IDC發(fā)布的《邊緣進(jìn)化：從核心到邊緣驅(qū)動成功》（簡稱《報告》）研究報告中指出，79%的受訪企業(yè)認(rèn)為，生成式AI已經(jīng)或?qū)⒃谖磥?8個月內(nèi)對其業(yè)務(wù)產(chǎn)生顛覆性影響，這一比例高于亞太平均水平12 個百分點；此外，37%的受訪企業(yè)已將生成式AI應(yīng)用部署到生產(chǎn)環(huán)境，另有61%的企業(yè)正處于技術(shù)測試與概念驗證階段，這意味著，在AI落地過程中，企業(yè)已從“PPT階段”進(jìn)入“實戰(zhàn)階段”。

回顧生成式AI的發(fā)展歷程，2023~2024年的核心關(guān)鍵詞是“大模型參數(shù)競賽”，彼時企業(yè)追求“千億級參數(shù)”，以及“多模態(tài)能力”；而當(dāng)時間來到2025年，關(guān)鍵詞已轉(zhuǎn)向“場景落地”，如何讓AI真正解決業(yè)務(wù)問題，成為企業(yè)的核心訴求。

在此過程中，亞太地區(qū)（APAC）的企業(yè)正意識到，僅靠集中式云架構(gòu)無法滿足日益增長的規(guī)模、速度和合規(guī)性需求。企業(yè)必須重新思考和加強(qiáng)基礎(chǔ)設(shè)施策略，將邊緣服務(wù)納入其中，以保持競爭力、滿足合規(guī)要求，并為實際的人工智能部署做好準(zhǔn)備。

“未來企業(yè)亟需構(gòu)建現(xiàn)代化數(shù)字基座，該基座整合了‘云-核心-邊緣計算’的基礎(chǔ)設(shè)施，將智能服務(wù)部署在更靠近用戶與應(yīng)用的位置?！痹贏I技術(shù)快速發(fā)展的背景下，這是Akamai亞太區(qū)與全球云架構(gòu)師團(tuán)隊總監(jiān)李文濤對于下一代數(shù)字基礎(chǔ)設(shè)施的演進(jìn)方向的定義。

AI重構(gòu)數(shù)字底座

“企業(yè)的數(shù)字化基礎(chǔ)決定了AI落地速度，但現(xiàn)有架構(gòu)正在遭遇瓶頸?！崩钗臐赋??！秷蟾妗窋?shù)據(jù)顯示，中國企業(yè)已形成“公有云依賴”特征——多業(yè)務(wù)環(huán)節(jié)采用公有云承載生產(chǎn)應(yīng)用，而GenAI的崛起正讓這一模式的短板暴露無遺。

在此背景下，企業(yè)首先面對的就是時延的挑戰(zhàn)。據(jù)了解，37%已部署GenAI的企業(yè)中，超60%反饋“實時交互類應(yīng)用響應(yīng)延遲超預(yù)期”。以電商虛擬試衣間為例，用戶上傳圖像后需等待核心云完成AI推理，單次交互延遲常達(dá)2-3秒，轉(zhuǎn)化率較預(yù)期下降40%；

除了時延的挑戰(zhàn)是大多數(shù)企業(yè)在落地企業(yè)級AI過程中的痛點之外，成本也是讓很多企業(yè)面對AI應(yīng)用“望而卻步”的關(guān)鍵因素。AI推理產(chǎn)生的海量數(shù)據(jù)回傳至核心云，導(dǎo)致帶寬成本激增。

除此之外，在出?？缇抽_展業(yè)務(wù)的過程中，72%的出海企業(yè)因“數(shù)據(jù)出境”合規(guī)要求被迫放棄核心云集中處理模式，GenAI涉及的用戶隱私數(shù)據(jù)更成為監(jiān)管焦點。而這點也成為AI應(yīng)用過程中的一大挑戰(zhàn)。

“公有云不是‘不夠好’，而是‘不夠近’，” 李文濤總結(jié)，“生成式AI需要‘核心云訓(xùn)練+邊緣推理’的協(xié)同模式。核心云負(fù)責(zé)大規(guī)模模型訓(xùn)練，邊緣負(fù)責(zé)實時推理與用戶交互，這是未來的必然架構(gòu)?！?/p>

邊緣計算興起

基于此，傳統(tǒng)的僅僅依賴公有云的模式，顯然已經(jīng)不能滿足所有企業(yè)擁抱AI的需求。在企業(yè)級AI落地的過程中，企業(yè)的數(shù)字底座也急需重構(gòu)。對此，李文濤表示，為充分釋放生成式AI (GenAI)的潛能，企業(yè)亟需構(gòu)建現(xiàn)代化的“數(shù)字基座”——整合邊緣計算，將智能服務(wù)部署在更靠近用戶和應(yīng)用場景的位置。

在用戶對于新一代數(shù)字基座的需求下，邊緣計算又一次站在了技術(shù)舞臺的中間，成為了企業(yè)構(gòu)建新一代數(shù)字基座的核心技術(shù)之一。邊緣計算正崛起為下一代數(shù)字創(chuàng)新的前沿領(lǐng)域，推動“邊緣演進(jìn)”趨勢，并迫切需要采用變革性方法構(gòu)建高韌性、面向未來的數(shù)字生態(tài)系統(tǒng)?！斑吘売嬎隳軌蛞蕴囟ǚ绞綄崿F(xiàn)基礎(chǔ)設(shè)施的分布式部署，不僅降低實時應(yīng)用的延遲，緩解網(wǎng)絡(luò)不穩(wěn)定帶來的問題，還能讓企業(yè)能夠更快應(yīng)對瞬息萬變的商業(yè)環(huán)境。”李文濤如是說。

而李文濤的觀點已經(jīng)有不少數(shù)據(jù)支持，智研咨詢發(fā)布的《2025-2031年中國邊緣云行業(yè)市場現(xiàn)狀分析及投資機(jī)會研判報告》中顯示，2024年全球市場規(guī)模達(dá)1851億元，中國占比約70%。預(yù)計2029年市場規(guī)模將達(dá)370億元，復(fù)合年增長率22.9%。 ?

此外，《邊緣進(jìn)化：從核心到邊緣驅(qū)動成功》中預(yù)測，2025年，邊緣IT預(yù)計成為大多數(shù)中國企業(yè)IT支出增長最顯著的領(lǐng)域。另一方面，IDC預(yù)測，到2027年，80%亞太地區(qū)的CIO將依賴邊緣服務(wù)支撐AI工作負(fù)載。

以AI推理為例：核心云處理一次電商AI推薦的平均時延約為 200~300ms，而邊緣節(jié)點處理的時延可降至20~50ms；在帶寬成本上，數(shù)據(jù)在邊緣源頭處理可減少70%的核心云傳輸量，某制造企業(yè)測算顯示，這一調(diào)整每年可為其節(jié)省近百萬的帶寬費用。

對此，李文濤表示，“中國企業(yè)的數(shù)字化基礎(chǔ)與AI創(chuàng)新能力已處于全球第一梯隊，而邊緣計算將成為其把技術(shù)優(yōu)勢轉(zhuǎn)化為商業(yè)勝勢的關(guān)鍵。而到2027年，80%的CIO將用邊緣服務(wù)替代傳統(tǒng)云的部分功能，這不是選擇，而是必然?！?/p>

當(dāng)前，企業(yè)正加速采用邊緣計算來支撐其數(shù)字化運(yùn)營，確保在與核心或云端資源斷開連接時的業(yè)務(wù)連續(xù)性。在李文濤看來，這一現(xiàn)象凸顯出在多樣化的運(yùn)營環(huán)境中，為了實現(xiàn)無縫功能交付與業(yè)務(wù)韌性，企業(yè)對邊緣基礎(chǔ)設(shè)施的依賴性日益增強(qiáng)。

《報告》中顯示，未來18個月內(nèi)，邊緣IT投資回向四個方向傾斜，分別是：支持?jǐn)?shù)字化運(yùn)營，如AI、物聯(lián)網(wǎng)及智能監(jiān)控體系；在與核心或云端資源斷開連接時的保障措施；支持偏遠(yuǎn)地區(qū)的業(yè)務(wù)運(yùn)營；降低連接成本。

數(shù)據(jù)來源：IDC

另一方面，多個邊緣應(yīng)用場景正推動生成式AI加速計算資源(如GPU)的部署，用以支持高性能應(yīng)用，并確保可擴(kuò)展性。生成式AI 與邊緣計算的融合，彌合了集中式云資源與分布式邊緣環(huán)境之間的鴻溝，同時保障了可擴(kuò)展性和性能表現(xiàn)。

建設(shè)AI就緒型基礎(chǔ)設(shè)施的“六大支柱”

《報告》中提出的“面向未來數(shù)字基礎(chǔ)設(shè)施六大核心支柱”，被業(yè)內(nèi)視為生成式AI時代的基礎(chǔ)設(shè)施建設(shè)指南。這六大支柱并非孤立存在，而是形成“戰(zhàn)略-技術(shù)-運(yùn)營”的完整閉環(huán)，其核心邏輯是“從核心延伸至邊緣”的全域協(xié)同。

支柱一：AI就緒——效率與體驗的雙重提升

AI就緒的核心是“讓基礎(chǔ)設(shè)施適配AI”，而非反之。針對此，企業(yè)需從兩方面突破：一是硬件層的推理優(yōu)化，通過邊緣節(jié)點部署輕量級GPU模塊，使AI推理效率提升3-5倍；

二是應(yīng)用層的個性化支撐，例如零售企業(yè)通過邊緣AI實時分析用戶行為，推送定制化商品推薦，轉(zhuǎn)化率較傳統(tǒng)模式提高58%。

“AI就緒不是技術(shù)堆砌，而是業(yè)務(wù)場景的深度匹配?！崩钗臐龔?qiáng)調(diào)。

支柱二：GenAI部署——從“大模型競賽”到“邊緣適配”

《報告》中指出，GenAI部署正從“追求參數(shù)規(guī)模”轉(zhuǎn)向“邊緣輕量化適配”。61%處于測試階段的企業(yè)已意識到，千億參數(shù)級大模型無法直接落地邊緣場景，需通過模型壓縮、量化等技術(shù)適配邊緣算力。

硬件投資成為關(guān)鍵突破口。針對此，李文濤建議企業(yè)重點布局三類資源：一是邊緣級GPU，滿足輕量級推理需求；二是異構(gòu)計算芯片，適配多模態(tài)AI任務(wù)；三是分布式存儲節(jié)點，支撐邊緣數(shù)據(jù)的實時處理。

支柱三：現(xiàn)代化邊緣IT——數(shù)據(jù)源頭的價值挖掘

“數(shù)據(jù)在產(chǎn)生的瞬間就已過時”——這一工業(yè)互聯(lián)網(wǎng)領(lǐng)域的名言，在GenAI時代愈發(fā)凸顯。現(xiàn)代化邊緣IT的核心是“在數(shù)據(jù)源頭完成價值提取”，其關(guān)鍵技術(shù)路徑包括：

• 邊緣推理優(yōu)先：將90%的實時AI任務(wù)在邊緣完成，僅將結(jié)果數(shù)據(jù)回傳核心云；
• 邊緣存儲分層：熱數(shù)據(jù)本地化存儲，冷數(shù)據(jù)加密上傳，降低存儲成本；
• 邊緣計算協(xié)同：相鄰邊緣節(jié)點形成“微集群”，應(yīng)對突發(fā)算力需求。

比如，某汽車廠商通過車載邊緣設(shè)備實時處理路況視頻數(shù)據(jù)，僅將異常事件（如事故、擁堵）分析結(jié)果上傳云端，數(shù)據(jù)傳輸量減少92%，同時實現(xiàn)自動駕駛系統(tǒng)的毫秒級響應(yīng)。

支柱四：邊緣優(yōu)化架構(gòu)——分布式場景的“協(xié)同中樞”

邊緣優(yōu)化架構(gòu)要解決的核心問題是“分布式資源的統(tǒng)一調(diào)度”。報告指出，企業(yè)常陷入“邊緣孤島”困境——不同區(qū)域的邊緣節(jié)點各自為戰(zhàn)，無法形成全局算力網(wǎng)絡(luò)。對此，IDC提出了三層架構(gòu)解決方案：在接入層，支持5G、Wi-Fi6等多網(wǎng)絡(luò)接入，實現(xiàn)終端設(shè)備無縫連接；在算力層，構(gòu)建“邊緣節(jié)點-區(qū)域中心-核心云”三級算力池，動態(tài)分配資源；在管理層，通過統(tǒng)一平臺實現(xiàn)邊緣設(shè)備、算力、數(shù)據(jù)的可視化管控。

支柱五：云端到邊緣——公有云投資的“價值延伸”

“企業(yè)已在公有云投入巨額資源，邊緣部署不應(yīng)是‘另起爐灶’?！崩钗臐龔?qiáng)調(diào)，云端到邊緣的核心是“投資復(fù)用與能力延伸”。《報告》數(shù)據(jù)顯示，83%的企業(yè)希望將現(xiàn)有公有云服務(wù)擴(kuò)展至邊緣，而實現(xiàn)這一目標(biāo)的關(guān)鍵是“互聯(lián)互通”。

技術(shù)層面，需突破兩大瓶頸：一是API標(biāo)準(zhǔn)化，實現(xiàn)多云平臺與邊緣節(jié)點的接口統(tǒng)一；二是數(shù)據(jù)一致性，通過邊緣緩存、增量同步等技術(shù)確保核心云與邊緣數(shù)據(jù)同步。

基于此，Akamai與AWS、Azure等主流云廠商的深度合作印證了這一路徑——企業(yè)可將核心云的模型、數(shù)據(jù)無縫同步至Akamai邊緣節(jié)點，無需重構(gòu)現(xiàn)有IT架構(gòu)。

支柱六：自主運(yùn)營——AI驅(qū)動的“自動化運(yùn)維”

當(dāng)邊緣節(jié)點規(guī)模達(dá)到數(shù)千甚至數(shù)萬個，傳統(tǒng)人工運(yùn)維模式已難以為繼。自主運(yùn)營的核心是“用AI管理AI基礎(chǔ)設(shè)施”，其關(guān)鍵能力主要包括：智能監(jiān)控，通過邊緣AI實時監(jiān)測節(jié)點算力、帶寬、溫度等指標(biāo)，異常預(yù)警準(zhǔn)確率達(dá)95%；自動調(diào)度，根據(jù)業(yè)務(wù)負(fù)載動態(tài)調(diào)整邊緣與核心云的資源分配，資源利用率提升30%；自愈修復(fù)，邊緣節(jié)點故障時自動切換至備用節(jié)點，業(yè)務(wù)中斷時間控制在秒級。（文｜Leo張ToB雜談，作者｜張申宇，編輯丨蓋虹達(dá)）