生成式人工智能的蓬勃发展正深刻改变着各行业格局，为技术创新、业务流程自动化以及客户交互体验开辟了全新路径。阿卡迈与IDC联合发布的最新研究报告显示，在受访企业中，高达79%认为生成式AI已对其业务产生颠覆性影响，或将在未来18个月内带来显著变革。其中，37%的企业已将生成式AI投入生产环境，61%的企业则处于技术测试或概念验证阶段。
随着生成式AI等新型AI技术的普及，边缘服务逐渐取代传统云服务成为行业焦点。报告预测，到2027年，80%的首席信息官将采用边缘服务架构。边缘服务通过将计算、存储和网络功能从云端数据中心迁移至网络边缘节点，如路由器、交换机或专用服务器，显著缩短了数据传输距离。这种分布式计算模式在性能需求和安全性方面展现出独特优势。
从性能角度看，智能驾驶、物联网等AI推理服务对实时性要求极高。边缘服务通过靠近用户端的数据处理，减少了传输延迟，确保了关键场景下的快速响应。例如，在智能驾驶中，车辆需实时处理传感器数据并做出决策，边缘服务可保障数据处理的及时性，从而提升行车安全。在安全性方面，边缘服务允许企业在本地或用户设备侧完成数据处理，避免了数据传输过程中的安全风险，更好地保护了用户隐私。
然而，边缘服务的推广也面临挑战。阿卡迈亚太区云架构师团队总监李文涛指出，全球尚无云厂商能覆盖所有边缘场景，因此“多云”策略成为关键。企业需选择兼容性强的边缘服务，以满足AI应用对性能、实时性和数据隐私的要求，同时构建完整的端到端平台以支撑创新业务。
在中国市场，边缘计算的部署既带来机遇，也伴随挑战。报告将生成式AI在边缘的部署列为最普遍的场景，其次是预测式AI、视频处理等。中国企业通过边缘计算可更好地拓展海外市场，提供低延迟、高可靠的服务，增强全球竞争力。例如，出海企业可利用边缘计算满足当地用户需求，提升用户体验。
但挑战同样不容忽视。报告显示，中国企业出海常面临合规性和数据隐私保护问题，尤其在AI推理涉及用户数据交互的场景下。企业需确保在用户本地或本国完成AI服务，以满足“数据不离境”的合规要求。边缘计算的实际应用还需解决网络连接、数据传输等技术问题，以确保稳定运行。
AI安全风险也是企业关注的重点。阿卡迈北亚区技术总监刘烨表示，AI安全主要来自两方面：一是大模型交互与调用中的风险，如API接口的安全隐患；二是大模型本身的新风险，如“提示词注入”攻击。企业需加强API及大模型交互的安全防护，避免引入明显时延。
在“多云”管理方面，49%的企业因复杂性难以有效管理环境。报告建议，企业可优先考虑云化部署，以应对GPU更新换代迅速等遗留基础设施问题。生成式AI的快速发展使边缘服务从辅助选项变为战略必需，企业需通过技术手段实现多云间的网络连接和AI负载的无缝传输。
随着生成式AI与边缘计算的结合，中国企业在出海时已不再单纯追求成本优势，而是希望在智能化体验和服务实时性方面建立竞争壁垒。这种转变不仅反映了技术发展的趋势，也体现了企业对全球市场需求的深刻洞察。
