2026年，探索AI的应用落地已经成为企业的重中之重。然而，在这一转变的过程中也带来了前所未有的挑战：混合多云环境的复杂性让运维团队疲于“救火”，AI推理服务的规模化部署暴露出安全与管理的巨大缺口，而海量数据的高效、安全流转则成为制约AI性能的瓶颈。
2026年这个夏季，F5通过“F5 for AI，AI for F5”系列活动，系统性地阐述了其应对这些挑战的完整战略，清晰地勾勒出F5在AI时代的布局：通过F5 应用交付与安全平台（ADSP）为企业提供从智能运维、安全治理到数据加速的全方位支撑，助力其在AI浪潮中稳健前行。
从ADC到ADSP，重新定义AI时代的应用交付
进入AI时代，企业面临的不再是单一的技术挑战，而是混合多云环境的复杂性、AI应用的性能瓶颈以及日益升级的智能化安全威胁三者叠加的复合难题。F5的应对之道，是将传统的负载均衡产品升级为应用交付与安全平台（ADSP）——一个能够将高性能负载均衡、智能流量管理与先进的应用及API安全能力深度集成于一体的平台化解决方案。
在主题为《当推理成为基础设施：你的AI运营准备好了吗？》的直播中，F5亚太区技术副总裁张振伦与F5中国区产品及解决方案总经理陈亮共同解读了《2026年应用战略现状报告》。报告显示，78%的组织已自主运营推理，77%的受访者将推理视为主要AI活动，88%的企业报告面临重大挑战，平均每个企业使用7个模型，72%的企业尚无单一AI管理控制点。
张振伦指出，AI推理正从实验走向生产，Token为王、loop engineering、多模型多模态成为常态，模型编排正在成为新的基础设施。ADSP正是面向这一趋势的统一平台：通过AI网关实现多模型聚合、监测与智能路由，让企业在多模型、混合多云环境中获得统一、可控、可扩展的应用交付与安全能力。
陈亮则始终围绕中国企业的实际处境展开探讨。他从企业拥抱AI的三阶段历程切入：第一阶段用API调用公有云算力模型做尝试；第二阶段因合规要求、敏感数据不能上云，企业要在自己数据中心构建以保证安全可控；第三阶段模型发展快，自建投入成本高、交付周期长，于是变成混合使用——既自建算力和模型，又在网上用非敏感数据业务场景，形成非常混杂的环境。陈亮的这一判断，直接解释了为什么中国企业需要ADSP这样的统一平台：不是选择单一架构，而是在混合多云与异构算力并存的环境中实现统一交付与安全。
此次直播对话，很好地解释了ADSP的定位：它既不是ADC的功能叠加，也不是脱离现实的平台概念，而是面向Token经济、以统一交付与安全底座承接AI推理运营的系统性答案。
用AI对抗AI，构建大模型时代的全新安全范式
随着AI应用从模型训练走向大规模推理与多智能体协同，安全威胁的形态正在发生深刻变化。提示词注入、数据泄露、越权访问、模型窃取等新型攻击手段层出不穷。传统安全机制难以覆盖此类新型风险。攻击不再依赖固定特征，而是基于语义和上下文动态生成。在AI时代，安全体系必须从规则驱动升级为基于模型理解与行为分析的智能防护体系。
F5的AI安全战略不是给传统WAF加一个AI插件，而是从底层重构安全逻辑——用模型理解模型、用AI调度AI能力，构建能够随攻击方式进化而自动演化的动态防御体系。围绕AI红队、AI护栏、虚拟补丁、API安全、智能体身份与权限管控等能力，F5帮助企业在模型前端、智能体前端和AI应用前端建立防护。
陈亮在直播中分享的案例也警示企业：员工将会议信息送入外部AI环境可能导致机密泄露，韩国电信企业因敏感数据泄露付出巨额罚单，甚至有红队仅用20美元Token、20分钟便发现AI平台API漏洞并实现数据库提权。安全必须先行，AI护栏、红队测试与统一控制平面不是可选项，而是保障AI业务连续性的基石。F5正以统一控制平面、跨模型权限可观测体系和安全护栏，帮助企业在享受AI红利的同时，不必以安全为代价。
陈亮指出，AI时代的模型安全、智能体安全已成为新的“必须修复的问题”。F5通过AI红队帮助客户发现AI智能体执行风险、模型不当输出以及提示词注入导致的数据泄露；发现风险后，再以虚拟补丁在AI护栏上及时修复，并在模型前端、智能体前端、AI应用前端套上一层AI安全防护护栏。
张振伦同时强调，30年来F5专注于流量管理的TMOS基因，正是把流量感知能力延伸到AI风险感知的底层优势：通过统一控制平面、跨模型权限可观测体系和安全护栏，把AI应用、模型与智能体都纳入可视、可控的防护体系。他透露，F5的安全护栏在中文环境下的有效性甚至优于中国本地厂商，在韩文环境中也比韩国本地产品效率更高，这得益于30年流量可视化与智能化分析的积累。
从被动救火到主动运维，赋能混合多云环境下的智能可观测性
在混合云与多云架构成为企业标准运营模式的今天，应用环境的复杂性急剧攀升。性能与安全盲区、故障排查效率低下、用户停服风险高等问题，使得传统运维团队难以实现高效、可扩展的管理。
在主题为《从被动救火到主动运维：F5 Insight赋能混合多云环境下的智能可观测性》的讲座中，F5解决方案顾问纪柯凌系统介绍了F5全新产品F5 Insight如何将BIG-IP遥测数据转化为覆盖应用、服务及底层基础设施的全局可观测智能。
纪柯凌表示，F5 Insight的核心逻辑是“从data到decision” “从猜问题到直接给答案”，不让用户淹没在海量日志中自行分析，而是直接给出结论和原因。
F5 Insight通过专家级仪表盘、健康评分卡、异常检测与主动告警，帮助团队快速判断应用健康状态，在异常发生时迅速定位根因、缩短MTTR；通过MCP支持与主流大语言模型集成，让团队以自然语言交互获取AI生成的运维叙事与专家级优化建议；通过AI Data Fabric（AIDF）将应用流量遥测数据纳入分析上下文，不仅关注F5设备与流量，也关注其上运行的应用状态。
在讲座中的演示环节我们看到，用户可以直接询问“为什么这个应用只有75分”“为什么某虚拟服务出现大量4xx错误”，AI借助MCP工具完成设备查找、状态读取与根因分析。F5 Insight以虚机形式部署，标准配置8核16G、600G存储，License按遥测与日志数据用量控制，并支持OpenAI、LocalLM等模型接口，还可与Datadog等第三方平台互动。由此不难发现，运维模式从逐台设备查看细节，转向每天先看评分卡、发现低分再让AI深度分析，从被动“救火”迈向主动式卓越运维。
简而言之，F5 Insight以统一可观测底座、健康评分卡与AI运维叙事，把遥测数据转化为可行动的洞察，让智能可观测性成为主动运维的起点。
本土化创新，破解异构算力调度难题
在中国市场，Token经济的发展呈现出鲜明的本地特色——异构芯片的混合部署已成为算力基础设施的常态。然而，不同代际、不同品牌的GPU在性能上存在显著差异，传统负载均衡机制无法感知后端算力的实时状态，导致资源利用率严重不均、Token延迟大、并发用户少等突出问题。
对此，F5中国团队推出TBLB（Token Based Load Balance）方案：不要求客户统一硬件，而是用软件定义方式，让国产芯片与国际芯片在同一调度体系下协同工作，最大化释放既有算力资产价值。该方案可在不增加额外算力的前提下，提升Token生成与响应速度，将混杂GPU算力利用率提高30%至60%；按客户在算力平台投资2亿元测算，F5可帮助节省约6000万元。配合AI网关的多模型聚合、监测与智能路由，F5正帮助中国企业更简单、更可控地使用多模型。
在AI数据交付层面，F5资深解决方案咨询架构师林静在主题为《提升规模化AI数据交付：F5如何重塑性能与安全》的讲座中指出，S3对象存储在RAG、训练数据搬运和推理数据读取中访问量激增，传统S3协议在跨云、跨地域、高延迟场景下成为瓶颈。F5通过S3专用profile、TCP优化、GSLB就近访问、租户隔离与后量子加密卸载等能力，提升海量数据流转效率与安全性。第三方测试显示，在高延迟、低抖动场景下，S3吞吐优化提升最高可达332%，尤其适合跨国家、跨数据中心与混合云场景。这些能力，与TBLB、ADSP共同构成面向Token经济的数据加速底座。
同时，F5针对本土化的创新也通过系列活动持续落地。8月21日，F5携手昆仑联通、西门子、亿格云在天津举办“AI专题技术分享会”，聚焦算力安全、智能制造、协同办公、全栈数智服务、AI安全底座、数字孪生工厂与安全智能办公等议题；外蒙站作为“F5 for AI，AI for F5”系列活动第二场，携手区域核心合作伙伴正联，聚焦金融、电信及能源行业，围绕混合多云应用交付、API安全与DDoS防护、NGINX现代应用交付及AI应用安全优化展开分享；9月11日北京还将举办医药行业CIO闭门私享会，聚焦AI赋能药物创新、下一代IT架构、数据安全与要素流通。这些活动生动诠释了F5携手企业推进本土化创新、以数智引领产业升级的实践路径。
写在最后：创新中国，链接全球
在Token经济加速形成的今天，F5正以ADSP平台为基石，以TBLB和AI安全体系为翼，坚持“创新中国，链接全球”的发展理念，持续增强本地创新能力建设，并依托全球技术协同，更好满足中国企业智能化升级与全球化发展需求。
从线上直播到线下沙龙，从智能运维、AI安全到异构算力调度与AI数据交付，F5 Solution Day系列沙龙不仅展示了完整的技术布局，更传递出清晰的判断：AI时代的竞争，不只是模型之争，更是应用交付、安全治理与数据流转效率之争。F5将继续携手生态伙伴，助力中国企业把算力转化为生产力，在AI时代的全球竞争中赢得先机。
浙ICP备19053024号-1
