文／Akamai
作為CDN（內容遞送網路）技術的發明者，27年前，Akamai便以數學演算法創新解決了網際網路擁塞問題。彼時，Akamai就已選擇以一種基於“雲”的模式服務客戶——不出售硬體，不交付軟體，而是通過將使用者網站接入平臺來提升性能，並按用量計費。多年沉澱與演進，Akamai經歷了多輪關鍵轉型，也悄然佈局了一條新的增長賽道。
“Akamai每十年便完成一次戰略躍遷：第一次，是從單一CDN服務拓展到網際網路安全領域，形成雙主航道；第二次，是通過收購Linode，進入開源雲端運算市場。”在Akamai副總裁暨大中華區總經理李昇看來，公司每一次轉型背後，業務產出與整體戰略高度一致。從2021年至2024年，Akamai雲端運算業務的營收占比從7%增長至16%，不僅規模翻倍，整體業務總規模也在增長。雲端運算業務的年複合增長率保持在40%-50%之間，這也進一步驗證了Akamai進入雲端運算市場的戰略判斷是成功的。
支撐這一高速增長的，除了Akamai自身持續的投入與創新，同樣離不開市場環境的變化。IDC等行業研究機構的報告指出，未來雲端運算的重要趨勢是邊緣部署、原生應用、多雲和混合雲策略的普及，以及去中心化的架構設計。
尤其是隨著ChatGPT橫空出世，生成式AI在市場上掀起新一輪浪潮，對邊緣運算的需求被進一步放大。Akamai高度分散式的架構，天然適應這一新格局的變化。
然而，Akamai並不滿足於跟隨潮流，更希望在變革中主動引領。“從AI發展趨勢來看，推理應用的需求規模將遠超訓練階段，甚至可能達到十倍以上。尤其是小模型在企業垂直場景中的廣泛應用，將成為未來AI落地的重點方向。”李昇認為，這種變化對基礎設施提出了更高要求：分散式、低延時、靈活部署，而這恰恰是Akamai分散式雲平臺所擅長的領域。
過去幾年，Akamai在雲端運算市場的佈局已經在多個領域落地，並取得了實質性的應用成果：通過網路加速服務，提升遊戲玩家跨區域連接的同步體驗；在程式化廣告領域，Akamai説明客戶有效降低競價延遲與資源消耗，顯著優化ROI；在直播和視訊處理場景中，Akamai的分散式雲平臺支援更快速的編解碼，貼近用戶端以提供更低延時；此外，通過與軟體合作夥伴Hydrolix能力整合，Akamai也為客戶提供了即時化的資料分析平臺，助力智慧運維與業務決策。
而在遊戲行業，分散式遊戲伺服器和戰鬥服對戰部署，進一步驗證了Akamai雲平臺在低延遲、分散式部署上的優勢。值得一提的是，隨著AI推理需求的爆發，Akamai的雲端運算基礎設施也成為客戶快速部署小模型推理的重要平臺，為多行業智慧化轉型提供了堅實支撐。
談及AI戰略，李昇總結道：“Akamai不僅是AI技術的使用者，也致力於成為客戶AI戰略的加速器。”早在生成式AI流行之前，Akamai就在網路安全產品中廣泛應用了機器學習與深度學習技術，用以識別複雜攻擊行為、提升安全防護策略制定的智慧化水準。
未來，Akamai將在繼續説明客戶部署AI模型的同時，加碼AI安全保護，Akamai在今年5月“RSA Conference”也已經正式發佈基於AI的防火牆，抵禦資源消耗型攻擊與惡意Token植入，為企業AI應用保駕護航。
在雲平臺佈局上，Akamai也在加速擴展。目前Akamai已經在全球130個國家、1200多個運營商網路中部署了超過4000個邊緣節點，以及26個核心雲端運算節點，形成從核心到邊緣無縫覆蓋的全球運算網路。
“Akamai提供的是一套完整的‘核心+分散式+邊緣’連續體運算平臺。”Akamai亞太區雲端運算專家團隊負責人李文濤透露，Akamai核心節點提供傳統公有雲服務，包括虛擬機器、GPU、物件存儲、K8s託管、資料庫服務等；分散式節點則靠近用戶，適合對時延敏感的分散式應用部署；而邊緣節點主要承載CDN、函數即服務、邊緣安全等功能，極大壓縮了資料傳輸的時延和成本。”
自2022年收購Linode以來，Akamai在雲平臺能力方面實現了全面提升：存儲性能實現5-10倍提升；雲原生方面，託管K8s（Linode Kubernetes Engine）推出企業版，進一步增強擴展性與穩定性，並輔以“應用即服務”平臺，簡化客戶K8s應用部署；在網路層，所有雲節點與Akamai全球骨幹網路打通，大幅降低核心至邊緣的時延，提升整體吞吐性能；雲分佈方面，從2023年的17個核心的資料中心，已經拓展到2024年的26個核心資料中心與10個分散式資料中心分散在全球各地，在中國企業“出海”經常去的歐美、日本、南美、東南亞，甚至中東都有很完善的覆蓋能力。
此外，Akamai也非常重視和生態合作夥伴的合作。例如推出了與NETINT合作的視訊轉碼專屬晶片的服務，專用於視訊編轉碼及視訊AI推理，大大提升了視訊轉碼的效率、降低了成本；Fermyon的解決方案通過結合Akamai的雲平臺徹底解決了用戶在其他共有廠商面臨函數級服務冷開機的時延問題。
“Akamai雲平臺的產品架構涵蓋了運算、存儲、資料庫、雲網路、雲安全、K8s託管、函數即服務等模組，基本滿足了企業上雲過程中所有主流服務需求。”李文濤強調，Akamai持續利用低時延的分散式雲、邊緣雲的能力去提供一個行業的整體解決方案，特別是在串流媒體轉碼、程式化廣告、遊戲伺服器部署、UGC直播、WebRTC等高時延敏感領域，Akamai已成為中國出海企業的重要技術合作夥伴。
資料顯示，Akamai的AI推理平臺在客戶實踐中，相比傳統雲廠商實現了3倍推理吞吐能力提升，推理時延降低60%，使用成本下降86%。這對業務效率和成本控制帶來了極大的幫助。
需要注意的是，雖然大語言模型以規模龐大、對硬體要求極高著稱，但在實際的生產環境中，真正被廣泛採用的，反而是輕量化的小模型。“約八到九成客戶使用的是小模型，解決具體的業務需求，如Stable Diffusion文生圖應用、語音轉文字的SaaS筆記服務，以及多語言智慧客服和翻譯聊天機器人等。這些小模型對時延和使用者體驗高度敏感，天然契合了邊緣運算的優勢。”李文濤認為，相比於仍處於探索階段的大模型商業化路徑，小模型在落地速度、運營效率以及使用者付費轉化方面展現出更高的成熟度。Akamai憑藉分散式雲平臺和邊緣節點的佈局，正好順應了這一市場需求，為客戶提供了小模型推理的優質運行環境。
寫在最後
Akamai對未來的佈局清晰而務實：繼續擴展全球運算節點，部署分散式雲資源元；深化開源合作，擁抱多樣化生態；加大AI安全技術投入，提前防範新型攻擊風險；同時，以真實的業務場景推動邊緣雲與AI應用的融合落地。
從當年以數學優化網際網路，到今天以邊緣重新定義雲與AI，Akamai用27年的堅持和不斷轉型，證明了一個事實：真正能穿越週期、跨越技術變革的，是那些既能看得遠，又能走得穩的企業。而在這個生成式AI與分散式運算交匯的新起點上，Akamai，或許正處在下一個爆發點的前夜。
