人工智能（AI）是当今经济中最具变革性的力量之一，但其应用前景仍然充满变数。《经济学人》近期刊文，质疑AI增长背后的假设，尤其驳斥了“效率提升必然催生需求”的观点。该文章直指近期一些科技领袖用来解释和证明AI崛起的理论——杰文斯悖论（Jevons paradox）。该经济学概念认为，随着AI成本降低、效率提升，人们不仅不会减少对它的使用，反而会在各个领域更加广泛地应用它。虽然经济学中确实存在此类反弹效应，但该文章指出，像“效率提升最终导致整体使用量显著增加”这种完全符合杰文斯悖论的情形，其实并不常见。
受此启发，我想从一个更广阔的视角出发，探讨一些经济和行为理论如何影响我们对AI应用的理解，以及红帽的AI战略在其中扮演的角色。
理解技术采用生命周期的理论方法
每一项重大创新，如电力、互联网和智能手机，都遵循相同的技术采用生命周期曲线，即从创新者起步，到早期采用者跟进，最终扩散到早期大众和晚期大众。
目前，AI仍处于这一周期的早期阶段。这并不出人意料，它展现出了早期采用者阶段的典型特征。我在红帽见过很多次类似的模式：无论客户是尝试使用机器学习还是寻求将推理能力部署到生产环境，早期采用者总是既热情又谨慎。他们仍在验证应用场景、评估架构、探索如何将AI融入其工作流——这正是典型的早期采用者行为。
但关键在于：这并不意味着AI不会成为企业技术栈的标准配置，而只是说明我们尚未跨越那道“鸿沟”。一旦迈过去，我们将进入快速发展时期。
锚定偏见：先入为主的认知枷锁
那么，阻碍我们抵达那个转折点的因素是什么？锚定偏见难辞其咎。许多企业对AI的认知仍然停留在最初那些昂贵复杂的模型上（比如需要庞大基础设施支撑的大型Transformer模型）。这种第一印象极难扭转。即便如今已涌现出更高效、开源且垂直化的AI模型（如DeepSeek），许多企业仍将AI视为“过于庞大”“实验性质太强”“过于昂贵”或“过于企业化”的技术。若不打破这种认知桎梏，大规模普及就始终遥不可及。
DeepSeek与诱导需求时刻
这正是DeepSeek这类突破发挥作用的地方，这是“诱导需求”时刻。当AI变得更高效、更经济，它不仅会以更低成本满足现有用例，还将降低实验的门槛，解锁从客户服务、内容创作到医疗、智能自动化以及边缘AI的全新用例。这将成为驱使AI从早期采用走向大规模普及的动力。
可得性启发法
可得性启发法有助于解释这种动力是如何形成的。一旦人们开始看到AI在现实世界中运作的真实案例——特别是高效、具有针对性和成本效益的AI——人们对AI的认知就会改变。它不再是一个技术演示，而是人们实际使用的工具。随着它变得愈发为人所知、愈发实用，企业会觉得愈发有必要跟进。
选择的悖论
然而，即使AI变得更便宜、更容易获取，决策过程中仍可能出现瓶颈，也就是“选择的悖论”。过多的框架、供应商、架构和用例可能会让决策者感到困惑（尤其是工程核心团队之外的决策者）。这不仅仅是供需问题，还关乎执行的清晰度和信心。
从理论到实践：红帽如何简化AI应用
1.社区认可在AI采用中的作用
随着AI的普及，企业正在寻求参考和依据以做出明智的选择。其关注点往往放在可信工具、活跃的社区，以及可获取的专业知识上。最引人注目的工具往往会获得早期关注，但是红帽更注重长期可行性。红帽不只紧跟趋势，更致力于将流行趋势转化为能够支撑关键业务环境的实用技术。在主要由开源驱动的生态系统中，团队希望在已被验证可行的基础上推进工作，但是随着生态系统的扩张，选择也越来越多，接下来的发展也更加难以预测。幸运的是，社区的认可度可以为技术采用提供指引，并为团队指明正确方向。
2.打造贴近人员和数据所处环境的平台
这正是红帽AI战略展现出其重要价值的地方——这一点我在工作中深有体会。在与各行业客户的交流中，我发现他们对AI的态度往往是兴奋和犹豫并存。这项技术固然强大，但它的实施路径却并非总是清晰明了。
这就是为什么红帽方案能引起强烈共鸣。我们不仅提供基础设施，更在这个日渐纷繁复杂的领域中提供清晰的指引。我们关注开放、混合、灵活架构，这有助于消除AI应用的阻碍。通过红帽AI等平台，我们致力于为客户提供简化、面向业务目标的AI解决方案，在数据中心与边缘环境之间实现高度一致的部署与管理。
3.构建开放的AI生态系统
我们的战略不仅限于平台。红帽正在打造一个开放、模块化的AI生态系统，让企业获得创新自由——既不受供应商锁定的束缚，也无需应对管理分散工具带来的混乱。这一生态系统植根于互操作性、透明度、自由度和社区驱动协作等我们基本的价值观，提供全面支持，从Hugging Face等开放模型中心到PyTorch、TensorFlow等广泛使用的框架。我们覆盖了硬件和软件堆栈，以抽象AI部署、编排和扩展的复杂性。
在这个“选择的悖论”可能阻碍创新的时代，红帽帮助团队降低评估和整合海量工具的开销。我们扎根开源，提供注重用户自身方向、精心打磨，并且注重安全性的企业级基础。我们简化了复杂性，加快了价值实现时间，并让关注重点转向创造真正的业务成果。从这个意义上说，我们的生态系统不仅是开放的——更是经过精心编排，以实现影响力的最大化。
MLOps遇上DevSecOps：将模型转化为体验
AI模型仅仅是拼图中的一块——真正的体验源自经AI强化后的应用。红帽AI为模型构建和服务提供了基础，而红帽OpenShift作为平台将一切整合起来，支持开发者使用CI/CD流水线、GitOps工作流和DevSecOps实践将AI模型集成到生产就绪的应用中。应用开发和AI运营交汇于此，带来智能、可扩展的体验。
结语：超越悖论
AI的未来建设不仅取决于供需，还取决于能否创造适宜的条件：能够促进采用和现实世界成功的生态系统、信任、易用性，以及注重用户自身方向的设计方案。
杰文斯悖论提供了精妙的经济学隐喻，但对AI而言，这只是故事的一部分。效率固然重要，但它并非影响采用的唯一因素——易用性、灵活性和信任同样关键。AI的未来不会仅由成本降低或经济类比所决定，还取决于企业能否轻松在多样化环境中设计、构建和扩展AI。
AI的未来取决于我们如何有意识地设计支持它的工具、平台和生态系统，在于我们如何围绕这些高效模型构建一切。未来的发展方向将由那些通过开放性和以用户为中心的架构来塑造这一愿景的人们定义。如今的AI不同于曾经的煤炭商品，它是一种动态演进的能力，由人类行为、基础设施成熟度和社区协作共同塑造。
这正是红帽的用武之地。当其他人还在理论层面争论不休时，我们专注于简化AI基础设施、提供多样化选择，并构建推动创新的开放生态系统。从红帽AI的相关工作到和开源社区的广泛协作，我们正让AI不再仅为少数所用，而能惠及各行各业、不同地域和不同发展阶段的大多数群体。
通过与开放生态系统和企业团队的合作，我深刻地认识到：技术只有在人们能够实际使用时才具有价值。
红帽高级副总裁兼首席产品官Ashesh Badani表示：“生成式AI为企业带来了革命性飞跃，但是，这只有在技术组织能够以符合其特定业务需求的方式，实际部署和使用AI模型时才能体现出来。”
【关于作者】Erwan Lefranc 红帽高级解决方案架构师
自2021年加入红帽以来，Lefranc始终深耕于云架构、AI战略与客户转型的交叉领域。Lefranc帮助设计可扩展的安全解决方案——从主权云平台，到能够实现AI驱动洞察、自动化以及长期敏捷性的智能架构。
Lefranc的工作兼具技术与战略的深远影响。无论是将企业平台与业务目标对齐、推动AI就绪，还是简化混合云战略，Lefranc都通过跨团队协作，确保架构设计与实际成果相契合——技术上稳健可靠，充分考量现实制约因素，始终基于具体情境量身定制。
- 创新引领 发现非凡：富士胶片商业创新前沿喷墨与CMYK+碳粉数字印刷解决方案闪耀大印展 – 2025年5月15日
- AMD发布EPYC 4005系列处理器：中小企业数字化提速再添新引擎 – 2025年5月15日
- 西门子推出Questa One智能验证解决方案，借AI之力缩小IC验证生产率差距 – 2025年5月15日