AI尤其是生成式AI技術的快速發展，對算力基礎設施提出了更高的要求，推動了智算數據中心的迅猛發展。與此同時，作為算力基礎設施的一部分，邊緣數據中心也進入了高速發展的時代。

Akamai與IDC聯合發布的最新研究報告《邊緣演進：從核心到邊緣賦能AI的成功》顯示，79%的受訪企業認為，生成式AI已經或將在未來18個月內對其業務產生顛覆性影響。其中，37%的受訪企業已將生成式AI應用部署到生產環境，另有61%的企業正處于技術測試與概念驗證階段。不難發現，這一趨勢將對企業核心到邊緣的云架構提出更高要求。

從核心到邊緣演進，AI驅動基礎架構變革

在AI技術的驅動下，企業IT基礎設計正在經歷著從核心到邊緣的演進，這也標志著我們正在進入一個智能邊緣時代。這個時代的基礎設施需要具備更高的可擴展性、敏捷性和按需服務能力，且需實現從核心延伸至互聯網邊緣及用戶側的無縫連接。

Akamai亞太區與全球云架構師團隊總監李文濤

“邊緣計算正成為下一代數字創新的前沿領域，推動著“邊緣演進”趨勢，且迫切需要采用變革性方法構建高可靠性、面向未來的數字生態系統?！?Akamai亞太區與全球云架構師團隊總監李文濤表示，未來企業亟需構建現代化數字基座，將智能服務部署在更靠近用戶與應用的位置。這種轉變不僅關乎性能，還涉及成本、安全性和合規性等多重考量。

IDC與Akamai的研究提出了面向未來數字基礎設施的六大核心支柱：AI就緒、生成式AI部署、現代化邊緣IT、邊緣優化架構、云端到邊緣以及自主運營。這些支柱共同指向一個方向：企業需要構建整合“云-核心-邊緣計算”的現代化數字基座。

報告調研了中國各行業的變革性應用場景，為用戶呈現出一幅邊緣AI落地的全景圖。

零售業正在構建全渠道購物體驗，制造業推進智能供應鏈應用與管理，電信業進行大規模用戶實時數據分析，數字原生企業則優化內容交付網絡并推出創新AI服務。

“邊緣計算能夠降低實時應用的延遲，緩解網絡不穩定問題，幫助企業高效應對瞬息萬變的商業和數據環境?！崩钗臐赋?，企業正在加速采用邊緣計算支撐其數字化環境，確保在與核心或云端資源斷開連接時的業務連續性。這種連續性保證了AI可以持續為用戶服務，提升了企業的業務韌性。

在生成式AI部署方面，研究報告發現了三類關鍵邊緣應用場景：最普遍的是生成式AI在邊緣的部署；其次是預測式AI，用于業務預測及未來數據推斷；第三是視頻編輯、處理、圖形與仿真CGI等場景。

這些場景正在推動生成式AI加速計算資源的部署，通過GPU支持高性能應用，確保AI推理與服務的可擴展性。

筆者注意到，報告中還提到在中國采用生成式AI的企業中，96%會利用公有云IaaS承載訓練與推理工作負載，該比例高于亞太地區平均水平。對中國企業而言，邊緣計算還支撐其更好地“出海”，在全球范圍內提供更具競爭力的AI相關應用。結合強大的本地化創新能力，邊緣AI為中國企業出海帶來更多新商機與業務場景。

除此之外，報告還將驅動生成式AI部署的關鍵邊緣應用場景進行了排序：生成式AI在邊緣的部署是最普遍的場景；其次是預測式AI，用于業務預測及未來數據推斷等；第三類是視頻編輯、視頻處理、圖形與仿真CGI等場景。最后，還有解釋性AI、遠程信號采集與網絡優化，以及與運營技術相關的邊緣AI場景。

“這些多樣化的應用場景表明，邊緣AI正在從實驗性項目轉向核心業務支撐系統。”李文濤如是說。

AI技術催生多種挑戰，企業面臨安全和多云雙重難題

隨著AI應用的普及，也帶來了多云架構管理復雜性難題，此外安全問題也愈發凸顯。

劉燁 Akamai北亞區技術總監

Akamai北亞區技術總監劉燁在分享會上詳細闡述了AI時代面臨的安全挑戰。他表示，與AI相關的安全是近年來的熱門話題。OWASP多年前發布了各安全領域的TOP10風險，幾年前推出了API相關風險清單，而兩年前又針對LLM大模型發布了相關風險清單。

劉燁指出，AI安全風險主要來自兩個方面：一是大模型交互與調用中的風險，許多大模型調用通過API實現，需要確保API接口能持續提供數據且不受安全隱患干擾；二是大模型本身帶來的新風險，例如“提示詞注入”攻擊。

劉燁用一個經典案例進行了說明：雪佛蘭的聊天機器人在與用戶交互時，被用戶通過提示詞注入引導，最終承諾以1美元售價出售車輛，這是典型的提示詞注入風險。

針對這些新威脅，Akamai在今年5月推出了Firewall for AI，專門應對AI大模型的安全風險。這一解決方案體現了Akamai對AI新威脅形態的快速響應。

除了安全難題，企業還將面臨著多云復雜性的管理挑戰。報告指出，49%的企業因“多云”復雜性，難以管理多云環境，這一挑戰在生成式AI快速發展的背景下尤為值得關注。

“這是我們與客戶CIO交流時常見的反饋。”李文濤表示，“在生成式AI背景下，這一挑戰愈發嚴峻?！?/span>

許多企業正在嘗試多云管理，包括自研多云管理軟件，以彌合多云間的能力差異與接口差異等。但更大的挑戰在于出海環境中，海外各國存在異構的運營商網絡與云環境。

如何通過技術手段實現多云間的網絡連接及AI負載在多云間的無縫數據傳輸，是企業需重點考慮的問題。

Akamai的云計算基礎設施與全球頭部“三大云”及中腰部云企均建立了高性能的物理專線連接，具備高度的多云友好性，這也是許多出海企業傾向于與Akamai云合作的原因。

據筆者了解，Akamai早在27年前就開始布局全球分布式邊緣云，其全球云服務平臺是一個集云服務、云安全和CDN服務三位一體的全球分布式的計算平臺。該平臺覆蓋全球130個國家的1200多個運營商網絡，擁有超過4400個邊緣節點和31個核心云計算節點，形成了無與倫比的全球覆蓋能力。

盡管資源積累充足，Akamai平臺仍十分注重“多云”兼容性，與全球主流云平臺在網絡及技術上均實現了打通。這使得用戶選擇Akamai邊緣平臺部署AI應用時，無需擔心兼容性及多云互聯互通問題。

劉燁補充道，Akamai在幫助中國企業‘出?！^程中，一直以技術合作伙伴的身份提供支持。企業在海外獲取的計算資源不僅限于數據中心級資源，對計算的需求可分為多個層級。這種靈活性使得Akamai能夠滿足不同場景下的計算需求，從輕量級計算到復雜業務邏輯的高算力需求。

CIO實踐指南， 從核心到邊緣的八大最佳實踐

在本次研究報告中，還專門提出了“CIO指南：從核心到邊緣實現數字化轉型成功的八大最佳實踐”，為技術領導者提供了明確的行動路線圖。

這八大最佳實踐包括：戰略與業務目標一致；加強治理與安全；通過自動化簡化管理；運用FinOps成本優化方法論優化云和AI推理成本；投資培訓與AI技能提升；確保集成與互操作性；制定全面的數據管理策略；構建生態化協同體系。

“構建AI程序離不開高質量數據（包括訓練與推理數據）?！崩钗臐龔娬{。數據策略成為AI成功的基石，而生態合作則是應對復雜技術環境的必然選擇。

這些實踐建議反映了從核心到邊緣的數字化轉型不僅是一場技術變革，更是組織、流程和合作模式的全面演進。

總結：開啟分布式智能時代的基礎設施新范式

從核心到邊緣的演進，標志著我們正在進入一個分布式智能時代。

隨著人工智能與生成式AI應用的加速普及，中國企業也需建立跨部門協同治理機制，以管控AI帶來的相關風險及合規需求。構建融合強效數據治理實踐的穩健數據架構，確保數據的可訪問性、可靠性與安全性。在邊緣側部署時，也需前瞻性規劃基礎設施與網絡連接需求，幫助企業應對運營復雜性、應用可移植性、成本管理、安全隱患、延遲等各類挑戰。

正如李文濤在分享最后所述，現代化數字基礎設施需具備更高的可擴展性、敏捷性和按需服務能力，且需實現從核心延伸至互聯網邊緣及用戶側的無縫連接，以支持實時創新需求。無論是訓練還是推理，公有云IaaS正成為部署生成式AI的首選方案，并推動中國公有云服務市場增長。