从云端到边缘：分布式算力正在重构全球化底座

当AI产业从“模型训练能力”的比拼，转向“规模化推理落地”的新阶段，一个更务实的行业共识正在逐渐清晰：决定AI商业价值的，不再只是模型本身，而是这些能力能否以低时延、可控成本以及合规安全的方式，真正触达全球用户。

这也意味着，过去以中心化为核心的云计算架构，正在遭遇新的边界。无论是跨区域网络延迟、实时交互体验，还是不断收紧的数据主权与合规要求，都在考验传统模式的适应能力。在这样的背景下，以边缘节点为基础的分布式算力体系，开始从“补充角色”走向“关键基础设施”。

也正是在这一轮架构演进中，深耕全球分布式网络二十余年的Akamai，选择与NVIDIA深度协同，将原本服务于内容分发的全球边缘节点，转化为AI时代的算力网络底座，试图为中国企业出海提供一种更现实可行的路径。

Akamai大中华区副总裁张轲

Akamai大中华区副总裁张轲是这一转型过程的长期参与者。自2012年加入公司以来，他见证了中国企业出海逻辑的多轮演进——从早期的产品输出，到应用与平台出海，再到如今以AI能力为核心的新一轮全球化。

“每一次出海模式的变化，本质上都是对基础设施能力的重新要求。”在他看来，AI时代的出海，已经不只是“把服务部署到海外”，而是要在全球范围内实现稳定、实时且合规的能力交付。

作为Akamai除北美之外最大的区域市场，Akamai大中华区200多人的团队，长期围绕云计算、内容分发与安全构建一体化服务能力。而在AI浪潮下，这一能力体系正在被重新定义——从支撑流量分发，延伸到支撑算力分发。

对Akamai而言，这并非简单的业务扩展，而是一次底层定位的调整。张轲将其概括为：从“分布式云安全平台”，向“分布式AI推理平台”的演进。而与NVIDIA的合作，则成为这一转型最关键的支点。

在NVIDIA GTC 2026上，Akamai发布AI网格（AI Grid）架构，并启动基于Blackwell架构RTX 6000 PRO GPU的全球部署。这一组合的核心意义在于，将原本集中于数据中心的高性能推理能力，嵌入到全球边缘节点之中，从而改变AI推理的运行路径。

如果说“把算力搬到边缘”是第一步，那么真正的难点，在于如何调度这些分布在全球的资源。

Akamai亚太区云计算架构师总监李文涛

围绕这一问题，Akamai构建了以AI推理云为核心的技术体系。Akamai亚太区云计算架构师总监李文涛介绍，这一平台并不是单一能力，而是由四个关键模块协同构成：GPU算力底座、AI网关调度体系、函数计算能力，以及分布式容器平台。

在算力层面，基于Blackwell架构的RTX 6000 Pro GPU提供了面向推理优化的性能基础；在调度层面，AI网关负责请求分发与安全控制，并通过语义缓存降低重复计算带来的成本；在执行层面，函数即服务实现了接近实时的边缘响应；而分布式容器平台，则将应用部署到最接近用户的位置，使平台能够在物理层面缩短与用户之间的距离

这些能力叠加之后，形成的不是简单的“边缘加速”，而是一套从边缘到核心的分层算力体系。AI网格正是在这一体系之上，实现对不同推理任务的动态匹配：轻量任务在边缘完成，中等负载在区域节点处理，高复杂度任务则回到核心算力集群。

这种“按需分配”的逻辑，本质上是一种更精细的算力经济模型。在李文涛看来，并非所有AI请求都需要调用最高规格GPU，只有在性能与成本之间取得平衡，AI才能真正具备规模化落地的可能。

目前，这一架构已经在多个行业场景中落地。从电商推荐、视频实时处理，到游戏智能体交互与自动驾驶数据分析，这些对延时与成本极为敏感的应用，正在成为分布式推理最直接的受益者。

但算力之外，另一个同样关键的变量，是安全。

张轲将AI时代的安全问题分为两个维度：一是AI内容本身的安全与合规，二是AI技术反过来被用于攻击所带来的新威胁。在他看来，这两类问题的复杂性，正在同步上升。

为应对这一变化，Akamai从2025年开始推出面向AI应用的专属防护体系，包括AI防火墙等能力，重点针对提示词注入、模型越狱、数据泄露等新型风险。同时，公司也在将大模型能力引入安全产品之中，使检测与响应更加自动化。

在企业内部安全层面，Akamai通过Guardicore微分段方案，将AI引入资产识别、策略生成与验证等环节，降低零信任体系的落地门槛。值得一提的是，这一方案与NVIDIA BlueField DPU的结合，将安全能力下沉至硬件层，即使操作系统被攻破，底层仍可执行策略控制，从而提升整体防护的韧性。

与此同时，围绕API与新型AI协议带来的风险暴露，Akamai也在强化全局可视化与自动化治理能力，使企业能够在复杂环境中维持对攻击面的持续掌控。

如果从更宏观的视角来看，Akamai在AI时代的定位，其实相当理性。

它并不试图取代传统云厂商，而是选择成为其补充：中心化云继续承担模型训练与数据存储，而分布式架构则负责高并发、低时延的推理与分发。这种分工，使企业能够在不改变原有架构的前提下，引入更适合AI时代的能力层。

写在最后

从内容分发到算力分发，Akamai的演进路径，某种程度上折射了整个互联网基础设施的变化方向：从“把内容送到用户”，走向“把计算能力送到用户附近”。