1、白 皮 书分布式云：将 AI 扩展至网络边缘Akamai 委托 Forrester Consulting 进行的一项调研，提供了关于企业云挑战与优先事项的数据与洞察|2目录边缘 AI 即将到来。您准备好了吗？3当前的云策略难以满足当今全球应用程序的开发与交付需求 5企业应用程序需策略与平台双重加持，以全面支撑分布式工作负载并实现业务目标 8分布式云助力解决关键业务重点 10向分布更广泛的云转型 11结论 |3据国际数据公司(IDC)预测，从 2024 年至 2028 年，全球在人工智能(AI)领域的支出将以 29%的复合年增长率持续攀升，到 2028 年，这一数字将达到 6320 亿美元。然而

2、，这一机遇也伴随着挑战。AI 计算正经历着从注重训练大语言模型的核心云功能，向注重推理功能的边缘应用程序转变的过程，这一转变将催生出新一代的实时、个性化应用程序，并带动一系列低延迟、计算密集型工作负载的兴起。集中式云架构会让 AI 应用程序难以甚至可能无法进行扩展和优化。随着模型训练的深入，实时应用程序对计算资源的需求也在不断增加。随着工作负载的不断演进以及 AI 的重心从建模转向推理，将计算资源部署到边缘位置将能降低延迟、减少带宽使用量并降低成本。边缘 AI 即将到来。您准备好了吗？现在 3 年80%20%训练 推理 AI 计算资源的使用情况来源：https:/www.fierce- 委托

3、Forrester Consulting 开展了一项调研，旨在调查美国、加拿大和墨西哥零售、媒体及电信行业中的云战略决策者和影响者对分布式云的兴趣，从而摸清向分布式云转变的情况以及这种转变对企业 AI 战略的影响。调研对象：163 位北美零售、媒体和电信行业的云战略决策者和影响者 资料来源：Akamai 委托 Forrester Consulting 于 2024 年 8 月开展的一项调研的云决策者和影响者认为，分布式云对于达成企业目标具有至关重要的作用76%|5受访企业表示，他们的首要任务包括加快数字化转型，提升使用数据及数据分析结果的能力，以及把握 AI 带来的机遇。然而，大多数受访者反映

4、，当前的云战略让他们不能自由 地在应用程序中实现实时的数据驱动型决策功能。除了架构复杂且缺乏支持外，还提到了另一些困难，包括：当前的云策略难以满足当今全球应用程序的 开发与交付需求额外存储与处理能力导致的成本60%高延迟导致的处理延迟56%|6面对可扩展性挑战，开发者需做出抉择：要么选择集中式纵向扩展，但可能面临资源过度配置的风险，并且地理分布不足还可能引发高延迟问题；要么利用轻量级功能和内容交付网络(CDN)服务进行横向扩展，但这可能会削弱应用程序的功能。分布式云架构将控制权重新交还给开发者，使他们能够根据实际需求设计架构，而不再受限于云平台的约束。为了达成个位数毫秒级的响应时间，我们需要为

5、核心的重计算任务增强处理能力，并为偏远地区提供更多容量。解决这些挑战可以从增加虚拟机或容器入手，但同样重要的是增加存储、数据库、消息传递能力以及网络吞吐量，特别是在应用程序依赖于跨多个云环境和类型的微服务时更是如此。集中式云在支持新兴 AI 应用程序上显现明显短板集中式云架构已无法满足当今实时、数据密集型全球应用程序的开发与交付需求。而 AI 推理旨在迅速（通常近乎实时）计算并输出可行的结果，以优化用户体验并降低 AI 的运营成本。受访者提到了在使用传统公有云基础架构和服务时面临的多项关键挑战，这些挑战阻碍了他们支持计算密集型、边缘原生应用程序的能力。提到的限制包括：性能和延迟限制48%48%

6、45%安全问题难以扩展计算能力 以满足需求|7分布式云计算与边缘计算的区别是什么边缘计算是一种在物理距离靠近生成或需要数据的最终用户和设备的位置处理数据和工作负载的做法。这种邻近性有助于减少必须高速或实时处理大量数据的应用程序的延迟。边缘计算往往采用不同的架构方法、专业协议及供应商，这一做法可能会增加操作复杂性，并使企业暴露于本调查所揭示的多种风险之中。相比之下，分布式云架构保留了边缘计算的优势，同时在我们从核心向边缘迁移的过程中，通过依赖相同的架构范式、技能组合和云基础组件，促进了 AI 应用程序的部署和管理。调研对象：163 位北美零售、媒体和电信行业的云战略决策者和影响者 资料来源：Ak