يمكن لهذه الآلية تقليل زمن الاستجابة وعدد استدعاءات النموذج في التطبيقات التي تتكرر فيها الطلبات أو تتشابه. لكن حجم الفائدة يعتمد على معدل إصابة ذاكرة التخزين المؤقت، ومتطلبات حداثة البيانات، وطريقة عمل النموذج؛ فالتخزين المؤقت ليس بديلاً شاملاً عن الاسترجاع أو الاستدلال.
تحوّل تطبيقات RAG الوثائق والاستعلامات إلى تضمينات، ثم تبحث عن المتجهات الأقرب قبل إرسال السياق الأكثر صلة إلى النموذج. ويدعم Valkey هذه العمليات، ما يسمح لطبقة بيانات واحدة داخل الذاكرة بالتعامل مع بيانات المفتاح والقيمة، والمحتوى المؤقت، واسترجاع المتجهات.
وقد يسهّل ذلك مسار الاسترجاع في بعض التطبيقات ويقلل الحاجة إلى تشغيل قاعدة بيانات متجهية منفصلة. لكنه لا يعني أن كل نظام RAG يجب أن يتخلى عن قواعد البيانات المتخصصة؛ فحجم البيانات، ومتطلبات الاستمرارية، والتصفية، والفهرسة، والاتساق تظل عوامل حاسمة في اختيار البنية المناسبة.
تعمل الوكلاء الذكية عادةً عبر سلسلة من الخطوات، وقد تحتاج إلى تذكر المحادثة، والاحتفاظ بنتائج الأدوات، وتتبع تقدم المهمة، واستعادة نقطة توقف قبل مواصلة التنفيذ. ويمكن لهياكل Valkey الموجودة داخل الذاكرة وقدراته كمخزن متجهي أن توفر طبقة ذاكرة عاملة سريعة لهذه العمليات. كما توثق Valkey لاستخدامات تخزين الجلسات وأحمال العمل الفورية الأخرى.
وهنا يظهر الفرق بين طلب نموذج بلا حالة، وبين التطبيق الكامل المبني حول النموذج. فلا يوفر Valkey قدرة الاستدلال نفسها، ولا يضمن صحة سلوك الوكيل، لكنه يتيح حفظ الحالة التشغيلية التي يمكن الوصول إليها بسرعة لتنسيق استدعاءات متعددة للنموذج والأدوات.
يتطلب تشغيل Valkey ذاتياً توفير الخوادم، وضبط النسخ المتماثل والتحويل التلقائي عند الأعطال، ومراقبة الأداء، وتطبيق التحديثات، وتوسيع السعة، والتخطيط للتوافر. أما عرض أكاماي المُدار فيهدف إلى نقل هذه المسؤوليات إلى المنصة، بحيث يستهلك المطورون Valkey كخدمة بدلاً من بناء الطبقة التشغيلية وإدارتها بأنفسهم.
وتصف أكاماي المنتج بأنه منصة مُدارة بالكامل وعالية الأداء، مصممة لتقليل التعقيد التشغيلي وتسريع الوصول إلى القيمة.
لكن الإدارة السحابية لا تلغي قرارات التصميم الأساسية. فما زالت المؤسسات بحاجة إلى تحديد سياسات الاحتفاظ بالبيانات، وإبطال ذاكرة التخزين المؤقت، والتحكم في الوصول، والاستمرارية، وقابلية الرصد، والتعافي من الأعطال.
تمثل Akamai Inference Cloud جانب الحوسبة والتوجيه في استراتيجية أكاماي للذكاء الاصطناعي الموزع. وقد أُطلقت في أكتوبر 2025 بهدف تقريب استدلال الذكاء الاصطناعي الوكيلي من المستخدمين والأجهزة عند حافة الإنترنت. وتضيف Valkey Managed Database طبقة مجاورة للذاكرة والاسترجاع، مخصصة لحالة التطبيق التي يحتاج إليها الاستدلال.
وبذلك تتجاوز البنية المقترحة مجرد تشغيل النموذج عند الحافة:
وتواصل أكاماي توسيع البنية التحتية التي تدعم هذا التوجه؛ فقد أعلنت عن نشر آلاف وحدات معالجة الرسوميات NVIDIA Blackwell لأحمال الذكاء الاصطناعي الموزعة، كما تحدثت عن التوجيه الذكي عبر شبكتها لتقليل زمن الاستجابة ومشكلات إخراج البيانات المرتبطة بمراكز البيانات المركزية.
ولا تحل Valkey محل طبقة الحوسبة هذه، بل تهدف إلى تحسين مسار البيانات المحيط بها ليتلاءم مع الاستدلال منخفض زمن الاستجابة.
يوسع المنتج حضور أكاماي من مجالات توصيل المحتوى والأمن إلى حزمة سحابية موزعة أكثر تكاملاً، تجمع بين الحوسبة، وخدمات البيانات، والتنفيذ عند الحافة، والحماية.
ويأتي الإطلاق في وقت ينمو فيه نشاط البنية التحتية للشركة؛ فقد حققت خدمات البنية التحتية السحابية إيرادات بلغت 99 مليون دولار في الربع الثاني من 2026، بزيادة 39% على أساس سنوي.
كما أشارت نتائج الربع الأول إلى التزام يمتد سبع سنوات بقيمة 1.8 مليار دولار من مزود رائد لنماذج الذكاء الاصطناعي المتقدمة لخدمات البنية التحتية السحابية. ويدل هذا الالتزام على طموحات أكاماي المتنامية في مجال البنية التحتية، لكنه لا يمثل عقداً خاصاً بخدمة Valkey، ولا يثبت أن جميع عناصر خارطة طريق الذكاء الاصطناعي الموزع لدى الشركة منشورة على نطاق واسع بالفعل.
Valkey قاعدة بيانات مفتوحة المصدر، يقودها مجتمع من المطورين، وتعمل داخل الذاكرة بنموذج المفتاح والقيمة. وقد نشأت كمشروع متفرع من Redis، مع هدف الحفاظ على الانفتاح، والتوافق مع بروتوكولاته وهياكل بياناته، ودعم التخزين المؤقت وأحمال العمل الفورية الأخرى.
بالنسبة إلى أكاماي، توفر Valkey نموذج بيانات سريعاً ومألوفاً للمطورين الذين لديهم خبرة في التخزين المؤقت وإدارة الجلسات بأسلوب Redis، مع ربط الخدمة بمنظومة مفتوحة المصدر. كما تمنح الشركة أساساً لتطبيقات الذكاء الاصطناعي مثل التخزين المؤقت الدلالي والاسترجاع المتجهي، من دون تقديم Valkey على أنها بديل عام لكل فئات قواعد البيانات.
يمكن فهم Valkey Managed Database باعتبارها طبقة الذاكرة والاسترجاع في بنية أكاماي للذكاء الاصطناعي الموزع. وتتمثل فكرتها الأساسية في إبقاء البيانات الساخنة للذكاء الاصطناعي داخل الذاكرة، ووضعها بالقرب من المستخدمين وموارد الاستدلال، وإعادة استخدام النتائج عند الإمكان، ودعم الاسترجاع القائم على المتجهات، وإسناد تشغيل قاعدة البيانات إلى خدمة مُدارة.
وتبرز حالات الاستخدام الأقوى في المساعدات الحساسة لزمن الاستجابة، وخطوط RAG، والتخزين المؤقت الدلالي، والوكلاء ذوي الحالة. وتكمن الأهمية الاستراتيجية للإطلاق في أنه يربط طموحات أكاماي في الاستدلال عند الحافة بالبنية التحتية للبيانات التي تحتاج إليها هذه التطبيقات.
ومع ذلك، لا تزال الخدمة موصوفة بأنها متاحة بشكل محدود. لذلك تحتاج الادعاءات المتعلقة بالتغطية العالمية الدقيقة، أو توافر الخدمة عبر شركاء القنوات، أو مواقع إضافية محددة مستقبلاً، إلى وثائق إضافية من أكاماي أو شركائها قبل اعتبارها مؤكدة.