還是那個Akamai，只是多了AI的底色

作者：王聰彬

最近，Akamai在大中華區完成了一次關鍵的人事調整，張軻履新大中華區副總裁，全面負責區域戰略與業務拓展。

在Akamai的14年中，張軻親身經歷了中國企業國際化的熱潮、也參與到很多客戶及合作伙伴的業務增長過程中。從CDN到云，再到安全與邊緣計算，他所經歷的，不只是Akamai能力邊界的擴展，更是整個互聯網基礎設施形態的演進。

如今，Akamai大中華區已經是Akamai在全球（除北美以外）最大的區域，并且Akamai也在持續加碼AI的相關投入。

在云計算側，Akamai與NVIDIA建立戰略合作關系，并在過去幾個月，在全球范圍加速部署“NVIDIA Blackwell RTX 6000 PRO”新一代NVIDIA基于推理優化的GPU，將分布式網絡能力向AI推理場景延伸。

在安全側，Akamai圍繞AI內容安全與基于AI本身安全解決方案進行了能力的增強，在效率、準確性與自動化水平上持續提升，使安全體系更貼合AI時代的復雜威脅環境。

Akamai大中華區副總裁張軻

從算力到調度，推理云能力正逐步展開

IDC數據顯示，到2027年，隨著AI的重心從模型訓練轉向推理，80%的企業將部署分布式邊緣基礎設施，以提升AI應用的延遲表現和響應速度。

Akamai在AI時代的定位是，為客戶構建智能基礎設施，幫助客戶從容的在AI時代去創新，希望在全球的任何地方都能夠幫助客戶構建、保護和擴展AI服務。

張軻指出，Akamai希望能夠借助過去20多年在全球積累的分布式計算網絡構建起一個全球最大的分布式及云安全的平臺，同時進一步轉型成為全球最大的分布式AI推理的平臺。

Akamai AI推理云包括實時的AI推理、全球AI算力分布式負載、邊緣到核心AI算力的調度與管理等功能，主要有四個組成部分：

第一，算力。在與NVIDIA的合作下，Akamai引入英偉達RTX 6000 Pro Blackwell系列GPU，單卡最高可達4000 AI TOPS算力，并配備96GB ECC顯存，已能夠承載主流大模型的推理需求。GPU虛機出向流量費用被壓低至0.005美元/GB，整體性價比相較同類方案實現了明顯提升。

第二，Akamai AI網關。承擔了大模型請求的全球調度與安全管理，通過語義緩存等機制，對高頻請求進行復用與優化，大幅降低Token使用成本。

第三，Akamai函數即服務。Akamai將函數計算能力實現0.5ms的冷啟動時間，實現極速AI服務與響應，并且幫助用戶實現覆蓋全球邊緣的無服務器計算能力。

第四，Akamai分布式容器平臺。基于其全球分布式網絡，Akamai能夠將容器化應用部署在距離用戶更近的節點上，實現單跳網絡可達、約10毫秒級時延。這不僅降低了AI服務的響應延遲，也為數據本地化與跨境合規提供了更靈活的落地路徑。

同時，Akamai在去年底推出了首個全球規模的NVIDIA AI Grid參考設計實施方案，Akamai Inference Cloud也是Akamai AI推理云的重要組成部分，能夠智能地將AI工作負載調度至其邊緣、區域和核心節點，以平衡延遲、成本與性能。

Akamai Inference Cloud具備三大核心功能：第一，智能路由，通過感知模型類型、時延目標與成本需求，自動選擇最優算力層級、調度相應的AI請求；第二，分布式計算，構建從邊緣到核心的多層算力，靈活匹配集中式與分布式推理需求；第三，可靠性表現，基于NVIDIA RTX系列GPU，在AI推理、訓練、渲染及視頻處理領域經過嚴苛的基準測試。

目前，Akamai AI推理云已在全球、亞太及中國企業出海場景中實現規模化應用，落地場景也在不斷豐富，主要包括七類：一是電商推薦引擎，通過AI智能體實現個性化商品推薦；二是8K視頻工作流，支持超高清處理、多語種翻譯與字幕自動生成；三是實時視頻智能，在智能攝像頭場景中實現多機位畫面分析、目標識別等能力；四是智能體助理，應用于游戲等場景，支持NPC對話、多模態生成與情境交互；五是AI虛擬試衣間，用戶通過圖像或視頻即可完成遠程試穿；六是AI智能玩具，具備學習、適應與交互能力；七是自動駕駛相關場景，圍繞視頻數據處理提供異常檢測、模型訓練與數據脫敏等能力。

Akamai亞太區云計算架構師總監李文濤看到，在實際落地中，用戶對AI推理時延的要求遠高于預期。游戲場景（尤其是大規模在線游戲）通常要求在15毫秒以內完成響應，電商推薦約在20毫秒，智能體自助服務約50毫秒，客服自動應答等場景也普遍需要控制在100毫秒左右。

Akamai亞太區云計算架構師總監李文濤

在這樣的約束下，Akamai依托全球分布式算力網絡，將推理能力前置到更接近用戶的位置，在保證服務質量的同時壓縮響應時延，從而更好地滿足AI應用對實時性的嚴苛要求。目前Akamai的平臺已經遍布在全球700多個城市、130多個國家、超過1200多個運營商，為低時延推理提供了廣泛而穩定的基礎設施支撐。

從微分段到MCP，一場全方位的安全進化

AI時代，企業面對的安全挑戰是全方位的，抵御勒索軟件、推進零信任架構、混合云微分段拓展、確保業務連續性、降低成本都是不可忽略的問題，Akamai則利用AI技術貫穿到了整個安全戰略始終。

客戶的核心痛點也更加清晰且明確，Akamai大中華區售前技術經理馬俊總結為三點：其一，資產發現鏈路冗長、效率偏低；其二，策略執行存在顧慮，擔心對現有業務造成干擾；其三，策略在長期運行中容易發生漂移，維護成本持續走高。

Akamai大中華區售前技術經理馬俊

大多數微分段工具在設計之初就已經存在缺陷，所以導致了微分段的零信任政策在企業內很難落地。Akamai Guardicore可以利用AI進行持續的自動化發現，從而真正在全面的流量上進行驗證、使用與業務邏輯綁定的標簽來代替基于IP的策略，這樣就可以使“微分段”能夠落地。

“Akamai AI驅動的微分段不僅能看到流量，還能幫助用戶理解業務和應用，從而執行更有針對性的策略。在盡量減少人工干預的情況下提供實質性保護，為成百上千的應用提供模型支持和規模化運維能力。”馬俊說道。

同時，Akamai Guardicore與NVIDIA BlueField DPU實現了深度整合，這意味著“零信任”能力從傳統IT環境，進一步延伸到了OT與工業物聯網（ICS）的硬件層級。

在外部威脅防護上，Akamai引入AI驅動的WAF檢測。依托Akamai平臺上超大規模的全球實時流量，AI引擎能夠持續分析并快速識別異常行為，生成高置信度的檢測策略，并結合安全專家的緩解機制，實現對在線應用與業務系統的自適應防護，抵御AI相關威脅，從而形成持續分析、快速檢測與安全部署的能力。

在API治理上，“只見樹木、不見森林”的困境。Akamai推出了全新API安全態勢中心，安全團隊無需再查閱數百條技術警報，而是可以直接跟蹤哪些主機、應用程序和業務單元違反了關鍵的API安全最佳實踐，從而更便于展示治理情況、優先處理修復事項，并與行業最佳實踐保持一致。

另外還有一些新型“影子基礎設施”需要注意，MCP模型上下文協議就是一個充滿挑戰的新領域，也是AI大模型廣泛應用帶來的一個新的安全盲區。Akamai API安全現已能夠自動發現并標記運行時流量和源代碼中的模型上下文協議服務器端點。這為安全團隊提供了全面且持續更新的MCP部署視圖，無論其是在生產環境中已投入使用，還是仍嵌入在開發代碼庫中。

Akamai還在WAF當中增加針對MCP的防護能力，能夠精準的控制在AI應用、AI部署期間暴露的攻擊面、防止敏感數據或者核心業務被大模型意外泄露。

未來，隨著AI Agent時代的到來，傳統威脅與新興AI威脅也將交織疊加，安全團隊需要同步構建監控體系，借助AI能力應對AI帶來的風險。而Akamai已做好準備，通過全棧AI驅動的安全體系，從基礎設施到硬件、從軟件到網絡微分段，實現對企業安全的系統化治理，全面護航AI革新。

從AI加持的產品解決方案到本地化服務，Akamai正在走出一條屬于自己的中國發展路徑。

在過去十多年的服務過程中，Akamai不僅持續獲得客戶信任，也與總部及產品研發團隊建立了緊密協同。依托中國企業在技術與業務上的創新實踐，并將相關需求持續反饋至全球產品體系，進一步推動產品能力的演進與本地適配。

未來大中華區會做哪些調整，張軻沒給出新KPI，而是把話落回到"長期承諾"四個字上。在滿屏“All in AI”的當下，這種表達或許不夠吸引，但對于一家在中國深耕16年的企業而言，這恰恰是最具確定性的交付。