AI推理加速演进：云计算的变迁抉择

21世纪经济报道记者骆轶琪 广州报道

开源大模型的高效迭代，让AI发展趋势正加速从AI训练转向AI推理，同时有更多小模型应用落地需求出现，这些趋势正对云计算市场产生深远影响。

近日，Akamai副总裁暨大中华区总经理李昇在接受21世纪经济报道等媒体采访时表示，咨询机构IDC指出，未来AI推理的市场规模预计将达训练需求的十倍以上。目前有越来越多企业意识到，针对垂直应用场景的小模型部署，是未来潜力更大的需求所在，这就需要云计算企业有分布式、低延时、灵活部署的基础架构。

“Akamai看到一些共性，就是未来在‘云’的生态中，通过对去中心化、基于边缘的能力加强来解决用户在业务方面的各种痛点是大趋势。”他进一步分析道，“因此边缘端原生应用未来会有更高成长率和更大潜力。目前可移植的混合云、多云策略已经被绝大多数企业客户所接受，他们正在探讨如何执行多云战略，从而更符合公司的业务发展特性。”

推理需求激增

今年初DeepSeek的出现，显然正在推动AI推理市场快速发展，但此前不少企业着力于发展AI训练，如何更好应对当下趋势正备受关注。

Akamai亚太区云计算专家团队负责人李文涛告诉21世纪经济报道记者，在与客户探讨AI趋势过程中，不少公司CTO反馈，“前几年花了很多时间在练好内功，把模型训练好、调整好，但在推理方面着实有些准备不足。”

“因为与训练数据中心不同，推理过程需要考虑更多细节点。”他进一步分析道，例如在推理效率方面，如何把服务变成可赢利的商业服务，此外还有推理可扩展性、合规性等。“真正把AI变成运营级服务，需要有更多考虑。除了算力本身，还包括数据管理，简化、容器化的边缘运维、边缘计算等能力。”

李昇也指出，行业投资重心会越来越多转向推理，而不仅是训练。“推理效率主要是根据推理模型的吞吐量、时延和成本去做综合评估。举例来说，Akamai的AI推理服务帮助企业提供了3倍推理吞吐能力，降低了60%的推理时延。”

“大语言模型的特点是规模庞大，但对硬件要求很高。但我们发现不一定所有问题都需要大模型解决，我们有几乎八九成的用户都在用小模型解决具体问题；反而对大模型，整个业务还处在探索阶段。”他进一步举例道，有亚太区客户主要做智能客服语音应答和聊天机器人，其多语言交谈功能背后的翻译工作，就是采用专属小模型来完成。

因此他指出，在实际生产环境中，小模型的采用度或商业化程度更高。对于时延、用户体验非常敏感的领域，小模型反而更适合部署在边缘来提供服务。“Akamai观察到，边缘原生应用已成为云计算的重要增长点。我们的分布式架构覆盖全球130多个国家、超4200多个边缘节点，可提供低至10毫秒的端到端时延。”

加速应用落地

今年被业界视为AI推理加速落地之年，随着大模型应用进入深水区，企业对推理效率、成本及安全性的要求持续攀升。

李文涛指出，边缘推理可以在更靠近终端用户的地方运行AI应用程序和数据密集型的工作负载，原因在于，推理越靠近用户、越靠近数据源，用户体验越好、效率越高；此外，部分客户有“数据主权”问题，希望数据不要离开本地，对隐私保护也有更好效果；以及在公有云和互联网上数据传输成本很高。

整体来看，李文涛分析，对于越来越受欢迎的“慢思考”模型，这类AI推理对云计算成本提出的压力更大、资源使用更多，也会迫使企业考虑，如何更多地优化服务、提高成本效率。

“我们希望客户选择合适的Workload（工作负载）部署在最合适的‘云’上。‘慢思考’和‘快思考’可能适合部署在不同的云的环境里。我认为未来推理也是边缘和核心推理、慢思考和快思考推理、大模型推理和小模型推理结合的形式演进。”他续称。

在应用方面，Akamai团队看到越来越多中国企业在出海过程中嵌入AI推理能力。例如商旅行业，借助AI技术为客户制作非定制化行程建议。