ARTICLE · 1162336
你的 AI 战略是否正在制造新的集中度风险?
核心摘要（TL;DR）
● 依赖单一云服务提供商获取AI算力的金融机构可能面临集中度风险，从而限制其灵活性、谈判能力和运营韧性。
● 混合式AI基础设施战略根据性能、主权和成本需求，将工作负载分配到公有云、新型云Neocloud、主机托管Colocation和私有环境中。
● 能够连接多种云服务和新型云服务提供商的中立数字基础设施，有助于金融企业保持控制权，并随着AI算力需求的变化进行调整。
许多金融机构利用AI支持欺诈检测、风险评分和实时决策等关键业务应用。这些 AI 驱动的应用帮助金融机构提高响应速度，并创造新的业务价值。但与此同时，它们也引入了新的依赖关系。如果金融机构无法获得执行AI战略所需的硬件、电力、模型和数据集，就无法确保运营韧性。
AI正在推动整个IT技术栈各个层面的需求增长：
● 根据高盛研究(Goldman Sachs Research)的数据，2023年至2030 年期间，数据中心的电力需求将增长165%。
● 预计在2026年，AI相关需求将消耗台积电(Taiwan Semiconductor)3 纳米（N3）半导体制程产能约 60% 的产出。
许多金融机构转向超大规模云服务提供商(Cloud Hyperscalers)，以帮助突破这些AI供应链瓶颈。这些供应商能够提供先进芯片、内存和托管式AI平台，使金融企业获得其可能难以独立采购的能力。对于实验性项目和快速部署而言，公有云可能是最快实现价值的途径。
但利用云服务解决算力容量问题，也可能产生集中度风险，即组织逐渐依赖某一家供应商、某一种模型生态系统或某一个运行环境。
在最近的一篇博客文章中，我们的一位Equinix同事强调了网络层面的集中度风险。同样的问题如今也正在AI领域出现。
企业最初开始实施"云优先"战略时，往往倾向于与单一云服务提供商合作。事实证明，这种做法会减缓创新速度，因此企业改变了方向，重新设计架构，转向多云架构。
如今，随着AI创造的价值不断扩大，许多企业正在重复同样的错误。为了简化采购和运营流程，并加快部署速度，它们将AI基础设施集中在单一云环境中。
但随着时间推移，应用程序可能与专有模型、数据服务、编排工具和网络架构模式形成紧密耦合。此时，更换供应商就会变成一个复杂、耗时的架构重新设计项目。
对于金融机构而言，其后果远不止供应商锁定。过度依赖单一供应商可能削弱谈判能力、限制对新模型的获取、增加第三方风险管理的复杂性，并限制机构满足不断变化的主权、数据驻留和治理要求的能力。
组织可能仍然拥有自己的数据和应用程序，但实际上却失去了对工作负载运行位置以及工作负载能否便捷迁移的控制权。
目标并不是避免使用云服务，而是在有选择地使用云服务的同时保留控制权。
这意味着需要保留多条可行的基础设施、模型和数据服务获取路径，并在供应商切换变得紧迫之前，就提前设计好应对变化的架构。
新型云(Neocloud)已经成为超大规模云服务提供商之外，在AI基础设施领域具有价值的替代选择。
预计到2030年，新型云市场通过GPU即服务(GPU as a Service)产生的收入将达到 2500 亿美元。CoreWeave 和 Nebius 等主要企业已经成为估值数十亿美元的公司。
新型云服务有时可能比超大规模云服务更具成本效益，但其价值并不仅仅体现在成本方面。
通过为金融企业提供更多获取所需AI算力的选择，新型云能够帮助它们克服集中度风险。
对于欧洲金融企业而言，与新型云服务提供商合作尤其有帮助。
这种合作能够帮助企业确保供应商多样性，以满足欧盟《数字运营韧性法案》(Digital Operational Resilience Act，DORA)中的第三方风险管理要求。
这确保金融企业能够在执行 AI 战略的同时，满足合规要求。
金融企业需要应对各种形式的集中度风险，而不仅仅是硬件层面的风险。
例如，它们需要能够使用多种不同的模型供应商及其他合作伙伴提供的服务，以避免"羊群效应"（Herding）风险。
所谓"羊群效应"，是指不同企业由于依赖相同的AI模型和数据集，最终形成高度相关的市场头寸。
英格兰银行(Bank of England)在其《聚焦金融稳定》(Financial Stability in Focus)报告中，将羊群效应和市场集中度确定为生成式AI在资本市场得到更广泛应用所带来的首要风险。
建立在中立基础之上的混合式AI基础设施，有助于实现模型选择的灵活性。
通过将合适的工作负载路由至合适的模型，金融企业能够确保在能力、成本效益和控制权之间取得适当的平衡。
使用来自不同供应商的多种模型，也有助于避免羊群效应风险。
金融企业不应将AI工作负载的部署位置视为公有云与本地部署环境之间的二选一问题。
它们需要制定战略，将不同的工作负载部署在公有云、新型云、主机托管和私有基础设施之间。
在决定工作负载的部署位置之前，企业应根据每项工作负载的性能和容量需求、主权和安全要求，以及总体拥有成本进行评估。
公有云服务：
能够为试点项目和需求波动较大的应用程序提供按需获取算力的能力。
新型云：
适用于GPU密集型工作负载，或超大规模云服务提供商算力容量受限的情况。
主机托管和私有基础设施：
非常适合那些需要在容量需求与敏感工作负载控制权之间取得平衡的场景。
正确的工作负载部署位置也可能随着时间推移而发生变化。
以下是一些有助于优化混合式AI工作负载部署的步骤：
● 评估混合多云环境中的工作负载部署方式，以实现性能、安全性、合规性和经济性之间的最佳组合。在承诺进行重大基础设施投资之前，先建立工作负载部署框架。
● 确保存在多条可行的AI基础设施获取路径。 不要认为与多家供应商签订合同就足以避免集中度风险。应核实这些供应商在物理基础设施层面是否真正具备多样性。
● 采用能够简化供应商切换的策略，包括抽象化、可移植架构和标准化接口。
● 以长期视角开展容量规划，并考虑未来需求。 随着工作负载和容量需求不断变化，持续审查部署方案，并进行相应调整。
Innovation Federal Credit Union在Equinix建立了一个敏捷的互联平台，为超过 62,000名会员提供数字银行服务，并支持管理规模达49.3亿美元的资产。
这表明，可扩展的混合式基础设施并非大型银行的专属选择。区域性信用合作社等规模较小的组织同样能够从中受益。
Dow Jones Newswires 将其系统部署在Equinix数据中心内，以便更加接近 AI 驱动的交易系统和算法交易系统。
这使其能够以微秒级速度向交易客户提供金融洞察信息。
在上述两个案例中，这些Equinix客户之所以取得成功，是因为它们关注的是工作负载部署，而不是采购问题。
它们优先考虑将合适的工作负载部署在合适的位置，而不是仅仅为了方便，就默认选择某一家供应商的基础设施覆盖范围。
如果克服集中度风险依赖于基础设施的选择权和灵活性，那么接下来一个合乎逻辑的问题就是：如何获得这种灵活性？
金融企业需要将系统部署在中立的基础设施之上，使其能够连接多种不同的云服务、新型云和AI服务提供商，而不必在每次AI需求发生变化时都重新设计基础设施架构。
这正是Equinix所提供的能力。
我们的主机托管数据中心从设计之初就保持供应商中立。
我们密集的合作伙伴生态系统涵盖所有主要的超大规模云服务提供商，以及全球排名前十的新型云服务提供商中的九家。
我们最近宣布了两项新解决方案。这两项方案目前均处于预览阶段，计划于2027年第一季度正式全面推出，旨在帮助客户更快速、更便捷地接入这一生态系统：
● Equinix® Inference Exchange专门设计用于支持合作伙伴分层，使企业能够在不断扩大的供应商群体中运行分布式AI推理，而不是依赖单一供应商。
● Equinix® Fabric One™将同样的选择权和灵活性扩展至网络连接领域。机构只需说明其预期目标，该解决方案就会自动将这些意图转化为所需的网络连接。
这两项解决方案共同确保Equinix客户能够在合理的情况下随时切换供应商。
客户不必仅仅因为切换供应商需要实施复杂且昂贵的基础设施项目，就放弃切换供应商。
立即行动，确保AI的运营韧性
当金融机构规划如何满足AI算力容量需求时，必须思考以下问题：
"我们首选的计算服务提供商是否真正满足了我们的需求，还是我们仅仅因为方便而默认选择了它？"
以及接下来的问题：
"如果我们需要转向其他供应商，能否轻松迁移工作负载来实现这一目标？"
回答这些问题的时机就是现在，而不是等到算力容量需求再次大幅增长之后。
关于 Equinix
Equinix, Inc.（Nasdaq:EQIX）致力于推动全球无界互联发展。Equinix 凭借其数字基础设施、覆盖全球的数据中心及互联生态系统，持续推动科技创新发展，为提升我们的工作效率、生活品质及保护环境作出贡献。Equinix 连接不同的经济体系、国家、机构及社群，为它们提供无地域界限、高效和快速的无缝数字体验和先进的人工智能技术。
