互联网内容分发网络（CDN）开发商Akamai公司的首席技术官James Kretchmar，近期围绕公司业务、人工智能对互联网性能的深远影响以及未来AI的发展方向，给出了极为深入的分析。以下我们将这些精华内容逐一梳理，看看这位技术领军人物到底分享了哪些洞见。

谈起Akamai这个智能边缘平台，它的诞生颇具趣味性——源于麻省理工学院Tim Berners-Lee教授与Akamai CEO Tom Leighton博士的一次随意交流。公司CTO James Kretchmar解释了这场对话如何催生了互联网分布式模式的概念。如今，这一模式已部署在超过1500个网络中，核心目标只有一个：提升网络性能。

Kretchmar回忆道：“想在网络上获得良好的性能体验，未来将面临诸多挑战，传统架构下服务器瓶颈和网络拥堵几乎是常态。”于是Leighton博士与其团队开始深入研究这一问题，最终开发出一套算法来化解这些瓶颈——这也正是后来广为人知的Akamai平台的基石。

问题的本质其实非常清晰：假设你拥有一个极受欢迎的门户网站，全球各地的用户都渴望访问它，那么这些内容必须跨越无数个不同的网络才能抵达其他国家的用户——结果自然是速度极慢。许多人并未意识到，全球互联网的各个网络之间本身就存在瓶颈。一旦网站内容访问量激增，托管服务器及其周围的网络都会被迅速压垮。正是这一痛点催生了Akamai的分布式模型——一个高度去中心化的平台。在该模型中，当最终用户请求特定内容时，系统会将其引导至距离最近的服务器，从而有效避开网络瓶颈，性能自然显著提升。用户也完全无需挤向单一的集中式服务器。

人工智能和机器学习的影响

对于AI和机器学习如何影响全球互联网的性能表现，以及AI又能否反过来优化网络管理，Kretchmar也给出了他的专业见解。

他说：“我们让服务工作的一部分方式，是实时掌握全球互联网的性能状况，然后利用全球互联网上最佳的路径——以及这些时刻变化的路径——来向用户交付内容。机器学习和类似的技术能够帮助我们洞察全球互联网的整体结构，了解历史与当前不同路径的差异化特征。”

但当前还面临一个重大挑战：有大量机器人正试图对网站发起恶意攻击。它们企图窃取数据、破坏登录凭证。在这种情况下，机器学习变得至关重要——用于精准区分哪些是机器人，哪些是真实用户。

不过，现在的学习策略已经越来越复杂。实际上，这些策略并非一定要识别出“这是一台机器”，而是要判断“这是不是一个真正的人类”。我们可以观察真实人类的交互行为模式——这背后能反映出诸多不同因素。例如，如果是移动设备，用户通过手机输入数据，那么位置是动态变化的；在桌面设备上也能执行类似的检测。

5G和物联网

展望未来十年，Akamai的CTO预计人工智能将被用来更充分地利用新兴的5G技术和物联网所产生的大量数据。

他说：“与互联网相关的数据量将持续增长。例如，5G有助于物联网的实现，但挑战在于如何利用这些持续增长的数据去做有意义的事情。我们正在开发智能路由系统，从基础方法中学习数据，然后不断变得更加复杂。但展望未来——更多网站采用高清视频，更多最终用户需要更高质量的网络连接——挑战只会愈发复杂。因此，我们需要更智能的算法来处理数据，找到提供最佳性能的方法。”

防范威胁因素

Kretchmar预测的另一个与AI相关的趋势，是保护网站免受不断演进的网络攻击。

他解释道：“如今网络的生态系统越来越复杂，网络攻击也在持续进化。恶意攻击者一直在寻找更有创意、更智能的方式来实施攻击，试图利用在线提供的系统或服务。机器学习技术当然也被用在了这个领域。”

他举例说明：“我们近期推出了一款针对现代网站工作方式的产品。如今很多网站会吸收大量第三方内容来保证正常运转。比如访问一个大型旅游公司或零售网站时，他们的网站是通过从不同地方提取大量内容来构建主站点的。网络攻击者变得十分狡猾——他们去破坏第三方的内容，然后第三方把那些被污染的数据包含进主站点的交付中。在这种情况下，攻击者可能在代码里植入窃取信用卡信息的恶意脚本，而主站点所有者完全意识不到第三方已经出了问题，自己的站点也包含了恶意代码。”

“现在，我们开发了一种应对方案——通过分析请求流，自动检测是否存在恶意行为，判断该网站是否正在遭受攻击。这样一来，网站所有者就能收到警报并采取恰当的应对措施。”