在Akamai副總裁暨大中華區(qū)總經(jīng)理李昇看來，這說明Akamai進入云計算市場的戰(zhàn)略是成功的。從最大的CDN提供商，到后來邁步安全市場，如今又憑著收購Linode進入成功云計算市場，Akamai到底做對了什么？

Akamai的云計算發(fā)展之路

Akamai亞太區(qū)云計算專家團隊負責人李文濤介紹了Akamai的云計算業(yè)務(wù)發(fā)展之路。

Akamai的云服務(wù)包括公有云服務(wù)、安全服務(wù)和CDN服務(wù)，這些服務(wù)分散在全球130個國家1200多個運營商網(wǎng)絡(luò)上，依靠全球范圍內(nèi)的26個核心云計算節(jié)點、10個分布式節(jié)點和4000多個邊緣節(jié)點，提供從核心數(shù)據(jù)中心到互聯(lián)網(wǎng)邊緣的全面覆蓋。

核心云計算節(jié)點提供虛擬機、GPU虛擬機、對象存儲、塊存儲、數(shù)據(jù)庫等主流公有云服務(wù)。中間層是分布式計算節(jié)點，規(guī)模較小但更靠近用戶，同樣提供主要的云服務(wù)。最外層是4000多個邊緣節(jié)點，主要提供函數(shù)即服務(wù)（FaaS）、邊緣托管、CDN等服務(wù)。

2022年，Akamai收購Linode后加速構(gòu)建云服務(wù)能力。從資源規(guī)模分布上來看，2023年，Akamai有17個核心數(shù)據(jù)中心，2024年，核心數(shù)據(jù)中心的數(shù)量來到了26個，此外還有10個分布式的數(shù)據(jù)中心。

在計算能力方面，Akamai從最初提供基礎(chǔ)虛擬機服務(wù)，擴展到了支持各種加速型虛擬機，包括配備GPU和VPU的實例。GPU虛擬機方面，Akamai采用了英偉達RTX4000 Ada顯卡，主要用于支持邊緣側(cè)的AI推理應(yīng)用。

Akamai發(fā)布基于NETINT VPU的加速計算實例，與傳統(tǒng)基于CPU的方案相比，它可將成本降到十分之一，將吞吐量提升20倍。它不僅處理速度很快，成本和能耗也非常低，它能幫助視頻直播和流媒體行業(yè)降低成本，塑造競爭力。

在云存儲方面，Akamai云存儲性能和擴展性相對于去年有了5-10倍的提升，無論是從存儲的容量、還是存儲的讀寫能力，都有非常大的提升，也基本上達到了業(yè)界主流的標準。

在容器云原生方面，Akamai在2023年推出了托管式Kubernetes平臺LKE，并在2024年發(fā)布了LKE企業(yè)版，提升了擴展性、穩(wěn)定性和安全性。針對用戶在K8s部署和運維方面的復(fù)雜性挑戰(zhàn)，Akamai還推出了一站式應(yīng)用服務(wù)平臺。

此外，在數(shù)據(jù)庫服務(wù)方面，Akamai已經(jīng)提供了托管式MySQL和PostgreSQL服務(wù)，今年還將進一步推出托管式內(nèi)存數(shù)據(jù)庫和NoSQL數(shù)據(jù)庫，完善云原生應(yīng)用所需的完整數(shù)據(jù)庫服務(wù)體系。

在網(wǎng)絡(luò)能力方面，Akamai將Linode的全球數(shù)據(jù)中心與自身骨干網(wǎng)絡(luò)打通，形成了更強大的網(wǎng)絡(luò)。Akamai的核心節(jié)點、和分布式節(jié)點與其他大型公有云廠商通過與骨干網(wǎng)高效互聯(lián)，大幅降低了節(jié)點間和節(jié)點到用戶之間的延遲，很多用戶都給出了積極反饋。

與此同時，Akamai不斷豐富網(wǎng)絡(luò)產(chǎn)品能力，今年新增了對企業(yè)級VPC的支持，推出了更高性能的負載均衡功能，并攜手Zuplo推出了API網(wǎng)關(guān)服務(wù)，為企業(yè)級應(yīng)用部署提供了更加完整和高效的網(wǎng)絡(luò)支撐。

在生態(tài)合作方面，Akamai與合作伙伴聯(lián)合推出了多種行業(yè)解決方案。比如，與Bitmovin和Ateme合作，提供領(lǐng)先的視頻工作流服務(wù)；與hydrolix合作，幫助企業(yè)高效處理各類日志數(shù)據(jù)；與HarperDB合作，幫助客戶做分布式的數(shù)據(jù)部署和處理。

Akamai結(jié)合自身優(yōu)勢，正在為各行業(yè)客戶提供更加完整的解決方案。

Akamai的差異化優(yōu)勢與市場機遇

在市場策略上，Akamai強調(diào)既有大型公有云廠商一樣的可靠性和擴展性，也有小型云廠商的性價比。在產(chǎn)品服務(wù)差異方面，Akamai主打在集中式公有云服務(wù)之外，擁有大量邊緣節(jié)點的分布式云服務(wù)更有優(yōu)勢，能解決一些集中式公有云解決不了的問題。

與一些在國內(nèi)運營的國際型公有云服務(wù)商一樣，Akamai主要服務(wù)于中國出海企業(yè)。從李文濤的介紹中了解到，Akamai已經(jīng)成了中國廣告公司“出?！钡氖走x云，大量的中國廣告公司“出?！睒I(yè)務(wù)已經(jīng)構(gòu)建在Akamai的云平臺上。（相關(guān)閱讀：廣告科技企業(yè)遷移到Akamai云，成本暴降60%！）

李昇在采訪中表示，之所以Akamai能高速發(fā)展并取得市場上的成功，除了投入服務(wù)能力和持續(xù)的功能研發(fā)之外，也得益于整個大的市場呼應(yīng)了這樣的機會。

IDC報告認為，未來云計算發(fā)展的一個重要趨勢在于，更多應(yīng)用會部署在邊緣端，邊緣原生應(yīng)用的成長速度更快，潛力也更大。同時，現(xiàn)在企業(yè)已接受了混合云和多云戰(zhàn)略，在集中式公有云的基礎(chǔ)上，Akamai去中心化的分布式云服務(wù)也被很多客戶所接受。

Akamai已經(jīng)在多個領(lǐng)域落地分布式云平臺。首先，在網(wǎng)絡(luò)加速方面，Akamai顯著改善了延遲，幫游戲玩家提升跨區(qū)域的游戲體驗。在程序化廣告領(lǐng)域，Akamai通過優(yōu)化廣告競價的時延控制和資源消耗比例，幫助廣告公司提高了盈利能力。

在視頻編解碼方面，Akamai針對直播等對實時性要求極高的場景，提供了高效低成本的視頻轉(zhuǎn)碼服務(wù)。同時，依托合作伙伴Hydrolix的時序數(shù)據(jù)分析技術(shù)，Akamai為客戶提供實時高性能日志分析平臺，幫助企業(yè)更高效地掌握業(yè)務(wù)動態(tài)和運維信息。

除此之外，Akamai還支持了大規(guī)模的分布式游戲服務(wù)器部署，特別是在戰(zhàn)斗服對戰(zhàn)等場景中，為游戲企業(yè)提供了更高效、更可靠的全球同步體驗。這些典型應(yīng)用，都在解釋為什么Akamai能在激烈競爭的云計算市場上得以快速成長。

Akamai云在邊緣AI推理場景更有優(yōu)勢

隨著生成式AI的發(fā)展，AI推理需求加速向邊緣側(cè)遷移，為云計算市場帶來了新的機會。李昇表示，去中心化、分布式的云計算能更好支撐小模型部署，小模型對低延時、靈活架構(gòu)的需求也讓Akamai具備了明顯優(yōu)勢。

李文濤指出，有八九成客戶在邊緣云上部署的都是專用模型。比如Stable Diffusion文生圖服務(wù)、語音轉(zhuǎn)文字應(yīng)用，以及多語言智能客服等。這些模型數(shù)據(jù)量相對小、但對時延極其敏感，因此天然適合部署在邊緣節(jié)點，以保證用戶體驗。

李文濤還提到，將推理部署得靠近終端用戶，還能降低數(shù)據(jù)傳輸成本。比如，智能攝像頭通過邊緣推理實現(xiàn)本地鳥類識別，自動駕駛汽車通過邊緣計算實時篩選和處理大量傳感器數(shù)據(jù)，都能說明邊緣AI在實際業(yè)務(wù)中的優(yōu)勢。

不久前，Akamai推出Akamai Cloud Inference服務(wù)，這是一款基于其全球分布式云平臺打造的AI推理方案。與傳統(tǒng)超大規(guī)模云架構(gòu)相比，其吞吐量提升3倍、延遲降低60%，成本更是銳減86%。

Akamai Cloud Inference的底層，提供包括CPU、GPU和VPU的異構(gòu)算力，數(shù)據(jù)層面與VastData合作，實現(xiàn)全球范圍內(nèi)的實時數(shù)據(jù)訪問。同時，依托LKE企業(yè)版，簡化容器化AI應(yīng)用的部署，整合WebAssembly的技術(shù)，提升推理應(yīng)用的性能。

很多實際案例證明，邊緣端更適合部署小模型。某電商客戶的虛擬試衣間場景中使用Akamai的GPU主機后，整體推理時延比友商降低了20%。

李昇表示，Akamai本身用了很多AI技術(shù)。在生成式AI火之前，Akamai就在其互聯(lián)網(wǎng)安全產(chǎn)品中使用AI技術(shù)來識別網(wǎng)絡(luò)攻擊。近幾年來，Akamai在零信任、微隔離等安全產(chǎn)品中也陸續(xù)引入了AI的能力，用AI增強安全防護的效果。

Akamai在今年5月的RSA大會上還發(fā)布了一款專門保護AI模型的新產(chǎn)品——AI防火墻，用來防止模型遭受資源消耗攻擊或惡意Token注入。目前，相關(guān)功能已向部分客戶開放預(yù)覽測試。

zhupb