Posted on

AI ในวงการโทรคมนาคม – ตัวเร่งปฏิกิริยาในการขยายธุรกิจดิจิทัล

Red Hat Launches Red Hat AI Enterprise to Deliver a Unified AI Platform that Spans from Metal to Agents

AI ในวงการโทรคมนาคม - ตัวเร่งปฏิกิริยาในการขยายธุรกิจดิจิทัล

บทความโดย เบียทริซ ออร์เตกา ผู้เชี่ยวชาญด้านไฮบริดคลาวด์และผู้นำฝ่ายพัฒนาธุรกิจด้านโทรคมนาคม เร้ดแฮท

หากองค์กรของคุณยังไม่มีการออกแบบสถาปัตยกรรมให้รองรับ AI แสดงว่าองค์กรคุณเป็นหนึ่งในองค์กรกลุ่มน้อยที่กำลังมีจำนวนลดลงอย่างรวดเร็ว ภายในปี พ.ศ. 2569 การเปลี่ยนผ่านสู่ AI จะไม่ได้เป็นเพียงทางเลือก แต่เป็นกลไกหลักในการพลิกโฉมทางดิจิทัลให้กับธุรกิจ ลดความซับซ้อนในการดำเนินงานและขับเคลื่อนการเติบโตของรายได้

ยกระดับสู่ agentic AI และกระบวนการทำงานแบบ zero-touch

อุตสาหกรรมโทรคมนาคมกำลังข้ามผ่านยุคแชทบอทแบบตั้งรับ สู่ยุค agentic AI จากเดิมที่ AI ทำหน้าที่ให้ข้อมูลเชิงลึก หรือการที่ generative AI ให้คำแนะนำต่าง ๆ ปัจจุบัน agentic AI ได้ยกระดับสู่ ‘การลงมือปฏิบัติ’ ซึ่งในบริบทของธุรกิจโทรคมนาคมหมายถึงเอเจนต์อัตโนมัติที่สามารถจัดการเวิร์กโฟลว์ที่ซับซ้อนได้ เช่น การระบุจุดที่เป็นคอขวดของโครงข่าย การตรวจสอบข้อตกลงระดับการให้บริการลูกค้า ไปจนถึงการสั่งจัดสรรทรัพยากรใหม่โดยอัตโนมัติผ่าน TM Forum open APIs กล่าวได้ว่าการเปลี่ยนผ่านนี้คือฟันเฟืองสำคัญที่ทำให้เกิดกระบวนการทำงานแบบ zero-touch ที่จำเป็นต่อการสร้างประสิทธิภาพ ความเชื่อถือได้ และการปรับขนาดการทำงานของโครงข่าย 5G และ edge

อุปสรรคสำคัญของการปรับใช้ AI ในระยะแรกคือการเกิด ‘AI islands’ หรือโมเดล AI ที่ถูกตัดขาดจากกัน ซึ่งแม้จะแก้ปัญหาเฉพาะจุดได้แต่ไม่สามารถสื่อสารร่วมกันได้ Red Hat จึงผลักดันกลยุทธ์แบบ modular ที่สื่อสารกันผ่านโปรโตคอลสากลต่าง ๆ เช่น model context protocol (MCP) และเฟรมเวิร์กการสื่อสารระหว่างเอเจนต์ (agent-to-agent หรือ A2A)

ไมโครเอเจนต์เป็นโซลูชันอัตโนมัติที่ออกแบบมาเพื่อภารกิจเฉพาะด้านและเชื่อมต่อถึงกันได้ และเมื่อไมโครเอเจนต์ต่าง ๆ เชื่อมต่อถึงกันจะทำให้เกิดความชาญฉลาดแบบองค์รวม เช่น การนำข้อมูลเชิงลึกจากงานบริการลูกค้ามาปรับปรุงประสิทธิภาพโครงข่ายได้แบบเรียลไทม์ เพื่อให้มั่นใจว่าทุกองคาพยพของ AI จะทำงานไปในทิศทางเดียวกันและมุ่งสู่เป้าหมายทางธุรกิจเดียวกัน

ความกระจัดกระจายของข้อมูลเป็นอุปสรรคสำคัญของความชาญฉลาดที่เชื่อมโยงถึงกัน MCP ทำหน้าที่เป็นเฟรมเวิร์กโอเพ่นซอร์สที่ช่วยให้เข้าถึงระบบอื่น ๆ และข้อมูลภายนอกได้อย่างเป็นระบบและมีมาตรฐาน เพื่อเชื่อมช่องว่างระหว่างความชาญฉลาดกับการลงมือทำโดยเปลี่ยน AI agent จากเดิมที่เป็นเพียงสมองที่ถูกแยกส่วน ให้กลายเป็นกลไกที่ทำงานได้จริงที่สามารถโต้ตอบกับระบบนิเวศของการปฏิบัติงานทั้งหมดได้

ความเหนือกว่าของ Red Hat: รองรับทุกโมเดล ทุกอุปกรณ์เร่งความเร็ว ทุกสภาพแวดล้อม

Red Hat AI นำเสนอโอเพ่นแพลตฟอร์มที่ทำให้การย้าย AI จากการทดลองไปสู่การใช้งานเป็นไปอย่างง่ายดาย ประกอบด้วย 

  • Red Hat Enterprise Linux AI: มอบรากฐานที่เป็นอิสระในการปรับแต่งโมเดลโอเพ่นซอร์สต่าง ๆ (เช่น Granite) ด้วยข้อมูลเฉพาะที่เป็นกรรมสิทธิ์ขององค์กร เพื่อให้องค์กรเป็นเจ้าขององค์ความรู้ที่เป็นภูมิปัญญาของตนได้อย่างแท้จริง โดยไม่ผูกมัดกับผู้ให้บริการรายใดรายหนึ่ง
  • Red Hat OpenShift AI: กลไกการปฏิบัติการที่เป็นเอกภาพสำหรับบริหารจัดการไลฟ์ไซเคิลของ AI ด้วยมาตรฐานความปลอดภัยและความเสถียรระดับสูงสุด โดยบูรณาการ LlamaStack ให้เป็นเลเยอร์ประสานงานมาตรฐานในรูปแบบ Kubernetes-native เพื่อใช้ในการสร้างเวิร์กโฟลว์ที่เป็น agentic AI
  • Red Hat AI Inference Server: vLLM ช่วยเสริมแกร่งให้เซิร์ฟเวอร์นี้รองรับการประมวลผลประสิทธิภาพสูง มีระยะเวลาในการตอบสนองต่ำ (low-latency) บนหน่วยประมวลผลทุกรูปแบบ ไม่ว่าจะเป็น CPU หรือ GPU นอกจากนี้เร้ดแฮทยังคงความยืดหยุ่นไว้ด้วยความสามารถในการรองรับชิปประมวลผลที่หลากหลาย (NVIDIA, AMD, Intel) ดังนั้นกลไกการทำงานขององค์กรจะต้องไม่ติดอยู่กับผู้ผลิตฮาร์ดแวร์รายใดรายหนึ่ง ทั้งยังสามารถเลือกใช้ฮาร์ดแวร์ที่มีประสิทธิภาพและคุ้มค่าที่สุดเหมาะกับงานแต่ละประเภท

llm-d เป็นนวัตกรรมที่ทำหน้าที่เป็นทั้งผู้วางกลยุทธ์และผู้ประสานจัดการระบบให้กับ vLLM ช่วยยกระดับความสามารถของโซลูชันให้ทรงพลังมากขึ้น เฟรมเวิร์ก Kubernetes-native นี้ริเริ่มโดยความร่วมมือของ CoreWeave, Google Cloud, IBM Research และ NVIDIA พร้อมด้วยการสนับสนุนจาก AMD, Cisco, Hugging Face, Intel, Lambda และ Mistral AI เพื่อปลดล็อกประสิทธิภาพสูงสุดของการใช้การอนุมานแบบกระจายศูนย์ในสเกลขนาดใหญ่ 

ความร่วมมือระหว่าง Red Hat และ NVIDIA ในปี พ.ศ. 2569 ได้ยกระดับจากความเข้ากันได้ของซอฟต์แวร์กับฮาร์ดแวร์เพียงหนึ่งเดียว ขึ้นสู่สถาปัตยกรรมที่ควบคุมและจัดการด้วยซอฟต์แวร์อย่างเบ็ดเสร็จ ความร่วมมือนี้นำเสนอระบบ rack-scale AI ที่เปลี่ยน AI factory ต่าง ๆ ที่มีฐานเป็นโอเพ่นซอร์สให้กลายเป็นระบบที่เป็นมาตรฐานอุตสาหกรรม รองรับการประมวลผลเชิงเหตุผลขั้นสูง และเวิร์กโหลด agentic ต่าง ๆ ได้ในระดับกิกะบิต

สี่แนวทางการใช้ AI เพื่อสร้างคุณค่าให้ธุรกิจโทรคมนาคมได้ทันที

  1. โครงข่ายที่ทำงานโดยอิสระ (Autonomous Networks): ก้าวข้ามระบบอัตโนมัติทั่วไปสู่การทำงานด้วยตนเองอย่างอิสระ

วิสัยทัศน์เกี่ยวกับโครงข่ายที่ขับเคลื่อนด้วยตัวเองอย่างสมบูรณ์กลายเป็นจริงแล้วในระดับสถาปัตยกรรม โครงข่ายที่ทำงานโดยอิสระนี้ใช้ AI สร้างระบบการทำงานครบวงจร (closed-loop systems) ตั้งแต่การเฝ้าระวังและการเก็บข้อมูล การวิเคราะห์ และการตอบสนองที่เหมาะกับสถานการณ์

แม้เส้นทางสู่การเป็นโครงข่ายอัจฉริยะที่ทำงานเองได้อย่างอิสระเต็มรูปแบบต้องอาศัยความสำเร็จหลายประการร่วมกัน แต่แนวทางการนำไปใช้สองรูปแบบต่อไปนี้ คือจุดเริ่มต้นที่ทำได้จริง และจะสร้างผลตอบแทนจากการลงทุนให้เห็นผลได้ทันที

  • การซ่อมแซมตนเอง (self-healing): เมื่อตรวจพบความผิดปกติ agentic AI จะทำการวิเคราะห์หาสาเหตุรากเหง้า (root cause analysis – RCA) แบบข้ามส่วนงาน โดยการใช้ Event-Driven Ansible ที่เป็นส่วนหนึ่งของ Red Hat Ansible Automation Platform เพื่อให้เครือข่ายสามารถสั่งการแก้ไขปัญหาได้โดยอัตโนมัติอย่างอิสระภายในเสี้ยววินาที เช่น การเปลี่ยนเส้นทางทราฟฟิกหรือการปรับมุมก้มเงยของเสาสัญญาณ และหากยังไม่มีขั้นตอนการแก้ไขที่กำหนดไว้ล่วงหน้า Red Hat Ansible Lightspeed จะช่วยสร้างคู่มือ (playbook) ขึ้นมาใหม่เพื่อตอบโต้สถานการณ์ได้ทันที
  • การปรับขนาดล่วงหน้าโดยอัตโนมัติจากการคาดการณ์ (predictive zero-touch scaling): AI Agent บน OpenShift AI จะวิเคราะห์ข้อมูลการเชื่อมโยงของกิจกรรมทางสังคม (การขนส่งมวลชน การรวมตัวของฝูงชุน) ร่วมกับข้อมูลการเคลื่อนที่ผ่าน MCP เพื่อทำงานเชิงรุกในการปรับขนาด CNFs ทั่วทั้งพื้นที่เครือข่ายส่วนปลาย (edge) ซึ่งช่วยให้ระบบเพิ่มขีดความสามารถได้อย่างแม่นยำในจุดที่จำเป็น และคืนทรัพยากรกลับสู่ระบบทันทีเมื่อความต้องการใช้งานลดลง เพื่อให้ประสิทธิภาพการทำงานสอดคล้องกับเป้าหมายด้านความยั่งยืน 
  1. การลดการใช้พลังงานและต้นทุนตามวัตถุประสงค์

แทนที่จะใช้การตั้งเวลาปิดระบบแบบตายตัว ผู้ปฏิบัติงานสามารถระบุเป้าหมายระดับสูงหรือความต้องการเชิงนโยบายได้ เช่น “ลดการปล่อยก๊าซคาร์บอนให้เหลือน้อยที่สุด โดยยังคงรักษามาตรฐานความพร้อมใช้ไว้ที่ 99.9%

AI agent เฉพาะทางต่าง ๆ สามารถเฝ้าติดตามความหนาแน่นของการใช้งานแบบเรียลไทม์ หากพบว่าพื้นที่เครือข่ายส่วนใดมีการใช้งานต่ำ ระบบอัตโนมัติที่ขับเคลื่อนด้วย AI จะสั่งการด้วยตัวเองให้ระบบเข้าสู่โหมดประหยัดพลังงานของสายอากาศอัจฉริยะ (massive MIMO sleep modes) ซึ่งช่วยลดการใช้พลังงานในภาพรวมลงได้อย่างมีนัยสำคัญ

กรณีการใช้งานที่เรียบง่ายนี้ช่วยสร้างสมดุลระหว่างประสิทธิภาพและความยั่งยืน โดยสามารถลดทั้งค่าใช้จ่ายในการดำเนินงาน (OpEx) และการปล่อยก๊าซคาร์บอนได้โดยไม่กระทบต่อประสบการณ์การใช้ของลูกค้า

  1. ประสบการณ์ลูกค้าแบบเฉพาะเจาะจงอย่างเหนือระดับ

AI จะเปลี่ยนโฉมทีมสนับสนุนลูกค้าขององค์กร จากการทำงานเชิงรับไปสู่การดำเนินงานเชิงรุกอย่างเต็มรูปแบบ

Predictive AI ทำการระบุสัญญาณที่เริ่มเสื่อมสภาพในตำแหน่งที่ผู้ใช้งานพักอาศัยอยู่ และสั่งการโปรโตคอลซ่อมแซมตัวเอง (เช่น การปรับจูนการส่งต่อสัญญาณระหว่างสถานีฐาน) ให้ทำงานโดยอัตโนมัติ ก่อนที่ผู้ใช้งานจะทันสังเกตเห็นปัญหา

Generative AI ช่วยสนับสนุนเจ้าหน้าที่ด่านหน้า ที่ให้บริการลูกค้า ทั้งพนักงานและแชทบอท ด้วยการสรุปข้อมูลบันทึกระบบ และบริบทการใช้งานที่ครบถ้วน เป็นการเปลี่ยนบทบาทจากผู้ให้บริการเครือข่าย ให้กลายเป็นผู้ส่งมอบประสบการณ์เหนือระดับ

  1. การกำกับดูแล SLA และบริหารผู้ให้บริการแบบเรียลไทม์:

AI จะทำหน้าที่เป็นผู้ตรวจสอบดิจิทัล ในการตรวจสอบประสิทธิภาพของผู้ให้บริการหลายราย AI agent จะทำการวิเคราะห์หาสาเหตุรากเหง้า (RCA) เพื่อระบุปัญหาด้านประสิทธิภาพของผู้ให้บริการแต่ละราย ด้วยการรวบรวมข้อมูลทางเทคนิคจากทุกส่วนงาน (cross-domain telemetry) ผ่าน MCP นอกจากนี้ ยังสามารถส่งการแจ้งเตือนหรือคำนวณเงินคืนตามสัญญาได้อัตโนมัติด้วยตนเอง ซึ่งช่วยสร้างระบบนิเวศการทำงานที่มีความชัดเจนและมีความรับผิดชอบสูง

การรับมือกับสามความท้าทายหลักในนำ AI มาใช้

แม้ว่าสัญญาณบ่งชี้ของอุปสรรคพื้นฐานในการใช้ AI ที่พบได้ทั่วไปจะมีลักษณะคล้ายคลึงกัน เช่น การติดตั้งระบบที่ล่าช้าหรือต้นทุนที่สูงเกินควร แต่ความท้าทายเฉพาะด้านในการนำ AI มาใช้ในธุรกิจโทรคมนาคมนั้นมีความแตกต่างกันอย่างมีนัยสำคัญ โดยขึ้นอยู่กับความพร้อมของโครงสร้างทางสถาปัตยกรรม และการจัดลำดับความสำคัญเชิงกลยุทธ์ของแต่ละบริษัท

การใช้ AI ภายในกรอบการทำงานด้านโทรคมนาคมนั้นไม่ได้วัดกันที่ความชาญฉลาดของโมเดลเพียงอย่างเดียว แต่ขึ้นอยู่กับความพร้อมใช้ ความยืดหยุ่น และความโปร่งใสของสถาปัตยกรรมระบบด้วย เร้ดแฮทมีมุมมองว่า การเปลี่ยนผ่านจากโครงการที่อยู่ในขั้นการทดลองไปสู่การนำ agentic AI มาใช้งานจริงนั้น มีอุปสรรคสำคัญสามประการได้แก่ การกระจัดกระจายของข้อมูล ความซับซ้อนของการบริหารจัดการระบบ และ การติดกับดักเทคโนโลยีระบบปิดที่ตรวจสอบไม่ได้และต้องติดอยู่กับผู้ให้บริการรายใดรายหนึ่ง

ความท้าทายจากข้อมูลที่กระจัดกระจายและบริบทที่ไม่ครบถ้วน: ปัจจัยที่ขัดขวางการสร้างผลตอบแทนจากการลงทุนด้าน AI ที่สำคัญที่สุดคือการขาดความเข้าใจบริบทในเชิงลึก โมเดล AI มักเผชิญกับอาการหลอน (hallucinations) ซึ่งนำไปสู่การให้ข้อมูลที่ผิดพลาด เนื่องจากเข้าไม่ถึงข้อมูลด้านโทรคมนาคมที่มีความละเอียดสูงที่มักติดอยู่ตามส่วนงานต่าง ๆ อย่างกระจัดกระจายได้แบบเรียลไทม์ ไม่ว่าจะเป็นบันทึกการทำงานของเครือข่าย ข้อมูลลูกค้า ไปจนถึงดัชนีชี้วัด (KPIs) จากผู้ให้บริการหลายค่ายที่ไม่เชื่อมโยงกัน

ดังที่ได้กล่าวไปแล้ว MCP คือเฟรมเวิร์กแบบโอเพ่นซอร์สที่ช่วยให้ AI agent ต่าง ๆ สามารถเชื่อมต่อกับข้อมูลภายนอกและเครื่องมือรุ่นเก่าได้อย่างราบรื่น เป็นการช่วยให้สถาปัตยกรรมทั้งหมดสามารถทำงานร่วมกันได้อย่างสมบูรณ์

ความซับซ้อนของการดำเนินงานทำให้โครงการนำร่องขยายไม่ได้: ผู้ให้บริการจำนวนมากล้มเหลวในการขยายขอบเขตการใช้งาน AI ในวงกว้าง เพราะพยายามยกเครื่องการใช้ AI แบบองค์รวม ซึ่งมีความซับซ้อนเกินกว่าจะบริหารจัดการได้ การนำพาโมเดลที่พัฒนาอยู่ในแล็ปท็อปของนักวิทยาศาสตร์ข้อมูลไปใช้จริงที่เสาสัญญาณปลายทางที่ edge จะทำให้เกิดปัญหาจากความเข้ากันไม่ได้ของระบบปฏิบัติการและเสี่ยงต่อความล้มเหลวอย่างมาก หากไม่มีสภาพแวดล้อมการทำงานที่เหมือนกันเป็นหนึ่งเดียว 

Red Hat AI วางรากฐาน AI factory ที่ครอบคลุมไลฟ์ไซเคิลของทั้งโมเดลและแอปพลิเคชัน AI ทั้งหมด การจัดการเวิร์กโหลด AI ให้เหมือนกับไมโครเซอร์วิสในรูปแบบคอนเทนเนอร์ จะช่วยให้ผู้ให้บริการสามารถใช้มาตรฐานแบบ DevOps ที่ใช้กับฟังก์ชันเครือข่ายหลัก มาประยุกต์ใช้ร่วมกับเครื่องมือ MLOps เพื่อบริหารจัดการไลฟ์ไซเคิลของ AI ได้อย่างมีประสิทธิภาพ เร้ดแฮทสนับสนุนให้เริ่มต้นจาก micro-AI agents ซึ่งเป็นโซลูชันขนาดเล็กที่สร้างขึ้นเฉพาะทางเพื่อตอบโจทย์งานเฉพาะด้าน แล้วจึงค่อยขยายผลนำมาเชื่อมต่อกันเพื่อสร้างโครงข่ายอัจฉริยะที่ครอบคลุมกว้างขวางมากขึ้นในภายหลัง

ความเสี่ยงจากการผูกขาดโดยผู้ผลิตและอธิปไตยดิจิทัล: การพึ่งพาบริการ AI แบบระบบปิดที่ตรวจสอบการทำงานไม่ได้ของผู้ผลิตรายใดรายหนึ่งเพียงอย่างเดียว ถือเป็นความเสี่ยงมหาศาลต่อความยืดหยุ่นในระยะยาวและอธิปไตยทางข้อมูล การฝากความอัจฉริยะของเครือข่ายสำคัญขององค์กรไว้บนระบบคลาวด์ของผู้ผลิตรายเดียวทั้งหมดจะทำให้องค์กรมีความเสี่ยงที่จะสูญเสียการควบคุมทั้งด้านต้นทุนและสิทธิในการควบคุมจัดการข้อมูลของตนเอง

แนวทางของเร้ดแฮทที่เน้นการรองรับทุกโมเดล ทุกตัวเร่งความเร็ว และทุกคลาวด์ คือทางแก้ปัญหาการถูกผูกขาดโดยผู้ให้บริการรายใดรายหนึ่ง เร้ดแฮทมอบการเชื่อมต่อกับโมเดลโอเพ่นซอร์สที่มีให้เลือกมากมาย ซึ่งช่วยให้ผู้ให้บริการสามารถปรับจูนโมเดลที่ต้องการด้วยข้อมูลของตนเองบนโครงสร้างพื้นฐานของตนเอง จึงสามารถควบคุมและถือครองกรรมสิทธิ์ในขุมพลังปัญญาของโมเดล (model weights) และข้อมูลพื้นฐานที่ใช้ได้ โดยมี vLLM ช่วยทำให้มั่นใจว่าการอนุมานจะยังคงประสิทธิภาพสูงไม่ว่าจะใช้ฮาร์ดแวร์ใดก็ตาม นอกจากนี้ Red Hat OpenShift ยังช่วยให้ผู้ให้บริการสามารถบริหารจัดการไลฟ์ไซเคิลของ AI และแอปพลิเคชันได้อย่างครบวงจรบนทุกสภาพแวดล้อม

Posted on

How sovereign is your strategy? Introducing the Red Hat Sovereignty Readiness Assessment tool

องค์กรมีอำนาจควบคุมด้านดิจิทัลได้เบ็ดเสร็จเพียงใด ทำความรู้จักเครื่องมือประเมินความพร้อมด้านอธิปไตยดิจิทัลจากเร้ดแฮท

How sovereign is your strategy? Introducing the Red Hat Sovereignty Readiness Assessment tool

Article by: Hans Roth, Senior Vice President and General Manager, EMEA, Red Hat

Digital sovereignty is the ultimate strategic lever for innovation. It propels organizations beyond compliance into true operational freedom where you, not your cloud provider, dictates your business continuity.

Red Hat believes that sovereignty shouldn’t be a wall but a foundation for the freedom to choose where and how you run your workloads. To accelerate this push towards sovereign independence, we are introducing the Red Hat Digital Sovereignty Readiness Assessment tool.

Global regulations have raised the stakes for operational resilience and data jurisdictional control. But for many organizations, the path to independence is obscured by ‘black box’ stacks, limited optionality, and fragmented data silos. 

The path towards a sovereign foundation starts by understanding where your organization currently sits, and this is where the Red Hat Digital Sovereignty Readiness Assessment tool comes into play.

Establishing a baseline for control: The readiness assessment

You cannot govern an IT estate you don’t fully understand. This self-service assessment provides a clear, objective baseline of your organization’s digital control across seven critical domains:

  1. Data Sovereignty: The physical and jurisdictional control of your data throughout its lifecycle.
  2. Technical Sovereignty: The composition of the underlying software stack.
  3. Operational Sovereignty: Your team’s capacity to maintain and recover systems without external reliance.
  4. Assurance Sovereignty: The ability to independently audit and validate the integrity of your systems.
  5. Open Source Awareness: The use of community-driven innovation to neutralize vendor lock-in.
  6. Executive Oversight: The alignment of sovereignty goals with leadership-level governance.
  7. Managed Services: The flexibility of cloud deployments across specific regions and datacenters.

Understanding the results: Red Hat’s sovereignty maturity scale

Upon completion, the tool provides a maturity score that categorizes your current capabilities into four stages:

  • Foundation: The early stages of identifying sovereignty requirements.
  • Developing: Actively building capabilities and addressing initial gaps.
  • Strategic: Strong, repeatable capabilities exist across most domains.
  • Advanced: Broad, proactive control is exercised over its entire digital estate.

The assessment provides a practical roadmap of improvement actions and critical research questions for stakeholders.

An open standard for sovereignty

Red Hat’s approach to sovereignty is rooted in open innovation and the open hybrid cloud. We believe that a sovereign strategy is only as strong as the transparency of its foundation. When assessment tools are proprietary, they risk becoming the “black boxes” that they are meant to audit. True independence cannot be secretly verified.

In support of this needed transparency, Red Hat is establishing the open standard for assessing digital sovereignty. We are making the source code criteria for the Digital Sovereignty Readiness Assessment tool – originally developed by Red Hat’s Chris Jenkins – freely available to the global ecosystem.

By open sourcing this framework, we move the industry from “blind trust” to a model based on objective verification. Red Hat provides the logical blueprints that go beyond simply being a tool. This methodology empowers customers, partners and other organizations to map their own path to autonomous infrastructure across dozens of critical technical vectors.

For sovereignty to be real and obtainable, the behind-the-scenes math must be accountable and open for inspection. Red Hat is providing the transparent standard to give our customers the confidence that their sovereign strategy is exactly that.

Posted on

องค์กรมีอำนาจควบคุมด้านดิจิทัลได้เบ็ดเสร็จเพียงใด ทำความรู้จักเครื่องมือประเมินความพร้อมด้านอธิปไตยดิจิทัลจากเร้ดแฮท

องค์กรมีอำนาจควบคุมด้านดิจิทัลได้เบ็ดเสร็จเพียงใด ทำความรู้จักเครื่องมือประเมินความพร้อมด้านอธิปไตยดิจิทัลจากเร้ดแฮท

องค์กรมีอำนาจควบคุมด้านดิจิทัลได้เบ็ดเสร็จเพียงใด ทำความรู้จักเครื่องมือประเมินความพร้อมด้านอธิปไตยดิจิทัลจากเร้ดแฮท

บทความโดย: นายฮานส์ โรธ รองประธานอาวุโสและผู้จัดการทั่วไป ประจำภูมิภาค EMEA เร้ดแฮท

อธิปไตยดิจิทัล (Digital sovereignty) คือกลไกเชิงกลยุทธ์ขั้นสูงสุดเพื่อการสร้างและใช้นวัตกรรม ที่ช่วยให้องค์กรไม่เพียงปฏิบัติตามข้อกำหนดเท่านั้น แต่ยังก้าวสู่อิสรภาพในการดำเนินงานอย่างแท้จริง โดย “องค์กร” เป็นผู้กำหนดความต่อเนื่องทางธุรกิจของตนเองไม่ใช่ผู้ให้บริการคลาวด์

เร้ดแฮทเชื่อว่าอธิปไตยดิจิทัลไม่ควรเป็นกำแพงขวางกั้น แต่ควรเป็นรากฐานที่ให้อิสระองค์กรในการเลือกได้ว่าจะใช้เวิร์กโหลดอย่างไรบนสภาพแวดล้อมแบบไหน เร้ดแฮทพร้อมให้บริการเครื่องมือ Red Hat Digital Sovereignty Readiness Assessment เพื่อเร่งให้องค์กรขับเคลื่อนสู่ความมีอิสระทางอธิปไตยดิจิทัลเร็วขึ้น

มาตรการกำกับดูแลระดับสากล ได้ยกระดับความสำคัญของความยืดหยุ่นในการดำเนินงานและการควบคุมอำนาจเหนือข้อมูลตามเขตอำนาจศาล แต่เส้นทางสู่ความเป็นอิสระขององค์กรหลายแห่งถูกบดบังด้วยกลุ่มซอฟต์แวร์ที่ไม่เปิดเผยกระบวนการทำงานและยากต่อการตรวจสอบ (black box stacks) ทางเลือกที่จำกัด และข้อมูลที่กระจัดกระจายเป็นไซโล 

เส้นทางสู่การวางรากฐานด้านอธิปไตยดิจิทัลเริ่มต้นจากการทำความเข้าใจว่าในปัจจุบันองค์กรอยู่ในสถานะใด และนี่คือจุดที่เครื่องมือ Red Hat Digital Sovereignty Readiness Assessment เข้ามามีบทบาทสำคัญ

กำหนดเกณฑ์มาตรฐานเพื่อควบคุม:  การประเมินความพร้อม

การกำกับดูแลสินทรัพย์ไอทีจะไม่สามารถทำได้หากขาดความเข้าใจที่สมบูรณ์ การประเมินที่ทำได้ด้วยตนเองนี้จะช่วยกำหนดเกณฑ์มาตรฐานที่ชัดเจนและเป็นกลางในการควบคุมงานด้านดิจิทัลในการประเมินขอบเขตงานสำคัญขององค์กรเจ็ดด้านได้แก่

  • อธิปไตยด้านข้อมูล (Data Sovereignty) – การควบคุมข้อมูลทั้งสถานที่จัดเก็บทางกายภาพ และการควบคุมตามเขตอำนาจศาล ตลอดวงจรชีวิตของข้อมูล
  • อธิปไตยด้านเทคนิค (Technical Sovereignty) – การควบคุมองค์ประกอบของชุดซอฟต์แวร์ที่ใช้เป็นฐาน
  • อธิปไตยด้านการดำเนินงาน (Operational Sovereignty) – ศักยภาพของทีมในการดูแลและกู้คืนระบบโดยไม่ต้องพึ่งพาปัจจัยภายนอก
  • อธิปไตยด้านการรับรอง (Assurance Sovereignty) – ความสามารถในการตรวจสอบและยืนยันความถูกต้องสมบูรณ์ของระบบได้อย่างอิสระ
  • การตระหนักถึงซอฟต์แวร์โอเพ่นซอร์ส (Open Source Awareness) – การใช้ประโยชน์จากนวัตกรรมที่ขับเคลื่อนโดยชุมชนเปิดเพื่อลดความเสี่ยงจากการผูกติดกับผู้ให้บริการรายเดียว
  • การกำกับดูแลโดยผู้บริหาร (Executive Oversight) – การวางเป้าหมายด้านอธิปไตยดิจิทัลให้สอดคล้องกับธรรมาภิบาลในระดับผู้นำองค์กร
  • บริการจัดการระบบ (Managed Services) – ความยืดหยุ่นในการเลือกสภาพแวดล้อมในการใช้งานคลาวด์ตามภูมิภาคและดาต้าเซ็นเตอร์ต่าง ๆ ได้อย่างเฉพาะเจาะจง

การแปลผลการประเมิน: มาตรวัดระดับความพร้อมด้านอธิปไตยดิจิทัลของเร้ดแฮท

เมื่อการประเมินเสร็จสิ้น เครื่องมือจะแสดงคะแนนความพร้อมด้านอธิปไตยดิจิทัลขององค์กรโดยจำแนกศักยภาพในปัจจุบันขององค์กรออกเป็น 4 ระยะ ดังนี้ 

  • Foundation – ระยะเริ่มต้นของการระบุและทำความเข้าใจข้อกำหนดด้านอธิปไตยดิจิทัล   
  • Developing – ระยะพัฒนาศักยภาพและเริ่มแก้ไขช่องว่างที่พบ
  • Strategic: ระยะที่มีศักยภาพแข็งแกร่งและสามารถนำไปใช้ซ้ำได้กับงานด้านต่างๆ  
  • Advanced: ระยะที่มีศักยภาพในการควบคุมสินทรัพย์ดิจิทัลทั้งหมดขององค์กรอย่างทั่วถึงและเป็นเชิงรุก

การประเมินนี้จะช่วยกำหนดแผนงานที่นำไปปฏิบัติได้จริง ทั้งแนวทางการปรับปรุงและประเด็นวิจัยที่จำเป็น เพื่อให้ผู้มีส่วนเกี่ยวข้องทุกฝ่ายได้พิจารณา

มาตรฐานเปิดเพื่ออธิปไตยดิจิทัล

เร้ดแฮทยึดถือว่านวัตกรรมแบบเปิดและโอเพ่นไฮบริดคลาวด์เป็นพื้นฐานสำคัญของอธิปไตยดิจิทัล และเชื่อว่ากลยุทธ์ด้านอธิปไตยดิจิทัลจะแข็งแกร่งได้นั้นจะต้องมีโครงสร้างพื้นฐานที่โปร่งใสรองรับเท่านั้น แต่หากเครื่องมือที่ใช้ในการประเมินเป็นแบบมีกรรมสิทธิ์ องค์กรจะไม่สามารถตรวจสอบความโปร่งใสในการทำงานได้ ซึ่งขัดกับหลักการของความเป็นอิสระอย่างแท้จริงที่ต้องเปิดเผยและชัดเจน

เร้ดแฮทกำลังสร้างมาตรฐานเปิดให้กับการประเมินอธิปไตยดิจิทัลเพื่อสนับสนุนด้านความโปร่งใส โดยการเปิดให้อีโคซิสเต็มส์ทั่วโลกสามารถเข้าใช้และพัฒนาต่อยอดซอร์สโค้ดของเครื่องมือประเมินความพร้อมด้านอธิปไตยดิจิทัลซึ่งพัฒนาโดย Chris Jenkins ของเร้ดแฮทได้อย่างอิสระและไม่มีค่าใช้จ่าย

การเปิดเฟรมเวิร์กนี้เป็นโอเพ่นซอร์ส คือการที่เร้ดแฮทกำลังขับเคลื่อนอุตสาหกรรมให้เปลี่ยนจาก “ความเชื่อถือที่ตรวจสอบไม่ได้” ไปสู่โมเดลที่สามารถพิสูจน์เชิงประจักษ์ได้ เร้ดแฮทไม่ได้มอบเพียงเครื่องมือแต่มอบต้นแบบทางความคิดที่เป็นระบบ (logical blueprints) แนวทางนี้ช่วยเสริมศักยภาพให้ลูกค้า พันธมิตร และองค์กรต่าง ๆ กำหนดเส้นทางเดินสู่โครงสร้างพื้นฐานที่มีความเป็นอิสระได้ด้วยตนเองผ่านตัวแปรทางเทคนิคสำคัญ ๆ หลากหลายมิติ 

อธิปไตยดิจิทัลจะเกิดขึ้นจริงและจับต้องได้นั้น กลไกการคำนวณเบื้องหลังต้องตรวจสอบที่มาที่ไปได้และเปิดรับการตรวจสอบ เร้ดแฮทนำเสนอมาตรฐานด้านความโปร่งใสเพื่อสร้างความมั่นใจให้ลูกค้าว่ากลยุทธ์ด้านอธิปไตยดิจิทัลขององค์กรมีอำนาจควบคุมและจัดการได้อย่างแท้จริงตามที่ตั้งเป้าไว้

Posted on

Red Hat Launches Red Hat AI Enterprise to Deliver a Unified AI Platform that Spans from Metal to Agents

Red Hat Launches Red Hat AI Enterprise to Deliver a Unified AI Platform that Spans from Metal to Agents

Red Hat Launches Red Hat AI Enterprise to Deliver a Unified AI Platform that Spans from Metal to Agents

Red Hat AI Enterprise bridges the gap from AI infrastructure to production-ready agents by unifying the AI lifecycle with the industry-leading foundation of Red Hat Enterprise Linux and Red Hat OpenShift

Red Hat, the world’s leading provider of open source solutions, today announced Red Hat AI Enterprise, an integrated AI platform for deploying and managing AI models, agents and applications across the hybrid cloud. It joins the Red Hat AI portfolio which includes Red Hat AI Inference Server, Red Hat OpenShift AI and Red Hat Enterprise Linux AI. Red Hat is also introducing Red Hat AI 3.3, bringing significant updates and enhancements across the company’s entire AI portfolio. 

Together, these solutions provide a comprehensive “metal-to-agent” stack, integrating the underlying Linux and Kubernetes infrastructure with advanced inference and agentic capabilities to help organizations move from fragmented experimentation to governed, autonomous operations.

The enterprise AI landscape is rapidly evolving from simple chat interfaces toward high-density, autonomous agentic workflows that require deeper integration across the entire technology stack. However, many organizations remain stuck in the “pilot phase” due to fragmented tools and inconsistent infrastructure. Red Hat AI Enterprise addresses this by unifying the model and application lifecycles allowing IT teams to manage AI as a standardized enterprise system rather than a siloed project – making AI delivery as reliable and repeatable as traditional enterprise software.

Red Hat AI Enterprise: The foundation for AI production

Red Hat AI Enterprise provides core capabilities, including high-performance AI inference, model tuning and customization and agent deployment and management, with the flexibility to support any model and any hardware across any environment. Fueled by Red Hat OpenShift – the industry’s leading hybrid cloud application platform powered by Kubernetes – at its core, Red Hat AI Enterprise delivers a highly scalable and more consistent experience with a stronger security footprint, anywhere, using familiar tools and frameworks. For NVIDIA AI infrastructure, NVIDIA and Red Hat co-engineered the new Red Hat AI Factory with NVIDIA, combining Red Hat AI Enterprise and NVIDIA AI Enterprise to help speed and scale production AI for enterprises.  

Key benefits of Red Hat AI Enterprise include:

  • Faster, more cost-effective and scalable AI inference using the vLLM inference engine and llm-d distributed inference framework for optimized generative AI model deployments across hybrid hardware environments.
  • Integrated observability and lifecycle management to help drive AI lifecycle governance and mitigate risk with an integrated, tested and interoperable enterprise-ready AI stack.
  • Flexibility across the hybrid cloud by empowering organizations to deploy and manage AI models, agents and applications with greater consistency wherever their business needs to run backed by trusted Red Hat platforms.

Extending strategic flexibility and full-stack efficiency with Red Hat AI 3.3 

Red Hat’s strategy centers on bridging the gap between mission-critical stability and frontier innovation through a unified platform. The latest software release expands model choice, deepens full-stack optimization for next-generation silicon and hardens operational consistency for frontier models. 

New features and enhancements include:

  • Expanded model ecosystem with validated, production-ready compressed versions of Mistral-Large-3, Nemotron-Nano and Apertus-8B-Instruct, available via the OpenShift AI Catalog. Additionally,  the release enables deployment of state-of-the-art models like Ministral 3 and DeepSeek-V3.2 with sparse attention, while delivering multimodal enhancements including 3x Whisper speedup, geospatial support, improved EAGLE speculative decoding and enhanced tool calling for agentic workflows.
  • Self-service access to AI models with a technology preview of Models-as-a-Service (MaaS). IT teams can provide self-service access to privately hosted models via an API gateway. This centralized approach ensures that AI is available on-demand for internal users, fostering a ready-to-go AI foundation that promotes private and scalable AI adoption within the enterprise.
  • Expanded hardware support including a technology preview of generative AI support on CPUs, starting with Intel CPUs for more cost-effective small language model (SLM) inference. Additionally, the platform has expanded its hardware certification for NVIDIA’s Blackwell Ultra and support for AMD MI325X accelerators.
  • Unified data-to-model lifecycle secured by the new Red Hat AI Python Index. This trusted repository delivers hardened, enterprise-grade versions of critical tools—including Docling, SDG Hub, and Training Hub—enabling teams to move from fragmented experimentation to repeatable, security-focused production pipelines.
  • Comprehensive AI observability and safety with greater visibility into model health, performance and behavior. This provides real-time telemetry across AI workloads, llm-d deployments and Models-as-a-Service (MaaS) cluster and model usage and is paired with a technology preview of integrated NeMo Guardrails, enabling developers to enforce operational safety and alignment across AI interactions.
  • On-demand access to GPU resources by empowering organizations to deploy their own internal GPU-as-a-Service capabilities through intelligent orchestration and pooled hardware access with automatic checkpointing to save the state of long-running training jobs, preventing work loss and maintaining more predictable compute costs, even in highly dynamic or preemptible environments.

Supporting Quotes

Joe Fernandes, vice president and general manager, AI Business Unit, Red Hat

“For AI to deliver true business value, it must be operationalized as a core component of the enterprise software stack, not as a standalone silo. Red Hat AI Enterprise is designed to bridge the gap between infrastructure and innovation by providing a unified metal to agent platform. By integrating advanced tuning and agentic capabilities with the industry-leading foundation of Red Hat Enterprise Linux and Red Hat OpenShift, we are providing the complete stack – from the GPU-accelerated hardware to the models and agents that drive business logic. Additionally, with Red Hat AI 3.3 organizations can move beyond fragmented pilots to governed, repeatable and high-performance AI operations across the hybrid cloud.”

Additional Resources

Connect with Red Hat

Posted on

Red Hat เปิดตัว Red Hat AI Enterprise มอบแพลตฟอร์ม AI หนึ่งเดียวที่ครอบคลุมครบวงจร ตั้งแต่ระดับฮาร์ดแวร์จนถึงเอเจนต์

สามขั้นตอนสู่ความเป็น Adaptive Leadership ในยุคเทคโนโลยี

Red Hat เปิดตัว Red Hat AI Enterprise มอบแพลตฟอร์ม AI หนึ่งเดียวที่ครอบคลุมครบวงจร ตั้งแต่ระดับฮาร์ดแวร์จนถึงเอเจนต์

Red Hat AI Enterprise ประสานรอยต่อระหว่างโครงสร้างพื้นฐาน AI กับ เอเจนต์ที่พร้อมใช้งานจริงด้วยการรวมไลฟ์ไซเคิลของ AI ให้เป็นหนึ่งเดียวกับ Red Hat Enterprise Linux และ  Red Hat OpenShift ซึ่งเป็นโครงสร้างพื้นฐานชั้นนำของอุตสาหกรรม

 

เร้ดแฮท ผู้ให้บริการโซลูชันโอเพ่นซอรส์ระดับแนวหน้าของโลก ประกาศเปิดตัว Red Hat AI Enterprise แพลตฟอร์ม AI แบบเบ็ดเสร็จ สามารถรองรับการใช้และบริหารจัดการโมเดล AI, เอเจนต์ (agent) และแอปพลิเคชัน AI ที่อยู่บนไฮบริดคลาวด์ทั้งหมด แพลตฟอร์มนี้เข้าร่วมเป็นส่วนหนึ่งของพอร์ตโฟลิโอด้าน AI ของเร้ดแฮท ซึ่งประกอบด้วย Red Hat AI Inference Server, Red Hat OpenShift AI และ Red Hat Enterprise Linux AI นอกจากนี้เร้ดแฮทยังได้เปิดตัว Red Hat AI 3.3 ซึ่งเป็นการอัปเดทและการเพิ่มประสิทธิภาพครั้งสำคัญของพอร์ตโฟลิโอด้าน AI ที่มีอยู่ทั้งหมดของบริษัทฯ โซลูชันทั้งสองนี้รวมพลังกันมอบชุดโซลูชันที่ครอบคลุมตั้งแต่ระดับฮาร์ดแวร์ไปจนถึงระดับซอฟต์แวร์เอเจนต์ (metal-to-agent) โดยผสานรวม Linux และโครงสร้างพื้นฐาน Kubernetes เข้ากับความสามารถในการอนุมาน (inference) และการทำงานของเอเจนต์ (agent) เพื่อช่วยให้องค์กรต่าง ๆ เปลี่ยนจากการทำงานและการทดลองที่กระจัดกระจายไปเป็นการทำงานอัตโนมัติที่ควบคุมดูแลตามมาตรฐานขององค์กรได้

แลนด์สเคปด้าน AI ขององค์กรกำลังพัฒนาอย่างรวดเร็ว จากอินเทอร์เฟซการแชทแบบง่าย ๆ ไปเป็นเวิร์กโฟลว์เอเจนต์อัตโนมัติ (autonomous agentic workflows) ที่มีความซับซ้อนสูงมีปริมาณงานและขีดความสามารถที่มากขึ้น (high-density) ซึ่งต้องการการบูรณาการเทคโนโลยีที่มีอยู่เข้าด้วยกันอย่างมาก อย่างไรก็ตาม องค์กรจำนวนมากยังคงติดอยู่กับ “ระยะนำร่อง” เนื่องจากเครื่องมือมากมายที่กระจัดกระจายและโครงสร้างพื้นฐานที่ไม่เป็นเอกภาพ Red Hat AI Enterprise จัดการกับความท้าทายนี้ด้วยการรวมไลฟ์ไซเคิลของโมเดลและแอปพลิเคชันไว้ด้วยกัน ซึ่งช่วยให้ทีมไอทีสามารถบริหารจัดการ AI เหมือนเป็นระบบปกติระบบหนึ่งขององค์กร แทนที่จะเป็นโปรเจกต์ที่ต่างคนต่างทำ ช่วยให้การให้บริการ AI เชื่อถือได้และนำกลับมาใช้ใหม่ได้เหมือนกับซอฟต์แวร์แบบดั้งเดิมขององค์กร

Red Hat AI Enterprise คือพื้นฐานรองรับการนำ AI มาใช้งานจริง 

Red Hat AI Enterprise มอบความสามารถสำคัญต่าง ๆ เช่น การอนุมาน AI คุณภาพสูง, การปรับจูนและปรับแต่งโมเดล รวมถึงการใช้และบริหารจัดการ เอเจนต์ ที่มาพร้อมความยืดหยุ่นที่สามารถรองรับโมเดลและฮาร์ดแวร์ใดก็ได้ในทุกสภาพแวดล้อม Red Hat OpenShift ซึ่งเป็นแพลตฟอร์มแอปพลิเคชันไฮบริดคลาวด์ที่ขับเคลื่อนโดย Kubernetes ชั้นนำของวงการ เป็นขุมพลังที่ให้การสนับสนุน Red Hat AI Enterprise ให้สามารถมอบประสบการณ์การใช้งานที่สอดคล้องเป็นเอกภาพ และมีความสามารถในการปรับขนาดสูง พร้อมมาตรฐานความปลอดภัยที่รัดกุมบนทุกสภาพแวดล้อมผ่านการใช้เครื่องมือและเฟรมเวิร์กที่คุ้นเคย นอกจากนี้ NVIDIA และเร้ดแฮทได้ร่วมกันพัฒนา Red Hat AI Factory with NVIDIA ขึ้นมาใหม่ ซึ่งเป็นการรวม Red Hat AI Enterprise และ NVIDIA AI Enterprise เข้าด้วยกันเพื่อช่วยเร่งความเร็วและปรับขนาดการใช้งานในการนำ AI มาใช้งานจริงในองค์กร

ประโยชน์หลัก ๆ ของ Red Hat AI Enterprise

  • การอนุมาน AI ที่รวดเร็วขึ้น คุ้มค่าการลงทุนมากขึ้น และปรับขนาดได้ โดยใช้เครื่องมืออนุมานที่เป็น vLLM และเฟรมเวิร์กการอนุมานแบบกระจายตัว llm-d เพื่อทำให้การใช้โมเดล generative AI มีประสิทธิภาพสูงสุดบนทุกสภาพแวดล้อมที่ใช้ฮาร์ดแวร์แบบไฮบริด
  • การสังเกตการณ์แบบครบวงจร และการบริหารจัดการไลฟ์ไซเคิล เพื่อช่วยขับเคลื่อนการกำกับดูแลไลฟ์ไซเคิลของ AI และลดความเสี่ยงด้วยชุดเทคโนโลยี AI ระดับองค์กรที่ผ่านการทดสอบ ผสานรวมการทำงานร่วมกันได้อย่างสมบูรณ์ และพร้อมใช้งานทันที
  • ความยืดหยุ่นที่มีให้กับไฮบริดคลาวด์ทั้งหมด โดยช่วยให้องค์กรต่าง ๆ สามารถใช้และบริหารจัดการโมเดล AI เอเจนต์ และแอปพลิเคชัน ได้อย่างเป็นเอกภาพมากขึ้น ในทุกสภาพแวดล้อมที่ธุรกิจต้องการใช้งาน ภายใต้การสนับสนุนจากแพลตฟอร์มที่เชื่อถือได้ต่าง ๆ ของเร้ดแฮท

การขยายความยืดหยุ่นเชิงกลยุทธ์และประสิทธิภาพการทำงานแบบครบวงจร ด้วย Red Hat AI 3.3

กลยุทธ์ของ Red Hat คือการให้ความสำคัญกับการใช้แพลตฟอร์มหนึ่งเดียวเป็นตัวเชื่อมช่องว่างระหว่างความเสถียรของภารกิจสำคัญกับนวัตกรรมล้ำสมัย ซอฟต์แวร์เวอร์ชันล่าสุดได้เพิ่มทางเลือกของโมเดลให้หลากหลายขึ้น เพิ่มประสิทธิภาพชิปประมวลผลยุคใหม่อย่างเต็มรูปแบบ และเสริมแกร่งด้านความคงเส้นคงวาในการดำเนินงานให้กับโมเดลที่ล้ำสมัยและทรงพลัง

ฟีเจอร์และประสิทธิภาพใหม่ ๆ

  • ระบบนิเวศของโมเดลที่ขยายใหญ่ขึ้นด้วย Mistral-Large-3, Nemotron-Nano และ Apertus-8B-Instruct ในเวอร์ชันที่ผ่านการบีบอัด (compressed versions) ซึ่งได้รับการตรวจสอบความถูกต้องและพร้อมใช้งานจริง สามารถเรียกใช้งานผ่าน OpenShift AI Catalog นอกจากนี้ ซอฟต์แวร์เวอร์ชันนี้ยังรองรับการใช้งานโมเดลล้ำสมัย เช่น Ministral 3 และ DeepSeek-V3.2 ที่ใช้เทคโนโลยี sparse attention พร้อมเพิ่มประสิทธิภาพให้กับการทำงานแบบ multimodal ซึ่งรวมถึงการเร่งความเร็ว 3x Whisper, การรองรับข้อมูลเชิงพื้นที่, การถอดรหัสแบบคาดการณ์ล่วงหน้าของ EAGLE ที่มีการเพิ่มประสิทธิภาพ และการเรียกใช้เครื่องมือที่ได้รับการเพิ่มประสิทธิภาพเพื่อรองรับ agentic workflows
  • การเข้าใช้โมเดล AI ได้แบบ self-service ผ่านเทคโนโลยี Models-as-a-Service (MaaS) เวอร์ชันทดสอบ ทีมไอทีสามารถให้บริการการเข้าถึงแบบ self-service ไปยังโมเดลที่โฮสต์แบบส่วนตัว ผ่าน API Gateway วิธีการแบบรวมศูนย์นี้ช่วยให้มั่นใจได้ว่าผู้ใช้ภายในองค์กรสามารถใช้งาน AI ได้แบบออนดีมานด์พร้อมทั้งสร้างรากฐานด้าน AI ที่มีความพร้อมใช้งาน เพื่อส่งเสริมการนำ AI แบบไพรเวทและปรับขนาดได้ไปใช้ในองค์กร
  • ขยายการรองรับฮาร์ดแวร์ที่หลากหลาย รวมถึงการเปิดตัว generative AI บน CPU โดยเริ่มจาก Intel CPUs ที่ช่วยเพิ่มความคุ้มทุนด้านการอนุมานโมเดลภาษาขนาดเล็ก (SLM) นอกจากนี้ แพลตฟอร์มยังได้ขยายการรับรองฮาร์ดแวร์ NVIDIA Blackwell Ultra และรองรับ accelerators รุ่น AMD MI325X
  • รวมไลฟ์ไซเคิลของข้อมูลสู่โมเดลให้เป็นหนึ่งเดียวและปลอดภัยด้วย Red Hat AI Python Index ใหม่ คลังเก็บข้อมูลที่เชื่อถือได้นี้มอบเครื่องมือสำคัญต่าง ๆ ที่มีความแข็งแกร่งเพียงพอต่อการใช้งานในระดับองค์กร ซึ่งรวมถึง Docling, SDG Hub, และ Training Hub ซึ่งช่วยให้ทีมทำงานเปลี่ยนจากการทดลองที่กระจัดกระจายไปสู่ไปป์ไลน์การใช้งานจริงที่ทำซ้ำได้และเน้นเรื่องความปลอดภัยเป็นสำคัญ
  • การตรวจสอบและความปลอดภัย AI ที่ครอบคลุม พร้อมความสามารถในการมองเห็นสถานะ ความสมบูรณ์ ประสิทธิภาพ และพฤติกรรมของโมเดล โดยระบบจะแสดงข้อมูลการเก็บและส่งข้อมูลการทำงานของเวิร์กโหลด AI ทั้งหมดแบบเรียลไทม์ ช่วยให้สามารถใช้งาน llm-d และใช้งานคลัสเตอร์และโมเดลในรูปแบบ Models-as-a-Service (MaaS) และจับคู่กับ NeMo Guardrails เวอร์ชันทดสอบที่รวมเข้าด้วยกัน เพื่อช่วยให้นักพัฒนาซอฟต์แวร์สามารถควบคุมความปลอดภัยในการดำเนินงานและควบคุมการโต้ตอบกับ AI ทั้งหมดให้เป็นไปในทิศทางเดียวกันได้
  • การเข้าถึงทรัพยากร GPU ได้แบบออนดีมานด์ ช่วยให้องค์กรสามารถใช้ GPU-as-a-Service ภายในองค์กรได้เอง ผ่านการจัดการอย่างชาญฉลาด และการเข้าถึงกลุ่มฮาร์ดแวร์ส่วนกลาง (pooled hardware) พร้อมระบบบันทึกสถานะอัตโนมัติ (automatic checkpointing) เพื่อจัดเก็บสถานะของงานเทรนโมเดลที่ใช้เวลานาน ซึ่งช่วยป้องกันข้อมูลหรืองานไม่ให้สูญหาย และให้คงความสามารถในการคาดการณ์ต้นทุนการประมวลผลได้มากขึ้น แม้ในสภาพแวดล้อมที่มีความผันผวนสูง หรือในสภาพแวดล้อมที่ทรัพยากรอาจถูกดึงกลับคืนได้ทุกเมื่อ

คำกล่าวสนับสนุน

นายโจ เฟอร์นานเดส รองประธานและผู้จัดการทั่วไป หน่วยธุรกิจ AI ของ Red Hat

“เพื่อให้ AI สามารถส่งมอบคุณค่าทางธุรกิจที่แท้จริงได้นั้น เทคโนโลยีนี้จำเป็นต้องถูกทำให้กลายเป็นส่วนประกอบหลักในโครงสร้างซอฟต์แวร์ขององค์กร ไม่ใช่การใช้งานแยกส่วนแบบเอกเทศ Red Hat AI Enterprise จึงออกแบบมาเพื่อประสานรอยต่อระหว่างโครงสร้างพื้นฐานและนวัตกรรม ด้วยการมอบแพลตฟอร์มที่เป็นหนึ่งเดียวตั้งแต่ระดับฮาร์ดแวร์ไปจนถึงระดับ เอเจนต์ การผสานรวมความสามารถในการปรับจูนขั้นสูงและความสามารถของ เอเจนต์ เข้ากับรากฐานระดับชั้นนำของอุตสาหกรรมเช่น Red Hat Enterprise Linux และ Red Hat OpenShift ทำให้เราสามารถให้บริการเทคโนโลยีที่ครบวงจร ตั้งแต่ฮาร์ดแวร์ที่เร่งความเร็วด้วย GPU ไปจนถึงโมเดลและ เอเจนต์ที่ขับเคลื่อนตรรกะทางธุรกิจ นอกจากนี้ Red Hat AI 3.3 ยังช่วยให้องค์กรต่าง ๆ ก้าวข้ามจากการทดลองที่กระจัดกระจาย ไปสู่การปฏิบัติงานด้าน AI ที่ควบคุมได้ ทำซ้ำได้ และมีประสิทธิภาพสูง ครอบคลุมทั่วทั้งไฮบริดคลาวด์”

แหล่งข้อมูลเพิ่มเติม

ช่องทางติดต่อกับเร้ดแฮท