คำตอบเผยแพร่แล้ว17 แหล่งที่มา
Red Hat AI 3.5: ยกระดับ AI จากโครงการทดลองสู่บริการระดับองค์กรบนไฮบริดคลาวด์
Red Hat ประกาศเปิดให้ใช้งานทั่วไปของ Red Hat AI 3.5 โดยวางตำแหน่งให้ AI เป็นบริการสำหรับการใช้งานจริงที่กำกับดูแล ตรวจสอบ และให้หลายทีมใช้งานร่วมกันได้บนสภาพแวดล้อมไฮบริด แทนที่จะหยุดอยู่แค่โครงการนำร่อง [16][8] หัวใจของรุ่นนี้คือการตรวจสอบความน่าเชื่อถือก่อนนำขึ้นใช้งาน การใช้ GPU ที่ใช้ร่วมกันอย่างมีประสิทธิภาพ แล...
เผยแพร่โดยรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- Red Hat ประกาศเปิดให้ใช้งานทั่วไปของ Red Hat AI 3.5 โดยวางตำแหน่งให้ AI เป็นบริการสำหรับการใช้งานจริงที่กำกับดูแล ตรวจสอบ และให้หลายทีมใช้งานร่วมกันได้บนสภาพแวดล้อมไฮบริด แทนที่จะหยุดอยู่แค่โครงการนำร่อง [16][8]
- หัวใจของรุ่นนี้คือการตรวจสอบความน่าเชื่อถือก่อนนำขึ้นใช้งาน การใช้ GPU ที่ใช้ร่วมกันอย่างมีประสิทธิภาพ และรูปแบบการปรับใช้แอปพลิเคชันกับอินเฟอเรนซ์ที่ทำซ้ำได้ [16][8]
- EvalHub เปิดให้ใช้งานทั่วไป เพื่อทำ benchmark ด้านความปลอดภัยและสร้างผลการรับรองที่ตรวจสอบย้อนหลังได้สำหรับโมเดลที่องค์กรสร้างหรือปรับแต่งเอง รวมถึง RAG และ AI agent [13][8]
- Red Hat เพิ่มโมเดลที่ผ่านการตรวจสอบมากกว่า 20 โมเดลจากผู้ให้บริการ เช่น Google, NVIDIA และ Alibaba Cloud พร้อมข้อมูลความเสี่ยงด้านความปลอดภัย การเปิดเผยข้อมูลส่วนบุคคล และความเป็นพิษของเนื้อหา [3][4]
AI พรอมต์
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Red Hat announce with the general availability of Red Hat AI 3.5 on September 11, 2026, and how does the release—including its inte. Article summary: Red Hat announced the general availability of Red Hat AI 3.5 as an enterprise AI platform update focused on making AI a governed, observable, multi tenant production service across hybrid environments—not merely a collec. Topic tags: general web, ai safety, llm, agents, ai. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with
AI 3.5 ไม่ได้มุ่งแค่ “นำโมเดลขึ้นระบบ”
Red Hat ประกาศเปิดให้ใช้งานทั่วไป (general availability หรือ GA) ของ Red Hat AI 3.5 ในฐานะอัปเดตแพลตฟอร์ม AI สำหรับองค์กร เป้าหมายคือช่วยเปลี่ยน AI จากชุดโครงการพิสูจน์แนวคิดหรือโครงการนำร่อง ให้เป็นบริการที่ใช้งานจริงได้ มีการกำกับดูแล ตรวจสอบสถานะได้ และรองรับผู้ใช้หรือหลายทีมบนโครงสร้างพื้นฐานไฮบริดคลาวด์ 16
8
แนวคิดหลักของรุ่น 3.5 คือการรวม 3 เรื่องซึ่งองค์กรต้องรับมือเมื่อขยาย AI สู่ระดับใช้งานจริง ได้แก่ การยืนยันความน่าเชื่อถือก่อนปรับใช้ การบริหาร GPU ส่วนกลางอย่างคุ้มค่า และการติดตั้งแอปพลิเคชันกับระบบอินเฟอเรนซ์ในรูปแบบที่ทำซ้ำได้ 16
8
ตรวจโมเดลและเวิร์กโฟลว์ก่อนใช้งานจริง
EvalHub เปิดให้ใช้งานทั่วไปสำหรับการทดสอบความปลอดภัยที่มุ่งประเมินความเสี่ยงแบบอัตโนมัติ และออกผลการรับรองเพื่อการตรวจสอบย้อนหลังได้ ครอบคลุมโมเดลที่ลูกค้าสร้างหรือปรับแต่งเอง ระบบ RAG (Retrieval-Augmented Generation ซึ่งให้โมเดลดึงข้อมูลจากคลังเอกสารมาประกอบคำตอบ) และ AI agent ทีมงานจึงสามารถทดสอบความเสี่ยง เช่น การถูกโจมตีแบบ prompt injection หรือการหลบเลี่ยงข้อจำกัดของโมเดล (jailbreak) ก่อนนำไปใช้งาน 13
8
Red Hat ยังขยายแค็ตตาล็อกด้วยโมเดลที่ผ่านการตรวจสอบใหม่มากกว่า 20 โมเดลจากผู้ให้บริการอย่าง Google, NVIDIA และ Alibaba Cloud โดยมีข้อมูลรายงานเกี่ยวกับความปลอดภัย ความเสี่ยงในการเปิดเผยข้อมูลส่วนบุคคล (PII) และความเป็นพิษของเนื้อหา จุดประสงค์ในทางปฏิบัติคือช่วยให้ทีมแพลตฟอร์มเลือกโมเดลโดยอาศัยหลักฐาน แทนที่แต่ละทีมจะต้องออกแบบกระบวนการประเมินเองทั้งหมด 3
4
ใช้ GPU ร่วมกันโดยไม่ให้บางงานกินทรัพยากรทั้งหมด
GPU เป็นทรัพยากรต้นทุนสูง และเมื่อหลายฝ่ายใช้คลัสเตอร์เดียวกัน ปัญหาที่พบบ่อยคือเวิร์กโหลดหนึ่งเข้าครอบครองกำลังประมวลผลจนงานสำคัญของทีมอื่นชะงักลง Red Hat AI 3.5 จึงเพิ่มความสามารถ เช่น
- การจัดตารางงานแบบแบ่งสัดส่วนอย่างเป็นธรรม (fair-share scheduling)
- การให้บริการตามลำดับความสำคัญ
- การควบคุมการรับงาน (admission control)
- การส่งต่อคำขอตามลำดับความสำคัญ
- การวัดการใช้โทเคนรายผู้ใช้
ชุดความสามารถนี้ออกแบบมาเพื่อสนับสนุนการกำหนดระดับบริการของงาน AI และการคิดต้นทุนหรือรายงานต้นทุนแยกตามทีม (chargeback/showback) 4
5
มองเห็นปัญหาระหว่างที่บริการ AI ทำงานอยู่
แดชบอร์ดการสังเกตการณ์ใหม่ช่วยให้ผู้ดูแลแพลตฟอร์มเห็นสถานะของอินเฟอเรนซ์ การใช้ GPU และสัญญาณด้านประสิทธิภาพของโมเดล จึงติดตามได้ว่ากำลังประมวลผลเพียงพอหรือไม่ บริการมีปัญหาความพร้อมใช้งานหรือไม่ และคุณภาพของโมเดลเปลี่ยนไปอย่างไรในระหว่างให้บริการจริง 4
16
สำหรับการพัฒนา RAG และ agent นั้น AutoRAG เพิ่มการรองรับหลายภาษา โดยช่วยจัดการคลังเอกสารที่ไม่ใช่ภาษาอังกฤษหรือมีหลายภาษาปะปนกัน ผ่านการตรวจจับภาษา การกำหนดค่าการทดลอง และแนวทางแบ่งเอกสารที่คำนึงถึงภาษา Red Hat ยังวางตำแหน่งเครื่องมือนี้สำหรับงานค้นคืนข้อมูลระดับองค์กร การทดสอบระบบสนทนา และแอปพลิเคชันแบบ agentic ขณะที่เทมเพลตใน AI Hub ช่วยเป็นจุดตั้งต้นสำหรับงานตรวจทานโค้ด ประมวลผลเอกสาร และเวิร์กโฟลว์การวิจัย 1
13
ปรับใช้ข้ามฮาร์ดแวร์และคลาวด์ได้
Red Hat AI Inference 3.5 มีอิมเมจสำหรับอินเฟอเรนซ์ที่ปรับแต่งสำหรับตัวเร่งหลายตระกูล ได้แก่ NVIDIA CUDA, AMD ROCm, Google TPU, Intel Gaudi และ IBM Spyre นอกจากนี้ยังรองรับสถาปัตยกรรม s390x ของ IBM Z และ ppc64le ของ IBM Power 3
8
4
การทำ Distributed Inference ด้วย llm-d รองรับการปรับใช้บน Azure Kubernetes Service (AKS) และ CoreWeave Kubernetes Service (CKS) ขณะที่ความสามารถด้านการจัดตารางอินเฟอเรนซ์ที่รับรู้ลักษณะงานบน Amazon EKS ยังเป็นเพียง Technology Preview 3
8
4
ข้อแตกต่างนี้สำคัญต่อทีมที่วางแผนใช้งานจริง: ฟีเจอร์ Technology Preview ไม่อยู่ภายใต้ข้อตกลงระดับบริการ (SLA) สำหรับงาน production ของ Red Hat และอาจยังทำงานได้ไม่ครบถ้วน ดังนั้น Red Hat จึงไม่แนะนำให้นำเส้นทาง EKS ดังกล่าวไปใช้ในระบบจริง ขณะที่เส้นทางบน Azure และ CoreWeave เป็นการปรับใช้ที่รองรับ 8
4
บทบาทของ Red Hat AI Factory with NVIDIA
ภายใต้ Red Hat AI Factory with NVIDIA ความสามารถเหล่านี้ทำหน้าที่เป็นชั้นปฏิบัติการมาตรฐานบนโครงสร้างพื้นฐานที่เร่งด้วย NVIDIA องค์กรสามารถประเมินโมเดล จัดสรร GPU อย่างเป็นธรรม เฝ้าดูการให้บริการของโมเดล และปรับใช้บนสภาพแวดล้อมไฮบริด ด้วยแนวทางร่วมที่อิง Kubernetes 16
3
กล่าวโดยสรุป Red Hat พยายามลดช่องว่างระหว่างทีมที่ทดลองหรือพัฒนาโมเดล กับทีมปฏิบัติการที่ต้องรับผิดชอบเรื่องความมั่นคง ความพร้อมใช้งาน ต้นทุน และการขยายระบบจริง หาก AI 3.5 ทำงานตามเป้าหมาย องค์กรจะไม่ต้องส่งต่องานจาก “เดโมที่ใช้ได้” ไปสู่ “บริการที่ดูแลได้” แบบเริ่มกระบวนการใหม่เกือบทั้งหมด
ประเด็น IBM และ Lightwell เป็นคนละโครงการ
ในภาพใหญ่ รุ่นนี้สะท้อนแนวทางของ IBM และ Red Hat ที่ผสานโครงสร้างพื้นฐานไฮบริดคลาวด์แบบเปิดเข้ากับการดำเนินงาน AI ที่มีการกำกับดูแล ส่วนโครงการ Lightwell เป็นความร่วมมือแยกต่างหากระหว่าง LTM, IBM และ Red Hat เพื่อช่วยองค์กรค้นหา จัดลำดับความสำคัญ และแก้ไขช่องโหว่ในซอฟต์แวร์โอเพนซอร์ส โดยมุ่งส่งมอบการแก้ไขที่ผ่านการตรวจสอบแล้วสำหรับสภาพแวดล้อมใช้งานจริง 4
8
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "Red Hat AI 3.5: ยกระดับ AI จากโครงการทดลองสู่บริการระดับองค์กรบนไฮบริดคลาวด์" คืออะไร
Red Hat ประกาศเปิดให้ใช้งานทั่วไปของ Red Hat AI 3.5 โดยวางตำแหน่งให้ AI เป็นบริการสำหรับการใช้งานจริงที่กำกับดูแล ตรวจสอบ และให้หลายทีมใช้งานร่วมกันได้บนสภาพแวดล้อมไฮบริด แทนที่จะหยุดอยู่แค่โครงการนำร่อง [16][8]
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
Red Hat ประกาศเปิดให้ใช้งานทั่วไปของ Red Hat AI 3.5 โดยวางตำแหน่งให้ AI เป็นบริการสำหรับการใช้งานจริงที่กำกับดูแล ตรวจสอบ และให้หลายทีมใช้งานร่วมกันได้บนสภาพแวดล้อมไฮบริด แทนที่จะหยุดอยู่แค่โครงการนำร่อง [16][8] หัวใจของรุ่นนี้คือการตรวจสอบความน่าเชื่อถือก่อนนำขึ้นใช้งาน การใช้ GPU ที่ใช้ร่วมกันอย่างมีประสิทธิภาพ และรูปแบบการปรับใช้แอปพลิเคชันกับอินเฟอเรนซ์ที่ทำซ้ำได้ [16][8]
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
EvalHub เปิดให้ใช้งานทั่วไป เพื่อทำ benchmark ด้านความปลอดภัยและสร้างผลการรับรองที่ตรวจสอบย้อนหลังได้สำหรับโมเดลที่องค์กรสร้างหรือปรับแต่งเอง รวมถึง RAG และ AI agent [13][8]