2026年11月6日下午，红帽中国办公室。一场名为“红帽媒体Open讲”的闭门分享，把一周前上海红帽论坛的活动内容压缩进两个小时。10月30日的2026红帽论坛，红帽按300人的规模备场，最终到场450人，会场爆满，线上观众更是高达6.7万人之多。红帽全球副总裁兼大中华区总裁曹衡康、红帽大中华区方案架构部总经理王慧慧及生态合作伙伴嘉宾依次登场，把主题“解锁·下一步”拆成四个层面的答案：开源为何仍是最好的答案、AI平台怎么搭、安全与虚拟化如何收敛、场景与生态如何合力。

2026红帽论坛现场

押韵的开源：三次“企业化”，第三次轮到AI

“开源即创新。”曹衡康说，过去二十年，互联网、大数据、云直到今天的AI，许多新技术都是从开源社区里“长”出来；一家公司再聪明，人数总是有限的，而全世界做工程的人，想法是无限的。

红帽全球副总裁兼大中华区总裁曹衡康

这条路径红帽验证过两次。Linux从社区里走出来，红帽把它做成稳定、可靠、成本可控的企业级操作系统，今天几乎是全球x86服务器的主流；Kubernetes出现后，红帽把它企业化为OpenShift，如今已是容器市场里颇具影响力的方案，被诸多海外主要银行采用；面对AI，方法没有变——吸收最好的技术，叠加自己的工程know-how，变成企业敢在生产环境里用的东西。两年前收购的Neural Magic，就是最新的拼图。“历史不会重复，但会押韵。”

押的是企业真实的困境。现场小调查里，用过三个以上AI模型的人超过一半；但企业不是个人：工作流刚绑好一个模型，新模型又来了，CEO问CIO“要不要试试”，CIO却犯愁——换模型成本高，平台还未必支持。GPU同理，锁定一家，一旦缺货、涨价，业务连续性就成了问题。

解法是“解锁”，他把它凝练成“三个C、四个A”，3C即Choice、Consistency、Control，4A是指平台支持任意加速器、任意云、任意模型、任意智能体（Any Accelerator、Any Cloud、Any Models、Any Agent）。他爱用汽车集团作比：旗下品牌各异，很多车型其实共享一套基本平台。红帽要做的，就是那套平台。

位置也在生态里。产业被画成“五层蛋糕”：底层电力能源，其上GPU、CPU等硬件，中间是软件基础设施——红帽正在这一层，再往上是模型与智能体。市场的回声已经有了：《2026中国企业级AI实践调研分析年度报告》显示，开源大模型私有化部署率一年内从16.0%跃升至62.9%；数据安全与隐私保护以77.6%首超模型能力（63.7%），成为第一选型标准；平台选型上，总拥有成本TCO以4.05分（满分5分）居首。企业要的不是某一家的最优解，而是一个稳定可靠、能持续做选择的地基。

这层地基还有出海价值。“很多中国企业到海外，客户第一句话就问：你支不支持红帽？”曹衡康说，在不少海外市场，红帽已是广为采纳的标准。

不做Token的消费者：红帽AI把“选择”做成一层平台

曹衡康讲“为什么”，王慧慧讲“怎么搭”。她的判断很干脆：2026年，行业不再争论各种“元年”，今年就是AI从试点走向生产的一年。

红帽大中华区方案架构部总经理王慧慧

她先纠正了一个提问方式。“CIO很少问我哪个模型好，他问的是：哪一个平台、哪一套标准，是将来能一路走下去的？”技术变得太快，去年还陌生的MCP成了通用标准，推理引擎上vLLM已是事实标准。红帽做过两次同样的事：Linux是标准，红帽把它做成有企业级服务的商业产品；Kubernetes是标准，OpenShift就是它的企业版。AI时代没有不同——智能体也是应用，跑在容器上，容器跑在Linux上。

于是有了她这次分享最关键的一组概念：Token的消费者与生产者。“调用云上托管大模型，比如在手机上问豆包，那是商业API的消耗，你是消费者；自己买两张卡搭平台跑模型，你是生产者。”企业当然是消费者，但更重要的是成为生产者——单位Token成本在降，总账单却在涨，因为Thinking model问答的Token消耗数量正呈指数级增长。要生产Token，就需要一个平台把它从GPU和模型上“产”出来。

平台是自下而上长出来的。底层是加速器，支持Intel、NVIDIA、AMD，也包括国产卡；沐曦是红帽首家完成适配的国内GPU厂商，认证已经发布。往上仍是RHEL与OpenShift，提供稳定安全的底座。再往上是投入最重的推理层：vLLM让同样的硬件榨出更高吞吐；红帽还把推理引擎做成了分布式架构llm-d，目前已是CNCF孵化项目——今天企业做推理，用的不是几块卡，而是成千上万张卡的集群。模型层红帽不替客户选，只把选择做宽：20多个开源模型、合计700多个版本。最上面是智能体，难点根本不在开发——几小时培训就能做出一个——而在治理，“不然它可能会删掉你的生产数据库”，王慧慧强调。

该报告的数据恰好落在这几层上：60.0%的企业采用本地加云的混合模式，自建本地集群的比例一年内从34.7%升到50.0%；56.8%的企业对Token成本有明显焦虑，27.9%却未采取任何优化；六项基础设施能力评分中，只有安全隔离与访问控制以3.39分越过及格线，AI FinOps成本管理以2.61分垫底。成本最痛，管成本的能力却最弱。

案例已经出现。泰康保险在一套平台上跑不同模型、调度不同品牌的GPU卡，是“任意模型、任意加速器”的样本；红帽更看好下一步AIOps。“工作可以由智能体完成，但审批权在人身上。AI可以给建议，最终做决定的还是我们的人。”曹衡康重复了不止一次。

漏洞跑得比人快：AI、容器与虚拟化收敛到同一套安全底座

第二个话题从一个不太乐观的事实开始。“AI挖漏洞的速度，已经超过了全世界研发人员一起补漏洞的速度。”王慧慧说。AI翻出了Linux里藏了27年的老漏洞；发现一个漏洞如今只要50美元，“随便试一试”成了常态；它还会把看似无关的微小漏洞连起来，拼成一件攻击武器。

结论因此很直接：系统“不用再问是不是暴露了，因为肯定已经暴露了”，剩下的只是怎么保护。红帽的答案有三层。一是坚持了三十多年的反向移植：补丁既打在最新版本上，也移植回旧版本——RHEL最新是10，跑在9、8、7甚至6上的客户同样拿得到，不必为安全去冒整机升级、应用不兼容的风险，打完再回馈上游社区。二是给开发者的安全底座Hardened Image，一个极小的容器镜像，内含经过验证的微量运行时，基于它开发出的应用天然少漏洞。三是Hummingbird Linux，RHEL的上游滚动发行版，补丁一经产出就推送。

红帽生态之外的广大开源世界，是另一道难题。大量开源库早已无人维护，红帽与IBM决定接手：先从Python和Java入手做补丁，再用自动化推进客户生产环境，过去打完一轮要40多天，如今可压缩到7至14天。支撑体系是开源项目Lightwell，红帽与IBM投入两万余名开发人员；修好、验证过的软件收进这个库，再反哺社区。“红帽和IBM会把这些丢失在外面的‘孩子们’重新捡回来。”

虚拟化是第三个话题。进展是：全球收获了不少成功客户，也有众多伙伴，存储、备份、网络的迁移由伙伴与红帽共同完成。更关键的是定位——它不只是一个虚拟化平台，同一套平台既能跑AI负载、容器负载，也能跑传统应用，“客户的三件事变成了一件事，一次投资完成三个IT需求”。这也解释了红帽为何能在容器、服务器虚拟化、云原生乃至AI等多个领域获得市场研究机构的认可：它提供的本来就是一套统一平台。长安福特把虚拟机平滑迁到OpenShift，李锦记用红帽OpenShift虚拟化搭起“虚拟机与容器共存”的底座。

安全与治理在这里合流。该报告里最刺眼的是“剪刀差”：69%的企业已有Agent在运行，建立正式AI治理框架的却从19.0%降到14.4%；统一AI平台的比例从28.0%降到24.4%，“多部门各自建设/ 缺乏统一标准”却从19.4%涨到31.1%。AI治理层面最大的挑战是缺乏统一的模型审批与上线规范（51.2%），Agent“越界”最受担忧的是越权操作（62.7%）与提示注入（45.8%）。王慧慧的建议只有两条：统一平台、统一治理流程。“企业原来怎么管Linux的安全基线，就怎么管AI的安全基线。”再叠加80.3%的企业受数据本地化约束，“地基打稳”就不只是修辞。

一台机器人就是一座移动数据中心：场景、生态与出海的合力

论坛最有画面感的一幕留在最后：红帽携手Intel、紫金星宇、西湖机器人、施耐德电气，发布面向工业自主运营的具身智能联合解决方案。机器人本体、芯片、工业场景与知识库、毫米波通信各司其职，把这些串起来的是红帽的平台。

MM《现代制造》记者的提问把话题拉回产业本身：结合《2026中国企业级AI实践调研分析年度报告》，中国企业落地具身智能及相关AI项目时，最突出的痛点与瓶颈是什么？这套联合方案如何帮企业跨过门槛，实现机器人、模型与算力的灵活协同和统一管理？红帽对具身智能的未来又有什么判断与期待？

曹衡康从“场景”讲起。“具身智能的核心落脚点还是场景。”机器人早已不只是跳舞、表演，那只是唤起兴趣的起点，真正的目标是解决实际问题。他拿机械臂作对照：机械臂的动作是预先编程的固定动作，未来的机器人相当于有了大脑，能感知环境、自主判断、当场解决——西湖机器人就是这个思路，后台由红帽AI助力大脑操控，Intel提供算力，施耐德把工业场景的问题、Agent与知识库装进去，机器人到场即可识别故障、自主维修。曹衡康还解读了机器人的“大脑”与“小脑”：小脑做成背包一样的箱子，把GPU、CPU和红帽产品集成进去，在机器人背后；大脑在云端或数据中心，算完再把指令下发。工厂运维、危险环境救灾、养老照护，是他点名的三个方向。

真正把方案推向工程化的，是“规模”这一问。一台机器人好管，一千台呢？而且这一千台每天做的事还不一样。“这时可以依托OpenShift AI，在容器上管理这些机器人，统一发布指令、做安全管控，连软件升级都能通过平台完成。”王慧慧把这套路径总结为“一步一步地整合”：先让大脑和小脑跑在同一个边缘平台上；再把“管一台机器人”变成“一个平台管很多台”，新的算法做出来，可以一键下发到一千台；最后打通开发到生产的全流程——模型与应用在“软件工厂”里完成、全球发布，再协调地下发到机器人。“一个人形机器人就像一座移动的数据中心，”她说，“红帽还是中间那一层平台：向下是机器人本体，向上是运动控制、垂类模型和应用，上下都不是红帽做的。”

有记者把话题接到先进制造现场：智能技术正走进产线车间，红帽以什么角色嵌入这条产业链？王慧慧把机器人看作是“另一种计算平台”——过去怎么嵌入数据中心，今天就怎么嵌入机器人。曹衡康补上的是生态视角：“AI的世界、具身机器人的世界，不是一家能完成的。”例如，Intel的CPU需要结合红帽的Linux发挥作用，而具身智能机器人落地也需要毫米波领域的工作。他给出的数字是：红帽全球硬件伙伴约五千家、软件伙伴约四千家，合计约一万家。红帽大中华区首席营销官赵文斌则补充了两个维度：经济性——能力同时放在边缘与云端，用开源技术压低整套成本；出海——全球多数市场已把红帽视为合规基线。

该报告给出的是侧证：在样本占比最大的制造业（189家）中，将AI定位为“战略核心引擎”或“重要战略支撑”的合计为42.9%，另有32.3%仍在试点探索；AIOps场景的采用率为30.8%；84.3%的企业计划引入外部专业服务——这个行业正处在“想用、但需要人帮着用起来”的阶段。

结语：选择权不是口号，是一层层工程

两个小时的分享，红帽其实只讲了一件事：把选择权从口号变成工程。三个C回答“客户得到什么”——选择、一致、控制；四个A回答“平台能接住什么”——任意加速器、任意云、任意模型、任意智能体；五层蛋糕回答“红帽站在哪里”——不做硬件、不做应用，只做中间那层平台。而曹衡康那句提醒更像这次Open讲的落点：AI可以帮我们省下很多人力，但最后的判断与决策，交给人更安全。当模型、算力、机器人的迭代一起加速，真正稀缺的不是某一种能力，而是一个让人始终握得住方向盘的位置——这大概就是“解锁下一步”的真实含义。

值得一提的是，红帽创新不息，于2026年11月正式发布OpenShift 5，以实时智能与零信任安全，重塑混合云运维。新版本为这款基于Kubernetes的行业领先混合云应用平台带来了内置运维智能、零信任安全，以及更长、更可预测的生命周期。红帽OpenShift 5专为简化跨数据中心、云环境及离线部署的复杂运维而设计，支持IT团队基于红帽OpenShift 4进行简单的就地更新，即可并行部署AI工作负载、虚拟机和容器化工作负载。结合红帽AI，红帽OpenShift 5为企业提供可运行传统负载与AI负载的平台，兼顾性能、治理与可观测性，助力推进企业AI战略落地。

注：本文数据引自《2026中国企业级AI实践调研分析年度报告》，该报告由CIO时代、新基建创新研究院与红帽联合发布，样本为402位企业CIO及IT决策者，覆盖制造、金融、能源、互联网、医疗等行业。

撰稿人：何发

责任编辑：朱晓裔

审 核 人：李峥