Akamain Valkey-tietokanta tuo reaaliaikaisen muistin yritysten tekoälysovelluksiin

Akamain Valkey Managed Database on hallittu, muistipohjainen tietokerros tekoälysovelluksille. Se perustuu avoimen lähdekoodin Valkey-ekosysteemiin ja on integroitu Akamain hajautettuun pilvi-infrastruktuuriin. Tavoitteena on pitää sovellusten tarvitsema operatiivinen muisti – kuten keskustelukonteksti, upotukset, välimuistissa olevat vastaukset ja työnkulun tila – lähellä sovelluksia ja tekoälyn päättelyresursseja. Akamai ilmoitti palvelusta 18. elokuuta 2026, ja dokumentaation mukaan se on tällä hetkellä rajoitetusti saatavilla Los Angelesissa.

Miksi tekoälysovellus tarvitsee reaaliaikaisen muistikerroksen?

Suuren kielimallin kutsuminen on vain yksi osa tuotantokäyttöön tarkoitetun tekoälysovelluksen toimintaa. Tekoälyavustajien, tiedonhakuun yhdistettyjen generointijärjestelmien eli RAG-ratkaisujen ja autonomisten agenttien on haettava taustatietoa, aiempia keskusteluja ja asiaankuuluvia dokumentteja sekä säilytettävä tila työvaiheiden välillä.

Akamain dokumentaatio mainitsee käyttötapauksiksi muun muassa vektorihakujen tulokset, keskustelukontekstin, upotusvälimuistit, agenttien istuntotilan ja tiedonhakuprosessit. Näissä millisekunneillakin voi olla merkitystä kokonaisvasteajalle.

Keskitetty arkkitehtuuri voi aiheuttaa tilanteen, jossa päättely suoritetaan lähellä käyttäjää mutta konteksti haetaan toistuvasti kaukana sijaitsevasta tietokannasta. Jokainen ylimääräinen verkkopyyntö pidentää vastauspolkua. Akamain Inference Cloud -strategia perustuu tekoälyn päättelyn siirtämiseen lähemmäs käyttäjiä ja laitteita, joten usein käytetyn operatiivisen datan sijoittaminen samaan hajautettuun arkkitehtuuriin täydentää tätä lähestymistapaa.

Näin palvelu voi vähentää viivettä ja kustannuksia

Promptien ja upotusten välimuisti

Välimuisti estää sovellusta tekemästä samaa kallista työtä yhä uudelleen. Täsmällinen promptivälimuisti säilyttää vastauksen täysin toistuviin pyyntöihin. Semanttisessa välimuistissa taas vektorien samankaltaisuutta käytetään tunnistamaan kyselyt, jotka ovat riittävän lähellä aiempia pyyntöjä.

Tyypillisessä työnkulussa uusi kysely muunnetaan ensin upotukseksi. Sen jälkeen järjestelmä etsii vektorihakuna samankaltaista aiempaa pyyntöä. Jos käyttökelpoinen osuma löytyy, aiempi vastaus voidaan palauttaa ilman uutta mallikutsua.

Tämä voi nopeuttaa vastauksia ja vähentää mallikutsujen määrää erityisesti silloin, kun kyselyt toistuvat tai ovat lähes toistensa kaltaisia. Hyöty riippuu kuitenkin muun muassa välimuistin osumatiheydestä, datan tuoreusvaatimuksista ja sovelluksen työnkulusta. Välimuisti ei korvaa kaikissa tapauksissa tiedonhakua tai päättelyä.

Vektorihaku RAG-sovelluksille

RAG-sovelluksissa dokumentit ja kyselyt muunnetaan yleensä upotuksiksi. Järjestelmä etsii vektoriavaruudesta kyselyä lähellä olevia sisältöjä ja lähettää olennaisen kontekstin kielimallille.

Valkey tukee vektorihakuihin perustuvia työnkulkuja, joten sama muistipohjainen tietokerros voi käsitellä avain–arvo-dataa, välimuistisisältöä ja vektorihakua. Joissakin sovelluksissa tämä yksinkertaistaa hakupolkua ja vähentää erillisen vektoritietokannan tarvetta.

Se ei kuitenkaan tarkoita, että erikoistuneesta tietokannasta pitäisi luopua kaikissa RAG-järjestelmissä. Datan määrä, säilyvyys, suodatus, indeksit ja yhdenmukaisuusvaatimukset ratkaisevat, millainen arkkitehtuuri kuhunkin käyttötapaukseen sopii.

Tila monivaiheisille agenteille

Tekoälyagentit toimivat yleensä usean peräkkäisen vaiheen kautta. Niiden on ehkä muistettava keskustelu, säilytettävä työkalujen palauttamat tulokset, seurattava tehtävän etenemistä ja palautettava aiempi tarkistuspiste ennen työn jatkamista.

Valkeyn muistipohjaiset tietorakenteet ja vektorivaraston ominaisuudet voivat tarjota näihin tehtäviin nopeasti käytettävän työmuistikerroksen. Valkeya dokumentoidaan myös istuntojen tallennukseen ja muihin reaaliaikaisiin käyttötarkoituksiin.

Käytännössä ero on tilattoman mallikutsun ja sen ympärille rakennetun tilallisen sovelluksen välillä. Valkey ei tuota agentin päättelyä eikä takaa sen toiminnan oikeellisuutta, mutta se voi tarjota nopeasti saatavilla olevan tilan, jonka avulla sovellus koordinoi useita malli- ja työkalukutsuja.

Mitä hallittu palvelu muuttaa yrityksille?

Itse ylläpidetty Valkey-ympäristö edellyttää palvelinten varaamista, replikoinnin ja vikasietoisuuden määrittämistä, suorituskyvyn valvontaa, päivityksiä, kapasiteetin skaalaamista ja saatavuuden suunnittelua. Akamain hallittu palvelu pyrkii siirtämään nämä tietokannan ylläpitotehtävät alustalle. Kehittäjät voivat käyttää Valkeya palveluna sen sijaan, että rakentaisivat operatiivisen kerroksen itse. Akamai kuvaa tuotetta täysin hallituksi ja suorituskykyiseksi alustaksi, jonka tarkoitus on vähentää ylläpidon monimutkaisuutta ja nopeuttaa käyttöönotosta saatavaa hyötyä.

Yritysten tekoälytiimeille tämä on tärkeä kompromissi. Hallittu tietokanta voi vähentää infrastruktuurityötä, mutta organisaation on edelleen päätettävä datan säilytysajoista, välimuistin mitätöinnistä, käyttöoikeuksista, kestävyydestä, havainnoinnista ja palautumisesta.

Miten Valkey liittyy Akamain Inference Cloudiin?

Lokakuussa 2025 julkaistu Akamai Inference Cloud on hajautetun tekoälystrategian laskenta- ja reitityskerros. Sen tavoitteena on tuoda agenttipohjainen tekoälyn päättely lähemmäs käyttäjiä ja laitteita. Valkey Managed Database lisää kokonaisuuteen muistia ja tiedonhakua palvelevan tietokerroksen.

Tavoiteltu arkkitehtuuri on siten laajempi kuin pelkkä mallin ajaminen reunalla:

1. Päättelyresurssit suorittavat mallien työkuormat lähempänä käyttäjiä ja dataa.
2. Valkey säilyttää usein tarvittavaa kontekstia, upotuksia, välimuistivastauksia ja istuntojen tilaa muistissa.
3. Vektorihaku auttaa löytämään semanttisesti olennaista tietoa RAG-sovelluksia ja semanttista välimuistia varten.
4. Hallittu ylläpito vähentää työtä, jota tietokerroksen saatavuuden turvaaminen vaatii.

Akamai on samalla laajentanut hajautetun tekoälyn infrastruktuuriaan. Yhtiö on ilmoittanut ottavansa käyttöön tuhansia NVIDIA Blackwell -grafiikkasuorittimia ja kuvannut älykästä reititystä keinoksi vähentää keskitettyihin konesaleihin liittyviä viiveitä ja datan siirtokustannuksia. Valkey ei korvaa tätä laskentakerrosta, vaan sen on tarkoitus tehostaa matalan viiveen päättelyä ympäröivää tietopolkua.

Miksi julkaisu on Akamaille strategisesti merkittävä?

Valkey-palvelu laajentaa Akamain asemaa sisällönjakelusta ja tietoturvasta kohti integroidumpaa hajautetun pilven kokonaisuutta, jossa yhdistyvät laskenta, tietopalvelut, reunasuoritus ja suojaus.

Julkaisu osuu myös ajankohtaan, jolloin Akamain infrastruktuuriliiketoiminta kasvaa. Cloud Infrastructure Services tuotti vuoden 2026 toisella neljänneksellä 99 miljoonaa dollaria, mikä oli 39 prosenttia enemmän kuin vuotta aiemmin.

Akamai kertoi ensimmäisen neljänneksen tuloksensa yhteydessä lisäksi johtavan niin sanotun frontier-mallien tarjoajan sitoutuneen Cloud Infrastructure Services -palveluihin 1,8 miljardilla dollarilla seitsemän vuoden aikana. Tämä tukee yhtiön infrastruktuuritavoitteita, mutta sitä ei pidä tulkita Valkey-kohtaiseksi sopimukseksi tai osoitukseksi siitä, että kaikki Akamain hajautetun tekoälyn suunnitelmat olisivat jo laajasti käytössä.

Miksi Akamai valitsi Valkeyn?

Valkey on avoimen lähdekoodin, yhteisövetoisesti kehitetty muistipohjainen avain–arvo-tietokanta, joka syntyi Redis-projektin haarautumana. Sen tavoitteena on säilyttää avoimuus, yhteensopivuus Redis-protokollien ja tietorakenteiden kanssa sekä soveltuvuus välimuistiin ja muihin reaaliaikaisiin työkuormiin.

Akamaille Valkey tarjoaa tutun suorituskykyisen tietomallin kehittäjille, jotka tuntevat Redis-tyyppisen välimuistin ja istuntojen tallennuksen. Samalla palvelu kytkeytyy avoimen lähdekoodin ekosysteemiin ja tekoälyn käyttötapauksiin, kuten semanttiseen välimuistiin ja vektorihakuun.

Valkeya ei kuitenkaan ole syytä pitää yleiskäyttöisenä korvaajana kaikille tietokantatyypeille. Se sopii parhaiten tilanteisiin, joissa nopeasti saatavilla oleva operatiivinen muisti, välimuisti ja haku ovat keskeisiä.

Lopputulos

Valkey Managed Database on parasta ymmärtää Akamain hajautetun tekoälyarkkitehtuurin muisti- ja hakukerrokseksi. Sen lupaus on selkeä: säilyttää tekoälyn usein tarvitsema data muistissa, sijoittaa se lähemmäs päättelyä ja käyttäjiä, hyödyntää vastauksia uudelleen mahdollisuuksien mukaan, tukea vektorihakua ja siirtää tietokannan operatiivinen ylläpito hallitulle palvelulle.

Vahvimpia käyttötapauksia ovat viiveherkät tekoälyavustajat, RAG-putket, semanttinen välimuisti ja tilalliset agentit. Julkaisu on Akamaille strategisesti merkittävä, koska se yhdistää reunalla tapahtuvan tekoälyn päättelyn sen tarvitsemaan tietoinfrastruktuuriin.

Palvelu on kuitenkin dokumentaation mukaan vielä rajoitetusti saatavilla. Siksi väitteet tarkasta maailmanlaajuisesta kattavuudesta, kumppanikanavista tai tulevista sijainneista vaativat erillisen tuote- tai kumppanidokumentaation ennen kuin niitä voidaan pitää vahvistettuina.