如果说在2025年SXSW上有什么变得清楚，那就是我们不再面对孤立的技术革命。 未来不是一边是人工智能，一边是量子计算，远处还有生物技术。 现在发生的事情是这些阵线的融合。 每当人类经历重大技术整合时，都会取得改变一切的飞跃。

人工智能不仅变得更高效，还在学习神经科学。 这不再是机器执行任务的问题，而是系统在发展并影响我们的认知。艾米·韦布未来今日战略集团的首席执行官称这个概念为生活智能一个由传感器、算法和生物有机体组成的自主学习和决策的活生态系统。 也就是说，人工智能正不再仅仅是一种工具，而正成为创新方程中的一个有生命的主体。

但这还没有结束。 之间的关系迷幻药与量子计算这可能看起来像科幻小说的概念，但它们都在探索感知和现实的界限。 在活动中最出乎意料的讨论之一，研究人员探讨了迷幻蘑菇碱（致幻剂）在大脑中引发神秘体验或感知变化的作用，如何激发新的计算建模和神经接口的方式。 这些领域的融合不仅可能带来我们与技术互动方式的进步，还可能改变“智能”这一概念的定义。

一个生物技术与机器人技术他们也在越过自己的边界。 我们不再只是制造假肢或操控基因，而是在以重新定义人类意义的方式融合有机与合成。 不大脑与皮肤连接研讨会, 艾米丽·福勒博士展示了压力不仅影响情绪，还可能在细胞层面重塑我们的生物学。 身体与技术之间的联系正从外在转变为融入人类自身的运作之中。

在……领域量子计算IBM的首席执行官，阿尔文·克里希纳他说我们距离一个重大突破不到三年。 实现量子霸权的竞赛正以加快的步伐进行，像AWS和微软这样的公司正大量投资基础设施，以使这些系统变得可访问。 与此同时，在仪表盘上“为量子飞跃做准备”专家如让娜特·加西亚博士（IBM 量子）他们讨论了这项技术如何彻底改变药物发现和分子建模，彻底改变医疗和先进材料等行业。

我们准备好迎接这些整合了吗？埃丝特·佩雷尔著名的心理治疗师发出警告：随着科技的不断进步，我们作为社会的联系也越来越疏远今天，我们与算法的联系比与人更紧密。 如果人工智能的下一个边界不仅仅是模仿人类思维，而是填补我们遗留的情感空白，会不会更有意义？

在这一切之中，一个挑衅：艾米·韦布是如何发布一份长达1000页的趋势报告的？这是变化速度惊人的反映，还是我们被过多可能性压得喘不过气的警示？ 我们真的在走正确的方向，还是只是在盲目奔跑？ 这个世界充满了噪音，需要保持冷静才能分辨它们并观察到信号。

我仍然相信深度科技能够增强人类的能力，但为此我们需要作为人类不断进步，去除对技术的盲目热情，建立真正的联系。 我们是在经历一次进化飞跃，还是我们自身身份的崩溃？ 我们很快就会知道。

毫无疑问，南方偏南音乐节这是一场连接与人脉拓展的盛会。 但是，在如此多的互动和思想交流中，一个无可争议的亮点是SP房子除了展示相关内容之外，巴西空间——是的，我们有很多好东西要展示——还带来了关于的深刻反思多样性这是一个让我惊讶的是，几乎在其他讨论中缺席的主题。康德·马雷罗斯准确地指出了……的重要性访问与包容证明没有多样性的创新是空洞的概念。

很少有演讲者敢于触及诸如大科技公司的主导地位和影响力和美国当前的政治时刻这是一个罕见的例外，在一个历史上一直为更大胆的辩论留出空间的事件中。 首席执行官蓝天, 杰伊·格雷伯直接批评了社交媒体的集中化模式以及数字平台权力日益集中的问题。 据她所说，如果明天有个亿万富翁决定改变一切，人们应该有选择迁移到别的地方的权利强调去中心化以确保数字自由的必要性。

在这个问题上，辩论将需要持续进行。 在这些技术承诺我们一个更加互联和高效的未来的同时，反思这一发展带来的后果也是至关重要的。 人工智能、生物技术和量子计算等领域的融合不仅拓展了可能性，也挑战了我们对自由和控制的理解。 如果我们能够在创新与责任之间取得平衡，就能实现真正改善我们生活的突破。 但是，为此，我们需要确保这些技术为人类服务，而不是相反。

超过三十年前，Red Hat 看到了开源开发和许可证的潜力，以创造更好的软件并促进信息技术的创新。 经过三千万行代码，Linux不仅发展成为最成功的开源软件，还一直保持这一地位至今。 对开源原则的承诺仍在继续，不仅体现在企业的商业模式中，也成为工作文化的一部分。 在公司评估中，如果以正确的方式进行，这些概念对人工智能（AI）具有相同的影响，但科技界对于“正确的方式”存在分歧。

人工智能，特别是支撑生成式人工智能（gen AI）的大型语言模型（LLMs），不能被视为一个开放的程序。 与软件不同，人工智能模型主要由数字参数模型组成，这些参数决定了模型如何处理输入，以及它们之间连接多个数据点的方式。 训练模型的参数是一个漫长过程的结果，涉及大量经过精心准备、混合和处理的训练数据。

虽然模型参数不是软件，但在某些方面它们的功能类似于代码。 很容易将数据与模型的源代码进行比较，或者说它们非常接近。 在开源中，源代码通常被定义为“首选方式”来对软件进行修改。 仅凭训练数据本身无法满足此功能，因为其大小不同且预训练过程复杂，导致训练数据中的任何项目与训练参数以及模型的最终行为之间都存在微弱且间接的联系。

目前社区中发生的大多数人工智能模型的改进和增强并不涉及访问或操作原始训练数据。 相反，它们是模型参数的修改或过程或调整的结果，这些也可以用来调整模型的性能。 在模型中进行这些改进的自由，要求参数必须以用户在开源许可证下获得的所有权限进行发布。

Red Hat 对开源人工智能的愿景

红帽公司相信开源人工智能的基础在于开源许可的模型参数与开源软件组件相结合这是开源人工智能的起点，但不是哲学的终点。 红帽鼓励开源社区、监管机构和行业继续努力实现更高的透明度，并在训练和调整人工智能模型时与开源开发原则保持一致。

这是红帽作为公司的愿景，涵盖了一个开源软件生态系统，能够以实际方式与开源人工智能进行互动。 这并不是一种正式定义的尝试，就像那样开源倡议（OSI）正在与其开发开源人工智能定义(OSAID)。 这是公司观点，使开源人工智能变得可行且对最多的社区、组织和供应商群体开放。

这种观点在实践中通过与开源社区的合作得以实现，由该项目突出表现。指导实验室由红帽领导并与IBM研究合作的努力在Granite家族的开源许可模型中InstructLab 大大降低了非数据科学家为人工智能模型做出贡献的门槛。 使用InstructLab，各行业的领域专家可以添加他们的技能和知识，既用于内部，也用于帮助共享的开源人工智能模型，广泛向上游社区开放。

Granite 3.0系列模型家族涵盖了广泛的人工智能用例，从代码生成到自然语言处理，以提取见解大型数据集，全部采用宽松的开源许可证。 我们帮助IBM研究将Granite代码模型系列引入开源世界，并继续支持该模型系列，既包括开源方面，也作为我们Red Hat AI产品的一部分。

的影响DeepSeek的最新公告展示开源创新如何影响人工智能，既在模型层面，也在更广泛的层面。 显然，人们对中国平台的方法存在担忧，尤其是模型许可证未说明其生产方式，这进一步强调了透明度的必要性。 由此可见，提到的颠覆进一步强化了红帽对人工智能未来的看法：一个开放的未来，专注于更小、优化且开放的模型，可以根据企业数据的具体用例在任何混合云环境中进行定制。

将人工智能模型扩展到开源之外

Red Hat在开源人工智能领域的工作远远超出InstructLab和Granite系列模型，涵盖了实际使用和高效利用人工智能所需的工具和平台。 公司在推动技术项目和社区方面变得非常活跃，例如（但不限于）：

●      拉马拉马一个旨在简化本地管理和部署人工智能模型的开源项目；

●      信任AI一个用于构建更负责任的人工智能工作流程的开源工具包；

●      气候学一个旨在帮助使人工智能在能源消耗方面更可持续的项目；

●      Podman AI实验室一个专注于简化开源大型语言模型（LLMs）实验的开发者工具包；

这最近的公告关于 Neural Magic，扩展了企业对人工智能的视野，使组织能够将较小且经过优化的人工智能模型（包括开源许可证系统）与其数据对齐，无论数据位于云端的哪个位置。 IT 组织随后可以使用推理服务器vLLM为了推动这些模型的决策和生产，帮助构建一个基于透明技术和支持的人工智能堆栈。

对于公司而言，开源人工智能在混合云中生存和发展。 混合云提供了选择每个AI工作负载的最佳环境所需的灵活性，优化了性能、成本、规模和安全要求。 Red Hat的平台、目标和组织支持这些努力，与行业合作伙伴、客户和开源社区共同推动人工智能中的开源代码。

在人工智能领域，扩大这种开放合作具有巨大的潜力。 红帽公司展望一个涵盖模型透明工作的未来，就像其培训一样。 无论是在下周还是下个月（甚至更早，由于人工智能发展的迅速），公司和开放社区作为一个整体，都会继续支持和采纳推动人工智能世界民主化和开放的努力。