Akamais Valkey-database skal gi AI raskere tilgang til kontekst

Dette kan gi kortere svartid og færre modellkall i arbeidslaster med mange gjentatte eller nesten identiske forespørsler. Hvor stor effekten blir, avhenger blant annet av treffprosenten i cachen, kravene til hvor ferske svarene må være og hvordan modellflyten er bygget. Hurtigbufring erstatter ikke automatisk verken informasjonsinnhenting eller inferens.

Innebygd vektorsøk for RAG

RAG-applikasjoner gjør dokumenter og søk om til embedding-er og finner deretter vektorer som ligger nær hverandre, før relevant kontekst sendes til modellen. Valkey støtter slike vektorsøk, slik at nøkkel-verdi-data, hurtigbufret innhold og vektorhenting kan håndteres i samme operative lag.

For enkelte applikasjoner kan dette forenkle henteprosessen og redusere behovet for en separat vektordatabase. Det betyr likevel ikke at alle RAG-systemer bør droppe spesialiserte databaser. Datamengde, varighet, filtrering, indeksering og krav til konsistens må fortsatt avgjøre hvilken arkitektur som passer best.

Tilstand for AI-agenter

AI-agenter er vanligvis systemer med flere trinn. De kan måtte huske en samtale, beholde resultater fra verktøy, følge fremdriften i en oppgave og hente frem et kontrollpunkt før arbeidet fortsetter. Valkeys datastrukturer i minnet og støtte for vektorlager kan fungere som et raskt arbeidsminnelag for slike operasjoner. Valkey er også dokumentert for sesjonslagring og andre sanntidsarbeidslaster.

Forskjellen går mellom en tilstandsløs modellforespørsel og applikasjonen rundt modellen, som ofte er tilstandsfull. Valkey leverer ikke agentens resonnering og garanterer ikke at agenten oppfører seg riktig. Databasen kan imidlertid gi applikasjonen rask tilgang til informasjonen den trenger for å koordinere flere modell- og verktøykall.

Hva «administrert» betyr for virksomheter

En Valkey-installasjon som driftes av virksomheten selv, krever at teamet setter opp instanser, konfigurerer replikering og feilhåndtering, overvåker ytelsen, installerer oppdateringer, skalerer kapasiteten og planlegger for tilgjengelighet. Akamais tjeneste er laget for å flytte dette databaseansvaret til plattformen, slik at utviklere kan bruke Valkey som en tjeneste i stedet for å bygge driftslaget selv. Akamai beskriver produktet som en fullt administrert plattform med høy ytelse, utviklet for å redusere kompleksitet og korte veien fra idé til verdi.

Dette er en viktig avveining for enterprise-AI-team. En administrert database kan redusere infrastrukturomfanget, men organisasjonen må fortsatt utforme regler for datalagring, ugyldiggjøring av cache, tilgangskontroll, varighet, observasjon, sikkerhetskopiering og gjenoppretting.

Hvordan tjenesten henger sammen med Akamai Inference Cloud

Akamai Inference Cloud er beregnings- og rutingsdelen av selskapets distribuerte AI-strategi. Plattformen ble lansert i oktober 2025 for å bringe agentisk AI-inferens ut til kanten av nettet, nær brukere og enheter. Valkey Managed Database legger til et tilgrensende minne- og hentelag for applikasjonstilstanden inferensen trenger.

Den tiltenkte arkitekturen er dermed mer omfattende enn bare å kjøre en modell nær brukeren:

1. Inferensressurser kjører modellarbeidslaster nærmere brukere og data.
2. Valkey lagrer ofte brukt kontekst, embedding-er, hurtigbufrede resultater og sesjonstilstand i minnet.
3. Vektorsøk finner semantisk relevant informasjon til RAG og semantisk caching.
4. Administrert drift reduserer arbeidet med å holde datalaget tilgjengelig.

Akamai har samtidig fortsatt å bygge ut infrastrukturen bak denne modellen. Selskapet har kunngjort tusenvis av NVIDIA Blackwell-GPU-er for distribuerte AI-arbeidslaster og beskrevet intelligent ruting i nettverket som en måte å redusere forsinkelse og problemer med datautgående trafikk fra sentraliserte datasentre. Valkey erstatter ikke dette beregningslaget; hensikten er å gjøre dataveien rundt inferensen bedre egnet for lav forsinkelse.

Hvorfor lanseringen er viktig for Akamais skystrategi

Produktet utvider Akamais posisjon fra innholdsdistribusjon og sikkerhet mot en mer integrert distribuert skyplattform, med beregning, datatjenester, kjøring ved kanten og beskyttelse i samme helhet.

Tidspunktet gjenspeiler også veksten i infrastruktursatsingen. Cloud Infrastructure Services omsatte for 99 millioner dollar i andre kvartal 2026, en økning på 39 prosent fra samme kvartal året før.

I førstekvartalsresultatet viste Akamai i tillegg til en sjuårig forpliktelse på 1,8 milliarder dollar fra en ledende leverandør av frontlinjemodeller til Cloud Infrastructure Services. Dette viser at selskapets infrastrukturambisjoner vokser, men bør ikke tolkes som en Valkey-spesifikk kontrakt eller som bevis på at alle deler av den distribuerte AI-planen allerede er bredt tatt i bruk.

Hvorfor Akamai valgte Valkey

Valkey er en åpen kildekode-basert, fellesskapsdrevet nøkkel-verdi-database i minnet som oppsto som en forgrening av Redis. Prosjektet skal forbli åpent, være kompatibelt med Redis-protokoller og datastrukturer og støtte hurtigbufring og andre sanntidsarbeidslaster.

For Akamai gir Valkey en kjent datamodell med høy ytelse for utviklere som allerede kjenner Redis-lignende hurtigbufring og sesjonslagring. Samtidig knyttes tjenesten til et åpent kildekode-økosystem. Valkey gir også et grunnlag for AI-spesifikke bruksområder som semantisk caching og vektorhenting, uten at databasen presenteres som en generell erstatning for alle andre databasetyper.

Kort oppsummert

Valkey Managed Database kan best forstås som minne- og hentelaget i Akamais distribuerte AI-arkitektur. Verdiforslaget er enkelt: Hold de mest brukte AI-dataene i minnet, plasser dem nærmere inferensen og brukerne, gjenbruk resultater når det er mulig, støtt vektorbasert henting og la plattformen ta seg av databaseoperasjonene.

De tydeligste bruksområdene er assistenter med strenge krav til svartid, RAG-pipelines, semantisk caching og tilstandsfulle agenter. Strategisk kobler lanseringen Akamais ambisjoner innen inferens ved kanten av nettet til datainfrastrukturen disse applikasjonene trenger.

Tjenesten beskrives imidlertid fortsatt som begrenset tilgjengelig. Påstander om nøyaktig global dekning, tilgjengelighet gjennom kanalpartnere eller bestemte fremtidige lokasjoner krever mer produkt- eller partnerdokumentasjon før de kan bekreftes.