Balancing open science and data privacy with enterprise Red Hat OpenShift AI

通过企业级 Red Hat OpenShift AI 平衡开放科学与数据隐私

Component | Article_teaser

2026年9月29日

3

分钟阅读

人工智能

Debbie Margulies

首席产品市场经理

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

在 2026 年欧洲 KubeCon 和 CloudNativeCon 大会的 "Day Zero" 高能活动——3 月 23 日于阿姆斯特丹举行的 OpenShift Commons 聚会上，一场关于前沿技术与全球安全交汇的深度探讨拉开帷幕。英国卫生安全局（UKHSA）高性能计算主管弗朗切斯科·吉亚诺卡罗（Francesco Giannoccaro）分享了英国卫生和社会保障部下属执行机构如何利用开源和人工智能保护公众的引人入胜的实践历程。

图1. 英国卫生安全局（UKHSA）高性能计算主管弗朗切斯科·吉亚诺卡罗（Francesco Giannoccaro）

使命：守护公共健康

英国卫生安全局（UKHSA）通过世界级的科学与技术提供关键的卫生安全服务，同时为英国生命科学领域做出贡献。一个关键案例是其病原体基因组服务，该服务通过 DNA 测序帮助医院快速识别具有攻击性的病原体。此外，该机构还运行复杂的预测模型，以理解疫情动态并评估公众行为变化可能对其传播和潜在控制措施的影响。

对 UKHSA 来说，技术不仅是行政工具，更是推动挽救生命科学的核心引擎。

挑战：复杂性、可移植性与不透明的专有模型

在采用统一平台之前，UKHSA 面临着多个重大挑战：

• 对科学家的复杂性：该机构的许多杰出人才来自科学背景而非软件工程领域。他们需要一个无需深入复杂基础设施管理即可提供企业级功能的环境。

• AI 模型的“黑箱”问题：专有模型可能限制透明度和适应性。科学家需要能够使用领域特定数据评估和微调模型，以提高特定科学应用的准确性。

• 数据敏感性：在公共卫生领域，数据敏感性至关重要，严格的保密和安全要求塑造了新技术的评估和采用方式。

• 基础设施孤岛：在新冠疫情大流行期间，UKHSA 由三个使用不同技术生态系统的独立机构合并而成，这些系统涵盖了本地和公共云环境。这导致需要通过更大的标准化和跨环境的通用平台层来减少复杂性。

解决方案：受保护且一致的 AI 基础设施

为应对这些挑战，UKHSA 扩展了对 Red Hat OpenShift 的使用，以支持其不断发展的 AI 工作负载。OpenShift 作为全面的应用平台，通过专注于构建强大的安全态势，简化了整个软件开发生命周期。

图2. OpenShift 和 OpenShift AI 的优势

其解决方案的关键组成部分包括：

• Red Hat Advanced Cluster Manager for Kubernetes：使 UKHSA 能够通过统一的控制平面一致地管理、监控和操作混合云、多云及边缘集群。

• Red Hat Advanced Cluster Security for Kubernetes：通过从构建、部署到运行时自动保护应用，消除 OpenShift 安全性和合规性方面的担忧，使团队能够自信地进行部署。

• Azure Red Hat OpenShift 上的机密计算：为保护数据的使用过程，UKHSA 正在 Azure Red Hat OpenShift 上运行最小可行产品（MVP），使用机密集群实现数据保护。这使他们能够从自己的数据中心查询加密密钥，从而保持对敏感数据的控制。

• 研究与推理：通过基于 OpenShift 的 Red Hat OpenShift AI，UKHSA 可优化数据管道并训练特定领域的机器学习（ML）模型，以追踪和应对健康威胁。

• 数据分类：在 OpenShift AI 上评估和部署开源权重的大型语言模型（LLM），实现公共卫生事件的自动化分类和非结构化文本数据的提取。

• 加速部署：借助 OpenShift AI，UKHSA 可自动化资源管理，使机构能够根据实时健康紧急情况扩展 AI 工作流，而无需受复杂基础设施的限制。

• 开源 AI 模型：通过 OpenShift，科学家可以评估、测试并微调适用于特定科学领域的开源和开源权重模型，从而提高准确性和透明度。

成果：更快的洞察，更高的信任

通过将高性能计算能力与 Kubernetes 和 OpenShift 结合，UKHSA 为科学家创建了一个更易访问且灵活的环境，用于原型设计、测试和开发机器学习和生成式 AI 应用。这在保持强大的安全、治理和运营控制的同时，加速了创新。

科学家可以使用该平台快速评估不断演进的 AI 模型，评估其准确性，并探索 AI 辅助方法如何支持原本需要大量人工操作的任务，例如从非结构化文本调查中提取和分类数据，或分析社交媒体信息流以发现潜在健康信号。该平台可根据需求灵活扩展计算资源，反映了在新冠疫情快速需求变化期间学到的经验。

最终，UKHSA 证明了开放科学和开源技术能够在保持最高数据保密标准的同时，加速公共卫生响应。

亲眼见证创新实践

• 观看 OpenShift Commons Amsterdam 的完整会议视频，了解 UKHSA 如何为公共卫生开创受保护的 AI 技术。

• 探索 Red Hat OpenShift 如何帮助您在混合云环境中大规模构建、运行和管理 AI 应用。

• 立即开始使用 Azure Red Hat OpenShift，亲身体验 UKHSA 用于驱动其公共卫生 AI 的高性能、托管应用平台。

Block | Dynamic pattern deluxe promo

Component | Band_header

Resource

适应性强的企业：为什么 AI 准备度就是应对变革的准备度

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 技术变革和颠覆性挑战。

Component | spacer

Component | Cta_multi_basic

Subpattern | simple_cta

Component | CTA

获取资源

Deluxe mbox

Component | Card_header

作者简介

子模式 | 演讲者

卡片布局

组件 | 图像嵌入

组件 | 人物

Debbie Margulies

子模式 | 社交链接

Debbie Margulies 是 Red Hat OpenShift 的首席产品市场经理，自 2019 年 StackRox 被 Red Hat 收购后便加入 Red Hat。

该作者的其他文章

类似内容

动态模式

博客文章

重构代理时代的企业创新引擎

构建 AI 驱动的多模态合规监控器：从训练到追踪到聊天

原始播客

Red Hat 如何为可扩展 AI 清理 IT 债务

使用 PyTorch 标准化 AI 堆栈

子模式 | 卡片弹性布局

子模式 | 基础文本

继续探索

• 什么是代理 AI？文章

• 预测性 AI 与生成性 AI 对比 文章

• 构建生产就绪的 AI/ML 环境的要点 电子书

• 以 Ansible 方式实现生成性 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 | 简单文本

按频道浏览

查看所有频道

模式 | 原始 HTML

自动化

关于 IT 自动化的最新动态，涵盖技术、团队和环境

人工智能

关于使客户能够随时随地运行 AI 工作负载的平台的最新动态

开放混合云

探索我们如何通过混合云构建更灵活的未来

安全

关于我们在不同环境和技术中降低风险的最新动态

边缘计算

关于简化边缘操作平台的最新动态

基础设施

关于全球领先的企业级 Linux 平台的最新动态

应用程序

深入了解我们解决最复杂应用程序挑战的方案

虚拟化

您本地或跨云工作负载的企业级虚拟化未来