AI 基础设施的重心，正在悄悄挪动。过去两年，外界谈起AI算力，最常想到的是巨型数据中心、十万卡集群、几百兆瓦电力，以及亚马逊、微软、谷歌这些超大规模云厂商。但最新一笔大单提醒市场：AI 的下半场，不只发生在“超级数据中心”里，也会发生在离用户更近的边缘网络上。上个月，Akamai 在一季报中披露，一家“美国领先前沿模型提供商”承诺在未来七年内采购18亿美元(约122亿元人民币）云基础设施服务。这是Akamai 成立以来最大的一笔客户合同。公司没有直接点名客户，但彭博随后报道称交易方是 Claude 母公司 Anthropic，路透也跟进了这一说法；Akamai 与 Anthropic 均未对客户身份置评。资本市场很快给出了反应。Akamai 股价在消息公布后大涨，股价盘中一度上涨约28%，收盘报147.78美元，创下22年来最高单日涨幅。这笔18亿美元合同，平均下来每年约2.57亿美元。放在AI行业动辄数百亿美元的数据中心投资里，它不算最夸张。但它真正值得关注的地方在于：Anthropic 买的不是传统意义上的“训练中心”，而是 Akamai 正在转型中的分布式云和边缘推理能力。01从训练竞赛，到推理压力过去两年，AI 公司最缺的是训练算力。谁能拿到更多 GPU，谁就有机会训练出更大的模型、更强的多模态能力、更好的代码能力。于是大厂们围绕 GPU、土地、电力和机房展开竞赛，建设越来越集中的AI工厂。但模型训练出来之后，真正的成本压力才刚刚开始。用户每一次对话、每一次代码补全、每一次图片或视频生成，背后都是推理请求。训练是阶段性的，推理却是连续发生的。尤其当 AI 从聊天工具变成企业工作流、代码助手、客服系统、金融风控和医疗辅助时，用户不只要求“答得对”，还要求“答得快、不断线、成本可控”。Anthropic 自己也感受到了这种压力。Dario Amodei 曾表示，公司一季度收入和用量的年化增长达到80倍，远超内部原先10倍增长的预期。这意味着，Claude 不再只是少数用户尝鲜的聊天机器人，而是在更多开发者和企业场景中被高频调用。对这类应用来说，把所有请求都送回少数几个核心数据中心处理，再把结果传回全球用户，既会增加延迟，也会推高带宽和调度成本。所以，AI 推理正在从“中心化云”走向“中心+边缘”的混合架构。02Akamai被重新看见Akamai 并不是一家新公司。它最早以 CDN 起家，核心能力是把网页、视频、文件和安全能力分发到全球各地，让用户就近访问。过去，这种能力主要服务于网站加速、视频分发和 DDoS 防护；到了AI 时代，它突然有了新的用途。Akamai 在今年3月发布 AI Grid 时称，其系统可以在4,400多个边缘位置之间调度AI工作负载，把延迟、成本和性能放到同一个控制平面里优化。公司还表示，AI Grid会部署数千张NVIDIA RTX PRO 6000 Blackwell Server Edition GPU，用于支持智能体、物理AI、多模态推理等场景。这里需要澄清一点：这并不意味着 Akamai 会把完整的 Claude 大模型复制到全球每一个边缘节点上。更准确的说法是，Akamai 提供的是一个分层推理网络：边缘侧负责流量调度、缓存、轻量计算、安全策略和数据就近处理；区域或核心 GPU 集群承担更重的模型推理和多模态任务。Akamai 自己的Inference Cloud 介绍中也强调，请求会被路由到“最合适的GPU区域”，而不是简单地把所有计算都塞进每个边缘点。这恰恰是 Anthropic 需要的能力。当AI请求来自全球用户，尤其是代码生成、企业自动化、客服代理、金融与医疗等场景时，延迟、可用性、数据驻留和安全策略都会变得重要。边缘网络不能替代所有核心算力，但它可以把一部分推理链路前移，让用户感受到更快、更稳定的响应。03“去单一云绑定”正在成为AI公司的共同选择Anthropic 这次选择 Akamai，也不是孤立动作。它已经和AWS、Google Cloud 等巨头有长期合作。Anthropic 与亚马逊在2026年4月宣布扩大合作，计划获得最高5GW的新算力，并承诺未来十年在AWS技术上投入超过1000亿美元；此前，Anthropic 也扩大了对Google Cloud TPU的使用，Google 方面称其可获得最高100万颗TPU、超过1GW的算力容量。换句话说，Anthropic 并不是要“抛弃”中心化云，而是在搭一张多层算力网。训练仍然高度依赖大型集中式集群；高密度推理也离不开 GPU 核心区；但面向全球用户的在线推理、智能体应用、企业本地化交付，则需要更分布式的基础设施。Akamai 补上的，正是这块短板。这也是AI公司越来越现实的一面：模型能力固然重要，但在产品大规模上线后，真正决定体验和毛利的，往往是吞吐、延迟、调度效率和单位 token 成本。04Akamai的转身：从CDN老兵到AI基础设施供应商这笔大单对 Akamai 同样关键。一季报显示，Akamai总营收为10.74亿美元，同比增长6%；其中Cloud Infrastructure Services 收入为9500万美元，同比增长40%；而Delivery and other cloud applications 收入为3.89亿美元，同比下降7%。这组数据很能说明问题：传统内容分发业务已经不是增长主线，云基础设施和安全业务才是市场重新定价Akamai的理由。Akamai管理层在财报电话会上提到，这笔18亿美元合同相关收入将从四季度开始爬坡，四季度预计贡献2000万至2500万美元收入。为了支撑这位客户，公司预计未来12个月投入约8亿至8.25亿美元资本开支，其中约7亿美元会发生在2026年。这说明，边缘AI不是轻资产故事。它依然要买GPU、铺机房、扩网络、做调度系统，只是基础设施的形态从“少数超大中心”变成了“核心集群+区域GPU+边缘节点”的组合。Akamai 押对了，可能从老牌 CDN 公司变成AI推理时代的基础设施供应商；押错了，也会面临高资本开支、GPU折旧和需求兑现不及预期的压力。05边缘推理的机会与边界边缘推理当然不是万能解药。最大、最复杂的前沿模型，短期内仍然更适合在集中式 AI 工厂中训练和运行。Akamai 自己也承认，AI工厂仍然会是训练和前沿模型工作负载的最佳基础设施。但问题在于，AI 行业已经不只是在比“谁能训练出最强模型”。越来越多企业客户开始关心另一组指标：第一次返回 token 要多久？高并发下是否稳定？跨区域访问能不能保持体验？推理成本能不能压下来？数据能不能更靠近业务所在地？Akamai 在 Cloud Inference 发布时曾称，其方案可让AI推理吞吐提升至3倍、延迟降低最高60%、成本降低最高86%。这些数字来自 Akamai 自己的测试和宣传口径，不能简单等同于所有真实生产环境，但至少反映了它要切入的核心卖点：不是训练更大的模型，而是让模型更便宜、更快、更容易交付。这也是 Anthropic 押注 Akamai 的意义。AI进入大规模商业化后，竞争不再只发生在模型榜单上，也发生在基础设施账本里。谁能用更低成本服务更多用户，谁能在高并发下保持稳定，谁就有更大的产品化空间。06结语：AI基础设施开始分层这笔18亿美元大单，不意味着边缘计算会取代云计算，也不意味着所有大模型都会搬到用户身边。它更像是一个信号：AI基础设施正在分层。最底层，是用于训练和超大规模推理的AI工厂；中间层，是区域级GPU集群和云平台；再往外，是承担流量调度、缓存、安全、数据就近处理和轻量推理的边缘网络。过去，互联网把内容分发到了离用户更近的地方；现在，AI也在走同一条路。只不过这一次，被分发的不再只是网页、图片和视频，而是智能应用的响应能力。Anthropic 买下的，不只是 Akamai 七年的云服务，而是一条通往AI规模化交付的新路径。模型竞赛还会继续，但AI真正落地时，拼的可能是另一件事：谁能把“聪明”稳定、便宜、低延迟地送到每一个用户面前。
