网宿科技获年度AI产业应用领航奖，边缘AI布局从CDN迈向AIDN

边缘AI成AI规模化落地新支点

9月11日，全球边缘AI算力大会在北京举行。网宿科技凭借在边缘AI领域的持续布局与实践，获得“金算奖·年度AI产业应用领航奖”。会上，网宿科技边缘AI资深架构师陈云辉分享了公司从“流量管道”到“分发智能”的演进路径、能力体系及未来展望，并指出随着AI应用深入，网络流量结构正在发生变化。

一次业务请求背后，可能不再只是打开网页或播放视频，也可能涉及模型调用、Token生成以及多个Agent协同完成任务。陈云辉认为，网络基础设施需要解决的核心问题并未改变，即让服务更高效、更稳定地抵达用户。区别在于，CDN时代解决的是“让内容离用户更近”，而Token时代需要实现“让智能离用户更近”。

在CDN时代，网宿科技通过将网站、图片、视频等内容部署至靠近用户的边缘节点，并借助智能调度系统选择更优传输路径，应对突发流量。进入Token时代，模型推理对算力提出更高要求，算力分布在不同地域和节点，用户请求也呈现明显波峰波谷，系统需要在模型与算力之间精准匹配，并在响应速度、资源成本和服务稳定性之间实现平衡。同时，还需通过故障检测、自动切换等机制保障服务连续性。陈云辉表示，这些正是网宿科技长期积累的核心能力。依托二十多年边缘节点运营经验、智能调度能力及全链路安全防护体系，网宿科技正将服务对象从“内容”拓展至“智能”，推动业务能力从“内容传输”向“智能分发”延伸。

边缘AI网关构建企业统一入口

网宿科技将边缘AI网关定位为企业AI化的统一入口。企业通过边缘AI网关可接入200多个模型，并根据业务需求调用模型、启用安全能力，以及配置智能调度和缓存策略。陈云辉表示，网宿科技希望通过生产侧和运营侧的持续优化，让每一次用户请求都能得到高效、稳定、经济的响应。

目前，网宿科技围绕边缘AI网关重点构建三方面能力。

• 智能路由与多模型融合：Auto可根据任务复杂度、成本约束和实时负载等因素，自动匹配适合的模型，在响应效果与使用成本之间实现动态平衡。Fusion则在网关层支持多模型并发、独立推理和结果共识提炼，通过组合不同模型能力，提升输出结果的稳定性与可靠性，并降低企业自建多Agent系统的开发和运维成本。

• 分层调度与算力闲时复用：网宿科技通过分层算力架构，由边缘节点承接轻量级实时推理，区域GPU资源承接中等规模任务，中心集群承接复杂批量推理。在此基础上，结合跨时区、跨客户和跨业务的错峰调度，提升算力资源利用率，减少资源闲置及峰值扩容带来的成本压力。

• 安全防护与统一治理：在安全方面，网宿科技构建了涵盖入口防护、网关管控、AI防爬和持续安全运营的边缘AI安全体系。在治理方面，通过统一AI治理（UAG），对AI应用的成本、安全和责任进行统一管理，提升企业AI应用的可控性与可持续性。

Token工厂与规模化落地关键

除边缘AI网关外，网宿科技还在持续探索Token生产与算力运营能力。据介绍，在江苏常州和浙江海宁，网宿科技正联合产业链伙伴共建城市级绿色Token工厂，围绕绿电供给、算力调度和Token标准化服务等环节，探索绿色化、标准化Token服务能力。在推理服务方面，网宿科技持续推进推理引擎优化，并探索算力闲时复用机制，以提升推理效率和资源利用率。陈云辉表示，通过生产、调度与优化环节的自动化闭环，最终形成“模型优化推理服务、推理服务承载模型”的能力循环。

随着AI应用从单轮问答向Agent、A2A（Agent to Agent）等复杂交互演进，单个任务涉及的模型调用和工具调用次数持续增加。与此同时，AI Coding等应用逐步实现商业化，多模态生成领域需求也在快速增长。陈云辉表示，随着Token消耗规模扩大，Token交付的市场空间将进一步拓展；随着业务对响应时延提出更高要求，边缘节点在就近计算和低时延服务方面的价值也将进一步凸显。

在多模态应用中，AI视频生成是网宿科技重点关注的方向之一。与语言大模型相比，部分视频模型参数规模相对较小，更适合在边缘节点部署。同时，视频生成、审核和推流通常需要在秒级时间窗口内完成，对就近计算能力和低时延网络链路提出更高要求。目前，网宿科技已围绕H3等开源视频模型开展定制化优化。据介绍，经过优化后，5秒视频的生成时间已由28秒缩短至3至4秒，实现生成速度快于播放速度，可为实时直播等场景提供支持。

陈云辉表示，模型决定生成效果的下限，而能否实现规模化落地，取决于模型之上的调度能力、成本控制和合规保障。这正是网宿科技从CDN向AIDN演进的核心机遇。