在過去半年，我與亞洲各地的客戶、合作夥伴和政府交流時，AI一直是討論的核心主題。各企業渴望利用AI來增強競爭力、簡化營運流程、加速創新週期。他們將AI視為從資料中獲得洞見、改善決策的關鍵工具，協助解決可擴展性和勞動力增強等挑戰。
對亞太地區各國政府來說，AI的重要性更是不能忽視。AI被視為經濟成長的基石，它可以創造更智慧的城市、優化公共服務和促進數位經濟。AI能實現基礎設施升級、提升國家安全，並在新興技術領域創造高價值就業機會。
地緣政治因素也推動了這一進程的迫切性。各國都致力於在AI研究和開發中居於領先地位，同時確保對關鍵技術、資料和基礎設施的控制。對數位主權的追求不僅保障國家的獨立性和創新能力，也鞏固AI作為推動策略成長增長的核心驅動力的地位。
然而，令人擔心的是：全球很大一部分AI處理晶片仍在亞太地區以外，主要是位於美國的資料中心。對政府和企業來說，隨著AI成為商業和國家戰略的基礎要素，各國愈來愈無法接受數位主權需要依賴其他國家。為了應對需求，AI工廠正迅速地在亞洲各地區崛起，在台灣，包括鴻海、台達電、和碩、緯創、巨大集團都在打造AI工廠。這些建設都是減少對美國基礎設施的依賴，並實現可擴展、自主的AI營運。它們代表著向策略自主的轉變，提供本地化創新並能夠適應區域需求。
在我看來，亞洲急於建設這些先進工廠的過程中，也揭露更深層的系統性基礎設施挑戰，這些挑戰現在才開始變得更清晰。
超越傳統資料中心
將AI工廠稱為「資料中心」過於簡化它的複雜性。這些計算中心所消耗的能源，相當於一個小社區的能源，在高峰運行時甚至相當於整個城市區域的能量。
在人口密集且電力容量有限的地區，滿足這樣的能源需求尤其具有挑戰性。許多國家利用太陽能、水力和地熱等再生能源來解決這個問題。這種方法減輕了電網壓力，確保可擴展性並符合永續發展目標。此外，它還透過減少對進口石化燃料的依賴來增強能源安全，將這些地區成為永續AI生態系統的先驅。
冷卻這些設施是另一個挑戰。傳統的空氣冷卻系統無法應付人工智慧工作負載產生的熱量。從半導體設施改而來的液體冷卻系統，成為改變遊戲規則的新技術，使資料中心的設計更加高效、更具前瞻性。在熱帶氣候中，這種轉變對於生存至關重要。
AI 營運的新架構
AI工廠協調運算中心、本地AI模型和商業應用之間的大量資料流。這種混合架構受到亞洲的監管環境、多元化市場和業務優先事項的影響。
一個變革趨勢是資料引力，它正在重塑AI基礎設施。與雲端時代將資料發送到遠端集中資源不同，AI時代強調將運算資源靠近資料本身。透過本地化大型語言模型等功能，企業可以確保遵守資料主權法，同時隨時掌控即時洞察。
這種鄰近性減少了延遲並最大化降低資料移動的成本，使行業能夠更快地創新。金融機構以接近零延遲處理交易，醫療保健提供者即時分析影像資料集，製造商在生產線上直接優化品質控制，這全部維持集中監督狀態下進行。
建立基礎
建立無縫的AI工廠不僅需要先進的硬體。根據我的經驗，他們的成功取決於解決關鍵的技能差距。克服基礎設施挑戰需要重建網路、儲存和混合系統的專業知識，以有效地支援這些複雜的環境。在過去十年中，許多企業將這些技能放到次要需求，轉而專注於雲端管理。然而，隨著混合架構的興起，這些深厚技術知識必須重新回到首要地位。
為了彌補這一差距，企業越來越多地轉向複雜的應用交付系統，將AI與業務營運相結合。這些系統不僅是流量管理的範疇，它們確保了可靠性、安全性和大規模性能。它們智慧地路由資料，優化資源使用，並確保遵守法規框架。
根據我們在亞太區的經驗，成功的企業始終優先考慮AI基礎設施中的三項關鍵能力：
一、智慧應用管理 :
順暢的資料流對於AI工廠來說至關重要。先進的流量管理能夠動態分配資源，確保混合環境中的效能和可靠性。這些系統平衡工作負載，優先處理需要及時反應的工作減少延遲，並提供資料模式洞察以預測可能的瓶頸，避免問題產生。
二、先進的安全控制
AI系統面臨獨特的安全挑戰，從資料外洩到惡意輸入。強大的控制措施，如加密、活動監控和即時資料清理，對於保障安全極為重要。治理架構確保AI的道德使用、透明度和問責制，並在高風險環境中保護企業免受威脅。
三、API 管理:
AI模型與業務系統之間的無縫整合釋放了AI的全部潛力。 API 管理可確保安全通訊、監控效能並支援跨雲端、邊緣和本機環境的複雜工作流程。自適應API編排進一步實現了系統之間的動態交互作用。
未來之路
在AI時代，成功並不在於最大的AI模型或最強的處理能力，而是在複雜環境中協調無縫資料流。AI工廠不僅僅是基礎設施；它們是自給自足的數位經濟的基礎。亞洲擁有多元化的市場和人才，具有獨特的優勢來引領這一轉變。透過優先打造具彈性、可擴展的AI基礎設施，亞太區可以推動創新，促進合作，並賦能當地人才應對區域挑戰的能力。
本文為投稿文章，不代表社方立場。作者：F5亞太區、中國和日本（APCJ）首席技術長 Mohan Veloo。