車東西（公眾號(hào)：chedongxi）
作者 ｜ Janson
編輯 ｜ 志豪

在人工智能技術(shù)規(guī)模化落地的背景下，企業(yè)基礎(chǔ)架構(gòu)的職能正在發(fā)生轉(zhuǎn)變。

車東西1月14日消息，專注多云應(yīng)用安全和應(yīng)用交付服務(wù)的企業(yè)F5，日前在北京舉行了媒體溝通會(huì)，系統(tǒng)性介紹了企業(yè)的最新進(jìn)展。

F5近期發(fā)布的《2025年應(yīng)用策略現(xiàn)狀》顯示，全球96%的企業(yè)已開始部署AI模型，并預(yù)測(cè)未來(lái)三年內(nèi)80%的應(yīng)用將實(shí)現(xiàn) AI 賦能。隨著AI應(yīng)用對(duì)海量數(shù)據(jù)處理、復(fù)雜流量調(diào)度以及實(shí)時(shí)響應(yīng)的需求日益增加，傳統(tǒng)的IT架構(gòu)面臨著成本上升與安全風(fēng)險(xiǎn)加劇的雙重挑戰(zhàn)。

在2025年2月，F(xiàn)5正式發(fā)布了“F5應(yīng)用交付與安全平臺(tái)”（Application Delivery and Security Platform，簡(jiǎn)稱ADSP）。

該平臺(tái)將高性能負(fù)載均衡、流量管理與應(yīng)用及API安全能力整合進(jìn)統(tǒng)一的系統(tǒng)。

對(duì)于正處于軟件定義轉(zhuǎn)型期的汽車行業(yè)而言，這種技術(shù)底座的整合為車聯(lián)網(wǎng)數(shù)據(jù)處理與后端算力調(diào)度提供了標(biāo)準(zhǔn)化的支撐方案。

一、ADSP平臺(tái)集成發(fā)布 支撐車企軟件定義汽車發(fā)展

過(guò)去，車企通常需要分別部署負(fù)載均衡設(shè)備與各類安全網(wǎng)關(guān)，但在AI驅(qū)動(dòng)的業(yè)務(wù)邏輯中，數(shù)據(jù)的高頻交互和安全威脅的語(yǔ)義化特征要求交付與安全必須實(shí)現(xiàn)更緊密的耦合。

ADSP平臺(tái)支持在本地?cái)?shù)據(jù)中心、虛擬化環(huán)境以及云端等多種形態(tài)下部署，并通過(guò)統(tǒng)一API驅(qū)動(dòng)架構(gòu)實(shí)現(xiàn)策略的一致性。

這種設(shè)計(jì)思路主要為了解決運(yùn)維碎片化的問(wèn)題，使企業(yè)能夠在不增加架構(gòu)復(fù)雜度的前提下，應(yīng)對(duì)AI模型帶來(lái)的高并發(fā)流量。

F5應(yīng)用交付與安全平臺(tái)（ADSP）通過(guò)整合高性能負(fù)載均衡、多云連接以及 Web 應(yīng)用與 API 保護(hù)（WAAP），為車企應(yīng)用提供了全生命周期的自動(dòng)化支持。

▲F5應(yīng)用交付與安全平臺(tái)（ADSP）

首先，F(xiàn)5實(shí)現(xiàn)了交付與安全的深度集成，平臺(tái)打破了原有產(chǎn)品線之間的隔閡，使得車企IT團(tuán)隊(duì)能夠通過(guò)單一平臺(tái)管理每個(gè)應(yīng)用的性能與安全性。

這種一體化設(shè)計(jì)提升了跨環(huán)境運(yùn)行的運(yùn)維效率，并能提供更精準(zhǔn)的流量分析與洞察，幫助企業(yè)優(yōu)化應(yīng)用表現(xiàn)。

此外，F(xiàn)5的平臺(tái)引入了基于自然語(yǔ)言交互的NGINX One AI 助手和BIG-IP AI助手。

這些工具能夠輔助運(yùn)維團(tuán)隊(duì)自動(dòng)生成并驗(yàn)證iRules代碼，識(shí)別安全異常，從而減少手動(dòng)配置可能帶來(lái)的錯(cuò)誤。

與此同時(shí)，為支撐AI訓(xùn)練與推理的高吞吐需求，F(xiàn)5推出了VELOS CX1610機(jī)箱與BX520 400Gbps刀片。

該系列硬件具備超低延遲特征，能夠滿足AI數(shù)據(jù)密集型工作負(fù)載。

可以說(shuō)，通過(guò)這些功能，ADSP平臺(tái)將復(fù)雜的底層運(yùn)維轉(zhuǎn)化為自動(dòng)化流程，使車企的技術(shù)團(tuán)隊(duì)能夠?qū)⒏嗑ν度氲紸I業(yè)務(wù)邏輯的開發(fā)與優(yōu)化中。

二、對(duì)話F5業(yè)務(wù)高管 解析F5的汽車行業(yè)實(shí)踐

在本次溝通會(huì)中，F(xiàn)5中國(guó)區(qū)新行業(yè)解決方案總監(jiān)、資深架構(gòu)師謝乾屹詳細(xì)分享了F5如何在汽車行業(yè)落地AI技術(shù)，并接受了包括車東西在內(nèi)的媒體群訪。

▲F5中國(guó)區(qū)新行業(yè)解決方案總監(jiān)、資深架構(gòu)師 謝乾屹

以下是四個(gè)具有代表性的技術(shù)探討，車東西在不改變?cè)獾幕A(chǔ)上進(jìn)行摘編：

Q1：汽車行業(yè)正在推進(jìn)自動(dòng)駕駛和 AI 上車，F(xiàn)5 在其中扮演什么角色？

謝乾屹：F5主要聚焦在“后端”和“云端”。目前汽車行業(yè)面臨推理應(yīng)用大爆發(fā)，車輛拍攝的海量視頻和圖像需要回傳到數(shù)據(jù)中心進(jìn)行模型訓(xùn)練，數(shù)據(jù)量已達(dá)PB級(jí)。

在這種場(chǎng)景下，存儲(chǔ)網(wǎng)關(guān)往往成為數(shù)據(jù)吞吐的瓶頸。F5的解決方案分布在邊緣節(jié)點(diǎn)、接入層和算力中心，通過(guò)提供高性能的存儲(chǔ)網(wǎng)關(guān)支撐大規(guī)模數(shù)據(jù)的調(diào)度與匯聚。

Q2：如何解決AI智算中心GPU資源浪費(fèi)和請(qǐng)求排隊(duì)的問(wèn)題？

謝乾屹：傳統(tǒng)的負(fù)載均衡無(wú)法感知AI推理任務(wù)的資源消耗。為此我們推出了TBLB（基于Token感知的負(fù)載均衡）技術(shù)。它可以實(shí)時(shí)感知后端GPU的利用率、Token生成情況及隊(duì)列排隊(duì)狀態(tài)。

在某大型車企的實(shí)測(cè)中，該技術(shù)將首次啟動(dòng) token 的時(shí)間（TTFT）降低了95%以上，并顯著平衡了多臺(tái)GPU服務(wù)器的負(fù)載。通過(guò)提升30%-60%的GPU整體利用率，直接為企業(yè)節(jié)省了高昂的算力硬件投資。

Q3：多云架構(gòu)如何保證車聯(lián)網(wǎng)業(yè)務(wù)的連續(xù)性？

謝乾屹：車聯(lián)網(wǎng)業(yè)務(wù)如果只接入單一云商，一旦該云發(fā)生故障，可能導(dǎo)致車鑰匙失靈等嚴(yán)重后果。但接入多云時(shí)，不同云商的安全能力和配置管理方式又存在巨大差異。

F5的價(jià)值在于提供一個(gè)中立的、跨云的應(yīng)用交付與安全能力層。無(wú)論車企使用哪種云，都能應(yīng)用一致的安全策略和調(diào)度規(guī)則，構(gòu)筑起穩(wěn)固的多云多活架構(gòu)。

Q4：AI模型面臨的安全威脅有何特殊之處？F5如何應(yīng)對(duì)？

謝乾屹：現(xiàn)在的攻擊已從傳統(tǒng)的邏輯攻擊轉(zhuǎn)向“提示詞注入”等語(yǔ)義攻擊。F5引入了“AI紅隊(duì)”和“AI防護(hù)欄”。

紅隊(duì)利用AI能力主動(dòng)尋找模型的潛在漏洞并生成評(píng)估報(bào)告；防護(hù)欄則通過(guò)一個(gè)小模型來(lái)監(jiān)測(cè)主模型的輸入輸出，攔截不合規(guī)的內(nèi)容。

此外，針對(duì)未來(lái)的量子計(jì)算風(fēng)險(xiǎn)，F(xiàn)5也是業(yè)內(nèi)首家支持PQC（后量子加密算法）的網(wǎng)絡(luò)廠商。

結(jié)語(yǔ)：F5構(gòu)筑智能時(shí)代的數(shù)字底座

F5發(fā)布的ADSP平臺(tái)是其應(yīng)對(duì)AI時(shí)代混合多云架構(gòu)挑戰(zhàn)的答卷。

通過(guò)將應(yīng)用交付與安全功能進(jìn)行深度整合，F(xiàn)5為企業(yè)提供了一套能夠適應(yīng)高并發(fā)、低延遲需求的技術(shù)架構(gòu)。

從行業(yè)發(fā)展的趨勢(shì)來(lái)看，隨著汽車、金融等領(lǐng)域?qū)I(yè)務(wù)連續(xù)性和算力優(yōu)化要求的不斷提高，基礎(chǔ)架構(gòu)的演進(jìn)已成為企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵環(huán)節(jié)。

這種向集成化、智能化方向的轉(zhuǎn)變，將為AI技術(shù)在復(fù)雜汽車行業(yè)中的廣泛應(yīng)用提供更加可靠的底座支持。