共计 775 个字符，预计需要花费 2 分钟才能阅读完成。
说到开源 AI 这个话题，Red Hat 最近的一些观点确实引人深思。作为开源领域的老牌企业，他们的看法总是带着几分务实，少了几分理想主义。这让我想起了几年前参加技术沙龙时，一位资深开发者说过的话：’ 开源不是乌托邦，而是一场永不停歇的马拉松。’
Red Hat 对 AI 的态度，某种程度上反映了这个行业的现状。就拿他们首席技术官 Chris Wright 提到的 Granite LLM 和 InstructLab 来说，这些项目确实让人眼前一亮。去年我试用 InstructLab 时，那种让普通开发者也能参与模型微调的感觉，真的很像当年第一次接触 Linux 时的兴奋感。不过，AI 和传统开源软件还是有很大区别的。
Richard Fontana 在 Linux 基金会峰会上的观点也值得深思。他提出，AI 的 ’ 源代码 ’ 到底是什么？这个问题现在还真没个准数。训练数据、模型权重这些东西，跟传统的代码完全是两码事。我有个朋友在 Meta 做 AI 开发，他就经常抱怨说，现在所谓的 ’ 开源 AI’ 项目，很多都是在玩文字游戏。
Red Hat 这种务实的态度，某种程度上也反映了行业的困境。一方面要追求开放性，另一方面又要考虑商业利益和法律风险。就像他们说的，完全公开训练数据在现在的环境下确实不太现实。我最近在做一个 AI 项目时就深有体会，光是处理数据合规问题就够头疼的了。
不过，Red Hat 这种渐进式的开放策略，可能才是推动 AI 发展的正确方式。与其追求一个完美的开源 AI 定义，不如先解决一些实际问题。这种思路让我想起了 Linux 早期的发展历程——不是一蹴而就，而是通过不断的迭代和社区协作才走到今天的。
总的来说，Red Hat 对开源 AI 的看法虽然少了些理想主义，但多了几分可行性。在这个 AI 快速发展的时代，这种务实的态度或许正是我们需要的。毕竟，真正的技术创新从来都不是靠空想实现的，而是需要在理想和现实之间找到平衡点。
