借助F5和Google Cloud，轻松实现多云AI成功

F5生态系统 | 2026年2月10日

部署AI面临的主要挑战是，其核心要素（数据、AI模型和基础设施）通常分布在多个环境中。企业数据散布在各处，从边缘设备和边缘位置到数据中心核心均有积累，而包括GPU和张量处理单元（TPU）在内的算力则主要位于云端。更复杂的是，受数据主权法律限制，支持AI所需的数据有时只能存储在特定地区。

尽管面临这些挑战，仍有约四分之三（74%）的组织倾向于在混合多云环境中部署AI，Google Cloud的研究显示。连接多个云和本地环境会带来多项挑战，包括手动配置和协调不同云供应商的网络工具所需的大量工作，以及如何在整个数字环境中的AI模型与存储库之间实现无缝数据迁移。组织还必须保护通过大量API连接和环境传输的数据。

规划面向AI就绪的混合多云拓扑

要成功实施混合多云AI，需要遵循四项基本原则。当贵组织开始规划部署并梳理关键功能时，需要具备以下能力：

在多样化的分布式环境中自动建立安全的高性能连接。自动化是实现可扩展性的关键；所需的人工操作越少越好。
应用智能流量路由，识别AI不断变化的处理需求，并通过运行状况检查验证服务可用性。
在云、本地和边缘环境中一致实施安全策略，同时防范模型操纵和自动化滥用等AI威胁途径。
通过单一仪表板统一实现可视化和控制，并利用端到端遥测数据支持故障排除和优化工作。

在多云拓扑中启用这些功能后，您将能更有效地管理云成本，并保护业务免受新兴威胁。您还可以根据需要将数据移至任何位置，即使需要跨越云端与边缘之间的边界也不例外。这种数据可移植性也有助于更轻松地部署检索增强生成（RAG），从而提高AI模型的相关性，并减少潜在的幻觉。

坚实基础已然具备，可充分加以利用

开启多云AI之旅的组织无需从零开始。Google Cloud提供基础，F5则通过专门构建的解决方案进一步拓展其价值。F5 Distributed Cloud Services是一项基于SaaS的服务，可简化不同云端到边缘网络和环境之间的连接，让数据能够无缝传输到所需位置。集成式集中编排控制可轻松连接新环境、自动发现并保护API端点，还能通过统一界面管理与云供应商的关系。这套服务包括可感知AI的流量路由和速率限制，有助于提高采用GPU和TPU的高成本云资源的吞吐量，防止资源拥塞，并确保AI服务及时响应最终用户的请求。

“开启多云AI之旅的组织无需从零开始。Google Cloud提供基础支撑，F5则通过专门构建的解决方案进一步拓展其价值。”

协同保护AI应用和服务

解决连接和性能挑战后，安全性将成为阻碍AI成功应用的下一个重大难题。网络犯罪分子和机器人会窃取敏感数据和知识产权（IP），并通过分布式拒绝服务（DDoS）攻击向AI服务发送海量请求，推高云支出，从而削弱AI带来的价值。

Distributed Cloud Services通过行为分析区分合法用户与机器人，并阻止机器人访问，从而增强Google Cloud Model Armor。还可以将F5 AI Guardrails与Google Cloud结合使用，监控AI模型的输入和输出。这些解决方案协同防范提示词注入和模型投毒等模型操纵手段，并可自动检测和隐去AI提示词及响应中的机密数据和知识产权信息。

满足更高的安全和数据主权需求

许多组织使用公共互联网连接其环境并传输数据，但其中存在许多无法控制的变量，包括前文所述的网络威胁。还有一种更好的选择。F5 Global Network是一种专为AI和敏感数据设计的专用骨干网络，可提供高带宽、低延迟连接，并完全避免暴露于公共互联网。遍布全球的多个接入点还有助于将工作负载部署在特定地区，以满足数据主权要求。