当前位置: 首页 > news >正文

AI需要防火墙,云计算需要重新构想

Akamai创始人Tom Leighton欲终结云膨胀,从内到外守护AI安全

Akamai创始人Tom Leighton

当前超大规模云服务商主导着企业IT市场,鲜有人敢挑战云计算经济模式、AI基础设施和网络安全架构的现状。但Akamai联合创始人兼CEO Tom Leighton正是这样的挑战者。他直言不讳地指出:云计算已变得臃肿、昂贵且过度中心化。

Leighton向信息安全媒体集团表示,互联网需要一种全新的基础设施架构——分布式、原生安全且为边缘性能优化。从边缘原生AI推理、API安全到全球首款AI防火墙,Akamai已不再仅是内容分发者,而是未来蓝图的重新设计者。

云服务本应更便宜

当被问及Akamai未来一年的愿景时,Leighton提出了逆向观点:"云服务已不再经济实惠。过去云确实比本地部署便宜,但如今许多企业会告诉你,迁移到大型云服务商的成本更高。"他指出,企业正陷入长期合同、高单价和复杂锁定的困境:"开发者已经上瘾了,这本来就是超大规模云商的战略手段。"

这一洞察促使Akamai开发了独特方案——通过分布式架构降低成本、减少延迟、弱化对中心化超大规模模式的依赖。凭借覆盖130个国家750个城市的4000多个接入点(POP),Akamai完全有能力以本地化、轻量化和低延迟重塑云交付。"我们已将大部分内部应用从超大规模云平台迁移至自有平台。"他补充道。

Akamai重注云与安全

Akamai的转型不再仅依赖内容分发优势。Leighton将公司定位为三位一体的企业,涵盖分发、云计算和网络安全,其中安全业务正成为营收增长的最大驱动力。

"网络安全业务正在迅猛扩张,现已贡献超半数营收。"Leighton表示,"API使用量激增和微隔离策略是核心增长点。"Akamai的API安全方案不仅能识别脆弱API,还能发现可能泄露敏感数据的闲置API。"我们首先帮助CIO/CISO摸清其暴露的API资产,大多数企业根本不清楚自己的API蔓延情况。"

另一支柱是Guardicore微隔离技术,通过在关键应用部署微型防火墙监控企业横向流量。某大型金融机构的概念验证显示,其10%的内部流量属于僵尸流量,"这些流量毫无用处,只会消耗资源增加风险"。

收购Linode后,Akamai云业务快速增长。原主打中小企业的Linode现已升级为企业级方案,容器服务覆盖140多座城市。"目标很明确:相比传统超大规模云方案,我们要加速云工作流、增强安全性并大幅降低成本。"

边缘AI:更快、更省、更实用

Leighton对企业AI现状有独到见解。他淡化了对大模型和天价GPU的追捧:"我们不采购训练大模型的顶级GPU,那不是我们的重点。"Akamai采用靠近用户的推理模式,无论是电商推荐、聊天机器人还是多API工作流,延迟始终是核心问题。通过在中端GPU甚至边缘CPU上部署,Akamai能支持实时AI应用,规避超大规模AI计算的高成本与复杂性。

"打造企业级聊天机器人不需要训练所有电影数据的模型。"Leighton指出,"CPU运行的小模型通常足够好用且高效得多。"这种效率使得AI能部署在Akamai全球分布式基础设施上,为企业提供既强大又可扩展的AI能力。

押注AI防火墙

Leighton重点介绍了创新产品类别——AI防火墙。

"人们用敏感数据训练模型后却公开暴露,这创造了新的攻击面。"他警告道,"AI会产生幻觉,你永远不知道它会做什么。攻击者已掌握诱骗模型泄露数据或作恶的方法。"

Akamai的AI防火墙通过监控提示词和响应,既防止恶意提示操控模型,又避免敏感数据泄露。"可根据客户偏好部署在本地、云端或Akamai平台,这将是一场军备竞赛,但AI安全态势管理已刻不容缓。"

原生本地化优势

在数据主权严苛、监管框架多元的时代,Akamai的地理覆盖成为显著优势。仅在印度就拥有300多个POP,不仅能分发内容,还可本地化运行完整云和AI工作负载。

"我们能在任何司法管辖区本地存储处理数据。"Leighton强调,"这不只是性能考量,更是合规刚需。"

这使得Akamai在印度、欧盟等数据法趋严的市场独具优势。其分散工作负载同时满足合规要求的能力,已超越技术成就成为战略差异化优势。

这场对话揭示的不仅是技术路线图,更是战略转型。Akamai正在打造全球分布式、AI就绪且安全优先的替代性云方案,同时挑战着从超大规模云经济到AI安全架构的行业固有认知。

"我们不再止步于内容分发,"Leighton总结道,"正帮助企业从根本上、从边缘开始,重新思考性能、经济性与安全性。"

http://www.dtcms.com/a/336989.html

相关文章:

  • 20. 云计算-多租户
  • 猫头虎AI分享|一款智能量化交易系统:QuantCell,从数据收集到策略执行全流程自动化
  • C++ 多进程编程深度解析【C++进阶每日一学】
  • 人工智能技术爆发的时代,AI工具和大模型对行业的深刻变革及实际应用!
  • 面向R语言用户的Highcharts
  • DR200差速移动机器人的多功能感知系统与多场景应用
  • 【网络安全实验报告】实验二: 后门木马配置及分析
  • 【网络安全实验报告】实验三:古典加密算法的实现
  • 数字化转型:概念性名词浅谈(第四十一讲)
  • 如何在VS Code中使用Copilot与MCP服务器增强开发体验
  • ThinkPHP的安装运行和调试
  • 动态规划----3.打家劫舍
  • EasyExcel篇
  • C语言篇:猜数字游戏的实现教程
  • 20250818 割点 割边 点双总结
  • 一个基于纯前端技术实现的五子棋游戏,无需后端服务,直接在浏览器中运行。
  • 数据挖掘 3.5 支持向量机——边界和正则化
  • 二分查找例题
  • 从基础到架构的六层知识体系
  • 进阶向:人物关系三元组,解锁人物关系网络的钥匙
  • 如何新建一个自己的虚拟环境
  • 有向无环图(Directed Acyclic Graph, DAG)介绍(环检测、DFS法、Kahn算法、)
  • 【Langchain系列三】GraphGPT——LangChain+NebulaGraph+llm构建智能图数据库问答系统
  • 15.三数之和
  • InfluxDB 开发工具链:IDE 插件与调试技巧(二)
  • 01.Linux小技巧
  • 从 UI 角度剖析蔬菜批发小程序的设计之道——仙盟创梦IDE
  • STRIDE威胁模型
  • IDE开发系列(1)基于QT的简易IDE框架设计
  • 【P38 6】OpenCV Python——图片的运算(算术运算、逻辑运算)加法add、subtract减法、乘法multiply、除法divide