您需要了解的可能不止三点，不过我们先从这三点开始，再逐步深入，好吗？
首先，需要明确的是，AI确实存在。没错，它被过度炒作了。没错，整个产品组合都被贴上了“AI”标签，就像十多年前所有产品突然都变成了“云”产品一样。但真正了解情况的人，也就是参与我们近期AI专题调查的决策者，都认为AI确实存在。
尽管大多数组织（69%）仍在研究相关技术和用例，但43%的组织表示已规模化部署AI，包括生成式AI或预测式AI。
有些令人不安的是，在已经实施某种AI的组织中，47%没有任何明确的AI战略，完全没有。如果说争相采用公有云的经历给了我们什么教训，那就是在没有战略的情况下贸然行动，日后必然会引发问题。
为帮助您制定这一策略，尤其是在了解其对运营和安全的影响时，我们整理了需要考虑的三个事项。
1. AI应用是现代应用
这本应是不言自明的，但仍有必要强调：AI应用就是现代应用。虽然模型是AI应用的核心，但“AI应用”还由许多其他组件构成，包括推理服务器、数据源、解码器、编码器等。
这些组件通常以现代应用的形式部署，即利用Kubernetes及其构造来实现可扩展性、调度乃至安全性。由于不同组件的资源需求各不相同，有些工作负载可受益于GPU加速，而另一些只需要普通CPU，因此以现代应用的形式部署更为合理，也能提供更大的灵活性，确保AI应用中的每个工作负载都能根据其特定的计算需求，以适当的方式进行部署和扩展。
这意味着，AI应用面临的许多挑战与其他现代应用相同。扩展和保护现有现代应用的经验，将有助于您以同样的方式扩展和保护AI应用。
战略要点：利用现有的应用交付和安全知识与实践，同时扩展方法，充分考虑AI应用不同组件可能存在不同的资源需求，例如，计算密集型任务需要GPU加速，而计算量较小的工作负载需要CPU资源。现代应用部署可根据各组件的具体要求灵活分配资源，从而优化性能和成本效益。
2. AI应用不同于现代应用
没错，我知道刚才反复强调了“它们是现代应用”这一点，但它们之间确实存在差异，而这些差异会影响架构、运维和安全。
首先，AI应用交换的是非结构化数据。这些提示词没有格式、长度或数据类型要求，而多模态LLM的快速普及只会让“请求”变得更加混乱。大多数AI应用会将提示词和响应封装在JSON有效负载中，从这个角度看，或许可以说它是结构化的。但事实并非如此，因为实际的有效负载并没有明确的定义。
其次，AI应用几乎完全通过API与模型通信。这意味着，以“人类”或“机器”作为基本访问判定标准的机器人检测解决方案将难以发挥同等作用。能够帮助区分“恶意机器人”和“良性机器人”的安全服务将成为任何AI战略的重要组成部分。对API的依赖也解释了为何在我们的年度研究中，我们发现，计划用于保护AI模型的首要安全服务是API安全。
最后，AI应用的交互模式通常具有动态性和多变性，难以预测。如今，安全服务通常会监测每个页面上的鼠标点击频率和输入速度是否存在异常，因为这些服务可以根据偏离既定人类平均标准的情况来推断“机器人”行为。但当用户使用对话式界面时，这种方法并不适用，因为用户输入、重新输入和提交问题的频率可能极不规律。鉴于目前许多安全解决方案（包括API安全解决方案）都依赖行为分析，因此需要进行一些调整。
战略要点： 要妥善治理AI应用，需要具备更多安全能力。应重新审视传统安全方法，因为这些方法可能无法充分识别对话式交互的细微差异。探索创新方法，例如实时监控交互模式，以及根据上下文线索采用自适应访问控制机制。充分认识API在实现与AI模型通信方面的关键作用。投资部署强大的API安全解决方案，以防范未经授权的访问、数据泄露和恶意攻击。
3. 不同的AI应用将使用不同的模型
正如多云最终成为现实一样，组织极不可能统一采用单一AI模型，因为不同模型可能更适合特定用例。
因此，平均每家企业已经在使用近3种（2.9种）不同的模型，包括开源模型和专有模型，这并不令人意外。按用例分析模型的使用情况时，我们开始看到一些规律。例如，在高度依赖企业敏感数据或创意的用例中，如安全运营和内容创作，采用开源模型的趋势十分明显。另一方面，在自动化用例中，Microsoft的使用率正在上升，这主要是因为它能够与许多组织现有的工具和流程集成。
理解这一点非常重要，因为交付和保护SaaS托管AI模型、云托管AI模型及自主管理AI模型所需的实践、工具和技术各不相同。尽管这些模型确实存在相似之处，尤其是在安全方面，但每种部署模式也存在显著差异，需要分别加以应对。
战略要点：分析组织内部的用例，识别不同AI模型的采用模式。考虑数据敏感性、集成能力以及与现有工具和流程的契合度等因素。根据每种部署模式的具体特点，制定相应的部署和安全策略。
构建、运营和保护AI应用需要考虑诸多因素，其中尤其重要的是模型安全性和可扩展性方面的各项新要求。不过，过去十年在核心、云和边缘环境中部署现代应用所积累的许多经验，仍可为组织提供有益借鉴。核心挑战并未改变，以同样严谨的方式扩展和保护AI应用，将有助于成功实施。
但是，如果忽视这些差异，在没有至少制定一套较为正式的策略来应对交付和安全挑战的情况下贸然行动，日后难免会令人失望。
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
2023年应用策略现状：成本与复杂性是推动多云网络发展的首要因素
多云网络解决方案可在核心、云和边缘环境之间实现无缝、安全的互联，为解决当今混合IT面临的挑战提供支持，因而备受业界关注。