Akamai запускает управляемую базу Valkey для «оперативной памяти» корпоративного ИИ

Типичный сценарий выглядит так: приложение преобразует новый запрос в эмбеддинг, ищет похожий запрос среди сохранённых, а к модели обращается только при отсутствии действительного совпадения.

Такой подход может ускорить ответы и сократить число обращений к модели в рабочих нагрузках с повторяющимися или почти одинаковыми запросами. Реальный эффект зависит от доли попаданий в кэш, требований к актуальности данных и логики самого ИИ-конвейера. Кэширование не является универсальной заменой поиску или инференсу.

Векторный поиск для RAG

RAG-системы преобразуют документы и пользовательские запросы в эмбеддинги, затем ищут близкие векторы и передают найденный контекст модели. Valkey поддерживает такие сценарии, позволяя хранить ключ-значение, кэшированный контент и векторные данные в одном оперативном слое.

Для некоторых приложений это способ упростить путь извлечения данных и отказаться от отдельной векторной базы. Однако это не означает, что специализированные решения больше не нужны: выбор архитектуры по-прежнему зависит от объёма данных, требований к долговечности, фильтрации, индексам и согласованности.

Состояние многошаговых ИИ-агентов

Агентские системы обычно работают в несколько этапов. Им нужно помнить историю разговора, сохранять результаты вызовов инструментов, отслеживать прогресс задачи и восстанавливать контрольную точку перед продолжением работы.

Структуры данных Valkey в памяти и возможности векторного хранилища могут выступать в роли быстрого рабочего слоя для этих операций. Valkey также используется для хранения сессий и других задач, требующих обработки данных в реальном времени.

Здесь важно различать запрос к модели без состояния и приложение, построенное вокруг модели. Valkey не отвечает за рассуждения агента и не гарантирует правильность его действий. Но база может предоставить быстро доступное состояние, необходимое для координации последовательных вызовов моделей и внешних инструментов.

Что меняет управляемый формат

При самостоятельном развёртывании Valkey команде приходится выделять ресурсы, настраивать репликацию и отказоустойчивость, следить за производительностью, устанавливать обновления, масштабировать мощности и планировать доступность сервиса.

Управляемое предложение Akamai переносит эти задачи на платформу. Разработчики получают Valkey как сервис, не создавая всю операционную инфраструктуру самостоятельно. Akamai описывает продукт как полностью управляемую высокопроизводительную платформу, призванную снизить сложность эксплуатации и ускорить получение практической отдачи.

Для корпоративных команд, занимающихся ИИ, это важный компромисс. Управляемая база может сократить объём инфраструктурной работы, однако компании всё равно должны самостоятельно определить правила хранения данных, очистки кэша, контроля доступа, долговечности, наблюдаемости и восстановления после сбоев.

Как сервис дополняет Akamai Inference Cloud

Akamai Inference Cloud — вычислительная и маршрутизационная часть распределённой ИИ-стратегии компании. Платформа, запущенная в октябре 2025 года, предназначена для выполнения агентского ИИ-инференса на периферии сети, ближе к пользователям и устройствам. Valkey Managed Database добавляет соседний слой памяти и извлечения данных для состояния, которое требуется инференсу.

Задуманная архитектура выглядит шире, чем простое размещение модели на периферии:

1. Ресурсы инференса выполняют модельные нагрузки ближе к пользователям и данным.
2. Valkey хранит в памяти часто используемый контекст, эмбеддинги, кэшированные результаты и состояние сессий.
3. Векторный поиск помогает находить семантически релевантную информацию для RAG и семантического кэширования.
4. Управляемая эксплуатация уменьшает объём работ, необходимых для поддержания доступности слоя данных.

Akamai продолжает расширять инфраструктуру для такого подхода. Компания объявила о развёртывании тысяч графических процессоров NVIDIA Blackwell для распределённых ИИ-нагрузок и описала интеллектуальную маршрутизацию по своей сети как способ снизить задержки и проблемы с исходящим трафиком, характерные для централизованных дата-центров.

Valkey не заменяет вычислительный слой. Его роль — сделать окружающий путь передачи данных более подходящим для низколатентного инференса.

Почему запуск важен для облачной стратегии Akamai

Новый продукт расширяет позиционирование Akamai: от доставки контента и безопасности компания движется к более интегрированному распределённому облаку, объединяющему вычисления, сервисы данных, периферийное выполнение и защиту.

Запуск происходит на фоне роста инфраструктурного направления. Выручка Cloud Infrastructure Services во втором квартале 2026 года составила 99 млн долларов, увеличившись на 39% год к году.

В результатах за первый квартал Akamai также упоминала семилетнее обязательство ведущего разработчика передовой модели на сумму 1,8 млрд долларов в пользу Cloud Infrastructure Services. Это подтверждает растущие инфраструктурные амбиции компании, но не является контрактом, относящимся именно к Valkey, и не доказывает, что все элементы распределённой ИИ-стратегии Akamai уже широко развернуты.

Почему Akamai выбрала Valkey

Valkey — открытая управляемая сообществом база данных типа «ключ—значение» в оперативной памяти, возникшая как ответвление проекта Redis. Она сохраняет совместимость с протоколами и структурами данных Redis и предназначена для кэширования и других задач реального времени.

Для Akamai это знакомая разработчикам высокопроизводительная модель данных, подходящая для кэшей и хранения сессий. Одновременно сервис опирается на экосистему открытого исходного кода и получает основу для ИИ-сценариев, таких как семантическое кэширование и векторный поиск.

При этом Valkey не позиционируется как универсальная замена любой другой категории баз данных. В ряде архитектур по-прежнему потребуются отдельные системы для долговременного хранения, сложной аналитики или иных специализированных задач.

Итог

Valkey Managed Database лучше всего понимать как слой памяти и извлечения данных в распределённой ИИ-архитектуре Akamai. Суть предложения проста: хранить востребованные ИИ-данные в памяти, размещать их ближе к инференсу и пользователям, повторно использовать результаты там, где это возможно, поддерживать векторный поиск и передавать эксплуатацию базы управляемому сервису.

Наиболее очевидные сценарии — чувствительные к задержкам ассистенты, RAG-конвейеры, семантическое кэширование и агенты с сохраняемым состоянием. Стратегически запуск связывает планы Akamai по периферийному инференсу с необходимой для таких приложений инфраструктурой данных.

Однако сервис пока описывается как решение с ограниченной доступностью. Утверждения о точном глобальном охвате, доступности через партнёров или конкретных будущих локациях требуют дополнительной документации от Akamai или её партнёров, прежде чем их можно будет считать подтверждёнными.