How leading companies are turning AI vision into business value

领先企业如何将AI愿景转化为商业价值

Component | Article_teaser

2026年7月27日

3分钟阅读

人工智能

Chris Wright

首席技术官兼全球工程高级副总裁

Subpattern | social_share_set

Component | social_share

分享

Subpattern | subscribe

Component | social_icon

订阅RSS

Component | Icon

© Red Hat, Inc. CC-BY-4.0授权

Subpattern | results_nav

组布局

Component | Nav_links

• 返回所有文章

Component | Generic

我很幸运每年都能与数百家企业交流。这些企业分布在技术采纳曲线的不同阶段——有些企业乐于站在创新前沿，有些企业则倾向于尽可能规避风险。

但人工智能时代——持续演变且充满激情——此刻几乎让所有企业都达成了共识。实验阶段已经结束。企业现在专注于将AI从理论试点推进到规模化落地，优化成本并治理其行为。

除了这些重要的企业指令，令我感到振奋的是与客户交流时，他们对AI充满热情。他们渴望利用新想法，抓住以前难以想象的机会。

例如，全球银行BNP Paribas的目标是规模化工业级AI应用——而不仅仅是实验。他们已有数千个实际应用案例，但并未止步于此。他们目前正在建设AI工厂，以跨公司交付AI能力，重点关注商业价值。这包括欺诈检测、"了解客户"（KYC）、客户开户、聊天机器人等关键功能，以及提升内部生产力的能力，如面向开发者的AI工具。他们坚持认为，必须将重点放在可衡量的商业成果上。

我喜欢BNP Paribas的地方在于，他们展示了适应能力与良好治理要求相结合的力量。

这正是汽车制造商日产从软件定义车辆向AI定义车辆转型的方式，其中AI工作负载是核心产品使能器。日产表示，计算资源最重要的需求是灵活性。随着AI工作负载持续演变，日产的重点是实现计算能力的适应性——车载、车外或混合模式——而不会将软件锁定在特定芯片世代。在数据方面，AI的要求更高。数据处理不仅对改进模型至关重要，还必须确保在日产的AI-Drive和AI-Partner产品中实现问责制、信任和持续学习，始终内置安全、隐私和治理机制。

无处不在的智能体

人们对智能体AI（能够推理、规划并自主执行复杂任务的AI智能体系统）表现出极大的兴趣和投资。让我们看看几个例子。

• BNP Paribas正在探索一个名为Twin的内部项目，部署智能体实时监控GPU使用情况，检测异常并自动化修复流程。

• 全球快递和物流公司UPS从决策科学的角度看待AI的未来——智能体分析情境，确定可能的下一步行动，并通过自动化决策树辅助供应链物流。

• 美国电信运营商Verizon设想利用自主AI运行复杂的分诊循环，能够检测单个客户的网络性能下降问题，并在客户寻求帮助之前自主执行解决措施。

但我们不能忽视人类的作用！美国国家航空航天局（NASA）作为美国航天计划、航空研究和航天探索组织，强调AI代理的目的是辅助人类、作为增强力量而非取代工程师和科学家。这就是规模带来的机遇：企业可以放大AI的影响，因为AI能够接管那些繁琐但重要的维护和计算任务，从而使人类专注于复杂的设计和高层决策。

例如，欧洲空管组织（EUROCONTROL）正在使用高性能AI系统实时计算复杂飞行轨迹，帮助空域用户识别最省燃油且可持续的航线。NASA计划在太空使用AI模型快速可视化和处理数据，过滤出关键洞察，使宇航员能够专注于决策而非数据筛选。最后，摩托罗拉解决方案公司（Motorola Solutions）作为为公共安全机构和企业提供关键任务通信设备、系统和软件的厂商，正在将基于云端的AI工作流程集成到本地应急系统中，为911调度员提供实时文字记录、即时翻译和自动化案件摘要。

数字主权与AI

随着监管审查的扩大（如欧盟AI法案），我与客户交流时发现，他们要求对AI拥有可验证的数字主权。这具体体现为三个要求：

• 模型主权：能够自由选择、更换并运行特定AI模型，且不受供应商锁定限制。
• 数据主权：用于训练和运行模型的数据始终完全处于组织的司法管辖范围内，未经同意不得用于训练外部模型。
• 结果主权：能够审计、解释并推翻任何重大AI生成的决策。

例如，欧洲的Core42和Telenor等受监管机构正在构建高度安全的多租户主权AI云，确保数据始终处于其控制范围内。

这些只是客户分享的关于其组织中AI未来发展的几个亮点。我深受启发于他们如何从AI试点项目规划到实际生产部署，抓住团队每天构想的创新机遇。

Block | Dynamic pattern deluxe promo

Component | Band_header

Resource

适应性企业：为什么AI准备度就是抗颠覆准备度

这本电子书由Red Hat首席运营官兼首席安全官Michael Ferris撰写，帮助IT领导者应对当前面临的AI技术变革和颠覆挑战。

Component | spacer

Component | Cta_multi_basic

Subpattern | simple_cta

Component | CTA

获取资源

Deluxe mbox

Component | Card_header

关于作者

Subpattern | speaker

Card layout

Component | Image_embed

Component | Person

Chris Wright

Subpattern | social_links

Chris Wright是Red Hat的高级副总裁兼首席技术官（CTO）。他领导CTO办公室，负责孵化新兴技术，并就人工智能、云计算、分布式存储、软件定义网络和网络功能虚拟化、容器、自动化和持续交付、分布式账本等创新技术制定前瞻性观点。

在超过20年的软件工程师生涯中，Wright曾在电信行业从事高可用性和分布式系统开发，在Linux行业专注于安全、虚拟化和网络领域。他拥有超过15年的Linux开发经验，其中大部分时间深入参与Linux内核开发。他热衷于推动开源软件作为下一代IT系统的基础架构。

更多该作者的文章

类似主题

动态模式

博客文章

Red Hat OpenShift 机密计算和沙箱技术最新进展

介绍 asago：开源AI安全与治理编排工具

原始播客

技术深谈 | 用开源定义主权AI

技术深谈 | 解析开源AI战略

子模式 | card_flex

子模式 | text_basic

继续探索

• 什么是智能体AI？ 文章

• 预测性AI与生成式AI对比 文章

• 构建生产级AI/ML环境的关键考量 电子书

• 以Ansible方式实现生成式AI 视频

• 通过现代应用平台实现创新与转型 电子书

继续探索 mbox

子模式 | simple_text

按频道浏览

浏览所有频道

模式 | raw_html

自动化

关于IT自动化在技术、团队和环境中的最新动态

人工智能

让客户能够随时随地运行AI工作负载的平台更新

混合云

探索我们如何通过混合云构建更灵活的未来

安全

在不同环境和技术中降低风险的最新进展

边缘计算

简化边缘运算的平台最新动态

基础设施

全球领先的企业的Linux平台最新动态

应用程序

深入解析我们应对最复杂应用挑战的解决方案

虚拟化

面向本地部署或跨云工作负载的企业虚拟化未来方向