排查闭环，检测针对单个客户的网络性能下降，并在客户主动寻求帮助之前自动执行修复操作。
但我们绝不能忽视人类的作用！美国国家航空航天局（NASA）强调，AI智能体的宗旨是协助人类并发挥“战力倍增器”的作用，而不是取代工程师和科学家。这就是规模化的机遇所在：企业能够扩大AI的影响力，是因为AI可以接管繁琐却重要的日常维护和计算任务，从而让人类专注于细致入微的设计和高层决策。
例如，欧洲空中航路安全组织（EUROCONTROL）正在使用高性能AI系统实时计算复杂的飞行轨迹，帮助空域使用者找出最具燃油效率和可持续性的航线。NASA正计划在太空环境中使用AI模型来快速可视化并处理数据，筛选出有价值的信息，以便宇航员能将精力集中在决策上，而非数据整理。
为公共安全机构和企业构建关键任务通信设备、系统及软件的摩托罗拉系统公司（Motorola Solutions），正将基于云端的AI工作流集成到本地应急系统中，为911调度员提供实时转录、实时翻译以及自动化案情总结。
随着监管审查的不断扩大，与我交流的客户都在寻求对其AI拥有可验证的数字主权。这可以拆解为三个要素：
模型主权：能够随时随地选择、更换和运行特定的AI模型，而不受任何供应商锁定的束缚。
数据主权：用于训练和运行模型的数据完全处于该机构的司法管辖控制之下，未经许可绝不用于训练外部模型。
结果主权：能够审计、解释并覆盖任何由AI生成的重大决策。
例如，欧洲的Core42和Telenor等受监管实体正在构建高度安全、多租户的主权AI云，以确保数据永远不会脱离其控制。
这些仅是我们的客户展望AI未来图景的冰山一角。看到他们稳步推进从“AI试点”向“生产部署”的跨越，将团队每天涌现的灵感巧思转化为现实，让人倍感振奋。