关于生成式AI，这三个问题很关键

（原标题：关于生成式AI，这三个问题很关键）

图片来源于网络，如有侵权，请联系删除

生成式AI的兴起正在重塑各行各业， 为技术创新、流程自动化与客户交互体验带来前所未有的机遇。 

图片来源于网络，如有侵权，请联系删除

阿卡迈(Akamai Technologies) 与IDC联合发布的最新研报显示：79%的受访企业认为，生成式AI已经或将在未来18个月内对其业务产生颠覆性影响。其中，37%的受访企业已将生成式AI应用部署到生产环境，另有61%的企业正处于技术测试与概念验证阶段。

关于生成式AI，这三个问题仍然是关键。

问题一：边缘服务替代传统云服务，会影响到谁？

根据报告预测，到2027年，80%的CIO（首席信息官）将采用边缘服务来代替传统云服务。随着生成式AI等新AI技术的应用，边缘服务及靠近AI用户侧的“云”支撑的重要性愈发凸显。边缘服务是一种分布式计算模式，其核心在于将计算、存储和网络功能从云端数据中心迁移到网络的逻辑边缘（如路由器、交换机或专用服务器节点），从而缩短数据传输距离。

从性能需求角度来看，当前许多AI推理服务，如未来的智能驾驶、IoT（物联网）服务等，需要更高的实时性和更快的响应速度。边缘服务能够将计算和数据存储靠近用户端，减少数据传输的延迟，从而满足这些应用对实时性的严格要求。例如，在智能驾驶场景中，车辆需要实时处理大量的传感器数据，做出及时的决策，边缘服务可以确保数据的快速处理和响应，保障行车安全。

在安全性考虑方面，出于数据主权或个人隐私保护需求，很多时候企业不希望将分布式数据回传到中心点处理，更倾向于在靠近用户侧甚至用户设备上进行相关AI处理。边缘服务可以在本地完成数据的处理和分析，避免了数据在传输过程中的安全风险，更好地保护用户的数据隐私。

然而，这一趋势也带来了挑战。Akamai亚太区与全球云架构师团队总监李文涛表示，全球没有一家云厂商能覆盖所有地区的边缘场景，因此“多云”采用将是重要趋势。企业的CIO、CTO（首席技术官）需要考虑选择合适的边缘服务，以满足AI应用的性能、实时性及数据隐私保护需求，并兼顾“多云”兼容性，这样才能构建完整的端到端平台，支撑未来创新业务部署。

问题二：中国市场采用边缘计算，遇到哪些机遇与挑战？

报告还将驱动生成式AI部署的关键边缘应用场景进行了排序：生成式AI在边缘的部署是最普遍的场景；其次是预测式AI，用于业务预测及未来数据推断等；第三类是视频编辑、视频处理、图形与仿真CGI等场景。最后，还有解释性AI、远程信号采集与网络优化，以及与运营技术相关的边缘AI场景。

中国企业在采用边缘计算时，面临着独特的机遇。边缘计算可支撑中国企业更好地“出海”，在全球范围内提供更具竞争力的AI相关应用。结合强大的本地化创新能力，将为中国企业出海带来更多新商机与业务场景。例如，中国出海企业可以利用边缘计算在海外市场提供低延迟、高可靠的服务，满足当地用户的需求，提升用户体验，从而增强市场竞争力。

挑战也同时存在。报告显示，中国企业出海常面临合规性及数据隐私保护问题，在AI背景下尤为突出。AI推理过程涉及用户数据交互，尤其是生成式AI可能涉及个人数据交互等场景，这对边缘计算的需求更高，需确保在用户本地或本国完成相关AI服务，满足“数据不离境”的合规要求。这就要求企业在采用边缘计算时，要充分考虑不同国家和地区的法律法规，确保数据的安全和合规。此外，虽然边缘计算可通过全球范围内的就近计算，提供更优的推理时延和用户体验，但在实际应用中，还需要解决网络连接、数据传输等技术问题，以确保边缘计算的稳定运行。

Akamai北亚区技术总监刘烨表示，与AI相关的安全是近年来的热门话题。OWASP多年前发布了各安全领域的TOP10风险，几年前推出了API（应用程序编程接口）相关风险清单，而两年前又针对LLM大模型发布了相关风险清单。

刘烨指出，AI安全风险主要来自两个方面：一是大模型交互与调用中的风险，许多大模型调用通过API实现，需要确保API接口能持续提供数据且不受安全隐患干扰；二是大模型本身带来的新风险，例如“提示词注入”攻击。

除了安全难题，企业还将面临着多云复杂性的管理挑战。报告指出，49%的企业因“多云”复杂性，难以管理多云环境，这一挑战在生成式AI快速发展的背景下尤为值得关注。

问题三：中国企业如何通过边缘服务构建全球竞争优势？

报告显示，在中国采用生成式AI的企业中，96%会利用公有云IaaS承载训练与推理工作负载，该比例高于亚太地区平均水平。对中国企业而言，边缘计算还支撑其更好地“出海”，在全球范围内提供更具竞争力的AI相关应用。结合强大的本地化创新能力，边缘AI为中国企业出海带来更多新商机与业务场景。

生成式AI的实时性要求正迫使企业放宽部分安全策略的问题，针对API及大模型交互的安全防护，并不会引入用户可明显感知的时延。相反，数据中心的分布性、资源就近获取能力及算力充足性，对性能的影响更大，安全性并不会对生成式AI的交互实时性造成影响或引入过多时延。

报告显示，在“多云”管理方面，49%的企业因“多云”复杂性难以管理“多云”环境，在生成式AI快速发展的背景下，这一挑战愈发严峻。对于亚太地区企业面临的遗留基础设施的限制，如GPU更新换代迅速等问题，报告建议企业优先考虑云化部署。

生成式AI的快速发展，推动边缘服务从辅助选项变为战略必需。如何通过技术手段实现多云间的网络连接及AI负载在多云间的无缝数据传输，是企业需重点考虑的问题。随着生成式AI和边缘的结合，中国企业在“出海”时已经不再单纯追求成本优势，而是希望在智能化体验、服务实时性方面建立竞争壁垒。