在AI时代，数据不再静止不动。它会被复制、迁移、挖掘、重新训练，并分发到更多可用区、云和服务中，远超原有架构的规划范围。如果仍将多云网络理解为“选择主环境并在故障时切换”，就已经落后了。
AI打破了旧有模式。
一旦将大语言模型（LLM）或智能体AI引入技术栈，数据便不再是静态的，而是动态地在数据湖、数据仓库和推理端点之间持续流动。此时，您不再只是同步不同云之间的数据，而是要在分散的计算与存储网格中，编排高吞吐量、低延迟且受策略约束的复制循环。
而且，这一网状架构正在快速扩展，管理它所需的运维复杂性也随之增加。
Equinix与F5 Distributed Cloud CE：AI所需的多云骨干
Equinix的全球互连架构提供物理和虚拟基础，使多云能够大规模落地。F5 Distributed Cloud Services Customer Edge (CE)直接嵌入该生态系统，提供切实管控AI时代数据流所需的安全能力和应用层智能。
二者协同，不只是路由数据包，更能根据意图实施管控。
在Equinix中部署F5 Distributed Cloud CE后，企业可以：
- 在各云环境中实施统一策略，涵盖AWS、Azure和Oracle。流量在不同环境之间快速流动，因此一致实施策略不仅是一项目标，更是保障业务持续运行和满足合规要求的重要一环。对53%的组织而言尤其如此，他们向我们表示，安全策略不一致是管理多云环境时最令人困扰的问题。如果每个云环境实施的“安全”标准都略有不同，就会陷入被动。统一策略意味着更少的盲区、更快的审计，以及流量跨越云边界时仍能保持有效的策略。
- 终止并检查第7层（L7）流量，避免其到达敏感的推理端点。AI安全已成为各方高度关注的问题。要实现AI安全，需要能够结合策略上下文，大规模实时解密、规范化和评估传输中的有效载荷。这不仅仅是扫描不当词语，还要检查提示词注入、越狱尝试和不安全输出，同时不降低流量处理速度。要达到这种执行水平，需要具备完整协议感知能力的内联L7控制，而传统防火墙并非为此而设计。
- 在每个云的边缘实施速率限制、标头重写和身份验证，而不只是在云内部实施。如果控制措施要等到流量深入环境后才生效，就已经落后了。在边缘实施控制，可在滥用行为扩散前将其阻止，重写标头以符合下游要求，并确保每个请求在到达敏感工作负载前都经过身份验证。在速度至关重要且数据持续流动的多云AI管道中，将策略扩展到云边缘，有助于保持高效、安全和可控。
- 为日志记录、令牌检查和使用情况分析创建服务插入点，这在受监管的AI环境中尤为重要。AI工作负载会产生海量交互，其中许多交互默认并不透明。如果没有专门的可观测性检查点，企业就无法获得适当程度的可见性。通过以内联方式插入服务，可以捕获和分析提示词数据、检测异常或违规行为，并生成可供审计的日志。这并非传统的多云，而是运营型多云，具备真正的策略执行点和可重复使用的策略框架，而不是依靠临时拼凑的方案和路由映射。
跨云数据挖掘是一场安全噩梦
AI模型对数据需求旺盛。它们需要包含客户历史记录、财务记录甚至医学扫描影像的大型数据集，而这些数据往往十分敏感。此外，无论数据存储在何处，它们都需要访问这些数据。
这意味着，您的架构现在需要支持：
- 云提供商之间的主动复制
- 用于训练和再训练的跨云数据挖掘
- 根据工作负载特征和GPU定价路由推理调用
这些都无法与仅限边界的控制措施良好配合。
更棘手的是，大多数企业甚至无法清楚地看到这些数据流。嵌入SaaS平台的第三方AI工具或内部智能体工作流，正在催生影子数据管道。如果缺乏强大的流量检查和按云环境实施的分段隔离，只需一项IAM策略配置错误，敏感数据就可能被输入错误的模型，更糟的是，甚至可能被输入他人的模型。
在与Equinix互联的各个环境中部署Distributed Cloud CE，即可实现大多数AI架构目前仍无法做到的功能：
- 映射并记录AI驱动的数据流，全面掌握L7层流量
- 限制或阻止未经授权的复制事件，即使这些事件发生在受信任的云之间
- 在流中插入服务逻辑（例如令牌验证、地理位置屏蔽、日志记录）
- 将模型流量与标准应用流量分离，从而缩小影响范围，并提升取证准备能力
这正是现代多云环境所需要的。因为在AI时代，多云不仅关乎正常运行时间，还关乎治理、可追溯性和信任。
不只是追求速度
人人都追求速度。业务需要速度，消费者期待速度，AI也离不开速度。这意味着低延迟、高吞吐量和快速同步。但在AI领域，缺乏管控的速度可能导致安全漏洞。
将Equinix与F5 Distributed Cloud CE相结合，真正的优势不仅在于性能，更在于与策略保持一致的敏捷性。您可以跨云扩展推理、复制和数据挖掘，同时不影响安全性或可观测性。更重要的是，通过统一采用可部署在任何位置的平台，可以降低多云运营的复杂性。无需为每个提供商重新设计策略执行、日志记录或流量整形，而是可以在所有环境（包括核心、云、托管数据中心和边缘）中应用一致的控制，从而简化治理并推动业务增长。
这正是可扩展的AI与复杂度失控的AI之间的区别。
如需了解详情，请访问F5与Equinix网页。
关于作者
Lori MacVittie是F5首席技术官办公室的杰出工程师兼首席技术布道师，在应用交付、自动化战略和基础设施领域拥有深厚的专业知识。无论是为AI智能体定义防护机制、剖析脆弱的多云架构，还是探索可扩展系统的极限，她都善于化繁为简。她在应用开发、IT架构以及网络和系统运维领域拥有30多年的行业经验。加入F5之前，她曾担任技术编辑，并因出色表现获得奖项。 MacVittie拥有计算机科学硕士学位，著述颇丰，出版作品涵盖安全、云和企业架构领域。她还热衷于桌面游戏和电子游戏，并且对奶酪有着毫不掩饰的鲜明见解。
Lori Mac Vittie 的更多博客文章相关博客文章
Thingbot正转变为攻击平台
Lori MacVittie重点介绍了F5 Labs对2018年1月至6月全球物联网设备攻击的研究，并指出了其中令人警醒的影响。物联网设备不仅持续遭到利用，还被转变为攻击平台，这意味着攻击者可以更充分地利用这个必然增长的市场。
借助F5全新Quick Start，在AWS上快速开展业务
在AWS re:Invent开幕前，我们很高兴与大家分享F5与AWS之间全新的Quick Start集成。F5的Tom Atkins将介绍该服务如何启动、配置和运行在AWS上部署工作负载所需的计算、网络、存储及其他AWS服务。