" 云 +AI" 的发展战略让科技圈实现了 " 天下一统 "，这个战略已经成为当下全球范围内科技大厂共同发展的目标。Akamai 作为 CDN（内容分发网络）的 " 鼻祖 "，也在近年来开始逐渐转向 " 云 +AI" 的发展战略。
对此，Akamai 副总裁暨大中华区总经理李昇表示，从 2021~2024 年的发展来看，Akamai 在 " 安全 " 和 " 云计算 " 部分的比重逐步增加，云计算成为 Akamai 营业额年化增长率最快的业务单元。
" 云 +AI" 为何成大厂 " 标配 " 战略
" 云 +AI" 的战略似乎已经成为近年来科技大厂的 " 标配 "。2020 年，IBM 拆分了 IBM 全球信息科技服务部（GTS）的基础架构管理服务业务，成立了 Kyndryl（勤达睿）这家新公司，此举也宣告了 IBM 正式将公司核心战略转向混合云 +AI。微软则是通过与 OpenAI 的深度绑定，将 ChatGPT、DALL-E 等模型集成至 Azure 云平台，构建 "AI 即服务 " 生态。
聚焦国内，阿里云以 " 云智一体 " 为核心，构建飞天智算平台和通义大模型；腾讯云聚焦 " 云 + 行业 " 场景，强化 C 端与 B 端协同；华为云依托 " 云 +AI+5G" 全栈能力，聚焦智能制造与智慧城市 ......
似乎国内外科技巨头们这几年都纷纷将 " 云 +AI" 作为了企业发展的重要战略。究其原因，李昇告诉笔者，以 Akamai 为例，科技大厂们将 " 云 +AI" 作为重要发展战略的主要原因是来自客户需求。作为服务方，用户的数字化转型进程的推进，导致他们对于云计算需求的增加。
以 Akamai 的客户，某手机制造商为例，其使用了 Akamai 边缘计算等能力，用于定制化的用户隐私保护等特定应用场景，" 在前几年，Akamai 还没有完全产品化分布式云计算的时候，这家制造商就提出了一些分布式云计算的需求，通过我们构建了全球分布式平台。" 李昇举例道。
与此同时，在生成式 AI 问世之后，AI 技术几乎成为各行各业企业数字化转型过程中的必选项。此前，也有不少云服务商的市场部门代表，以及他们服务的用户群体的 CFO 向笔者表示，虽然当下企业对于数字化转型的成本管控，以及 ROI 要求极为严格，但这种严格在 AI 面前并不奏效，" 对于数字技术，企业会极为看重能带来哪些降本增效的效果，以及 ROI 为多少，但对于 AI 技术，尤其是 AI 大模型，企业持极为开放的态度，几乎可以不计成本的投入。" 在与某传统制造业行业的 CFO 沟通时，他曾向笔者表示。
而云的交付模式，相较于自建机房的方式显然有着更为快速部署业务，以及成本上的优势，所以客户对于云计算的需求及 AI 的需求双增长的趋势下，" 云 +AI" 的战略布局自然就成为了众多乙方服务公司的重点布局。
从 CDN 走向 " 云 +AI"，聚焦推理场景
对于 Akamai 而言，在专注于 " 云 +AI" 的新战略下，也并没有放弃原有优势— CDN，李昇表示，Akamai 的 " 云 +AI" 战略并不意味着就放弃了原有的 CDN 业务，从头开始，而是借由之前 CDN 方面布局的节点资源优势，聚焦在边缘侧的分布式云计算应用之上。
从 Akamai 发布的财报中就能看出，CDN 已经不是其主要业务，而目前支撑公司成长的主力业务已经逐渐转向安全和云计算类业务。
从 2016 年起，当时 " 云分发 " 业务几乎占据了公司近八成的营收，到如今，这一比例已下降至 40%。2023 年，" 安全 " 服务的占比已攀升至 47%，成为 Akamai 营收的领头羊。此外，" 云计算 " 服务也展现出了强劲的增长势头，占比达到了 13%。
而分布式云近年来也成为了云服务上的必争之地。原先，应对新业务、新功能部署带来的服务器性能瓶颈，解决的方式简单粗暴——扩容，但一味地选择这种方式，实际并非长久之计，不仅代价高昂，而且在面对不确定性增长时显得力不从心。
而在降本增效的大背景下，分布式云成为了企业更好的选择，这也推动了云服务商在分布式架构上面的着重布局。
另一方面，今年随着 DeepSeek 的问世，推理市场兴起，业内很多专家都认为未来客户在 AI 推理方面的投入会超过训练方面的投入而在 Akamai 亚太区云计算专家团队负责人看来，企业在模型推理方面的投入将会超过训练方面的投入 10 倍之多，" 所以，推理市场成为 Akamai 未来重点聚焦的市场之一。" 李文涛指出。
无独有偶，TIRIAS research 的研究也显示，随着 AI 的快速发展，未来算力需求的构成将发生重大变化，95% 的算力需求来自推理，训练算力仅占 5%。推理将逐渐成为 AI 计算的核心。
在李文涛看来，未来的推理将是，边缘和核心推理、慢思考和快思考推理、大模型推理和小模型推理结合的形式。李文涛指出，" 慢思考 " 更重视 AI 推理的过程，可能要结合更多第三方数据，所耗费的推理时间也会更长。
另一方面，" 慢思考 " 的 AI 推理对云计算的成本压力更大、资源使用更多，也会迫使客户考虑怎么样优化其服务、提高成本效率。" ‘慢思考’和‘快思考’可能也适合部署在不同的云的环境里面，" 李文涛进一步指出，" 我们希望客户选择合适的负载部署在最合适的‘云’上。"
从前不久发布的新品上也可以看出 Akamai 在推理市场的深入布局。前不久，Akamai 发布了 AI 推理解决方案 Akamai Cloud Inference，主要瞄准边缘计算市场。据了解，该方案整合 NVIDIA AI Enterprise 生态及 Aiven/Milvus 等数据服务，并整合 CPU、GPU、ASIC VPU 的异构算力集群，支持动态资源调配。同时，该方案集成 WebAssembly 技术，允许通过无服务计算提供边缘轻量化推理能力。
对此，李文涛告诉笔者，目前 AI 相关行业的投资已经开始从训练市场转向推理市场，而推理市场也将成为 Akamai 重点聚焦的市场，" 我们可以凭借之前 CDN 方面的资源部署，很大地打通边缘侧的算力，让推理下沉到边缘，既可以降低延迟，也可以缩减成本。" 李文涛强调。
据披露，Akamai 最新发布的方案较传统超大规模云架构吞吐量提升 3 倍、延迟降低 60%，成本缩减达 86%。当前支持了文生图、语音识别、翻译、IoT 管理、零售图像优化等 AI 推理场景。
另一方面，推理市场的兴起也让更多的玩家涌入了这个赛道，就在 DeepSeek 问世后不久，一体机成为了 DeepSeek 最大的 " 受益者 "，包括浪潮信息、神州数码等在内的传统硬件厂商的一体机产品供不应求，而诸如优刻得、青云科技、格灵深瞳这样，原本是云服务或模型服务供应商也开始在一体机市场广泛布局，端侧市场异常火爆。这点与 Akamai 在边缘侧的布局如出一辙。
不过，优刻得新兴产业事业部首席架构师李天朋曾向笔者表示，目前来看，一体机的主要用户群体集中在金融、教育、医疗、政府等对数据安全等级要求比较高的传统行业，以及对时延要求极高的工业领域，" 相对来说，一体机的市场还是比较小众，对于互联网企业，尤其是大厂来说，DeepSeek 的出现并没有让他们更多的倾向于选择一体机产品。" 李天朋表示。
而李文涛也有着相似的观点，他表示，用户需要根据自身的需求选择合适的方式布局模型产品。
边缘计算正在兴起
显然，从当下的应用来看，边缘 + 云的方式是企业应用大模型产品最好的选择，云计算不必多说，经过十余年的发展，市场已经极为成熟，通过云的模式部署大模型产品与应用其他数字技术并无太大差别。
边缘计算市场则是借由这波推理市场的兴起，无论在技术，还是市场方面都迎来了新的发展。STL Partners 的数据预测，到 2030 年全球边缘计算潜在市场规模将达到 4450 亿美元，其中 AI 驱动的推理需求占比超过 70%。
在李文涛看来，边缘推理能让企业在更靠近终端用户的地方运行 AI 应用程序和数据密集型的工作负载。而这么做的好处主要有几点：
首先，推理场景下，负载越靠近用户侧和数据源端，延迟越低，用户体验越好，效率也越高；
其次，针对有些 " 数据主权 " 挑战的企业，他们不希望数据离开本地，上传到云端。边缘计算对数据隐私保护与合规也有益处；
第三海量数据传输的成本极高，" 尤其是传统公有云出方向 Egress 流量方面成本非常高昂，给我们的很多客户造成了很大的负担。" 李文涛指出。而 Akamai 公有云很显著的降低了这部分数据传输的成本。
而依靠 CDN 起家的 Akamai 也正是看到了这部分市场的前景，在视频转码、WebRTC、实时通讯等高信息量需求场景，以及低成本数据分析、高效协同的分布式数据库管理等应用上。" 分布式的云计算是 Akamai 在云计算领域里的重点方向，我们不追求非常复杂的管理式的服务或者超大型的计算节点，而是把眼光放在目前对于边缘的应用、对于实时性、时延要求高，以及对于流量的成本管控比较敏感的这些使用场景。" 李昇指出。
" 云 +AI" 战略的深度融合，标志着全球科技产业正迈向智能化与场景化协同的新阶段，在这个过程中，随着 AI 大模型向轻量化、场景化演进，边缘计算将成为推理任务的核心载体，企业需求正从集中式算力向 " 核心云 + 边缘节点 " 的混合架构迁移。
可以预见，未来 " 云 +AI" 的竞争将不再局限于算力规模，而是聚焦于如何通过边缘智能、分布式架构与安全能力的协同，为企业打造 " 低时延、高可信、低成本 " 的智能基础设施。（本文首发于钛媒体 APP，作者｜张申宇，编辑丨盖虹达）
