AI编程工具在企业应用中的效率与挑战 - AI编程工具显著提升开发效率但带来新型挑战 首要挑战是安全性问题 AI生成代码可能包含新安全漏洞 [2] - "Vibe Coding"导致大量低质代码涌现 API数量激增使企业运维负担加重 [2] - "黑盒子"问题凸显 人类开发者难以理解AI生成代码的内在逻辑 使调试和漏洞排查变得复杂耗时 [2] 企业应用安全现状与WAAP采用 - 应用交付与安全防护环节成为性能制约因素 身份验证的便捷性与安全性需要平衡 [4] - WAAP成为AI默认保护标准 超过91%用户已应用WAAP保护AI/机器学习模型安全 [5] - 基于AI的应用交付成为最大红利 2025年利用大模型分析应用和API性能的比例达54% [7] AI在运维流程中的应用 - 57%运维人员使用AI生成脚本用于配置部署与调整 56%用AI生成自定义策略 55%用AI执行脚本实现全流程智能化 [7] - 可观测性成为AI驱动自动化关键支撑 65%受访者利用可观测性驱动自动化 Open Telemetry成为主流选择 [7] - 现代应用占比从2020年29%提升至2025年53% 传统应用从71%降至47% [7] 企业落地AI应用的三大难题 - 复杂IT架构 特殊安全需求与成本控制目标构成企业落地AI必须攻克的三大难题 [9] - AI基础设施投入巨大 仅8卡服务器成本就达百万级 支撑海量算力业务需要巨大前期投资 [12] - 到2028年80%企业将嵌入AI能力 其中94%AI应用部署在混合多云复杂架构环境中 [12] F5的ADSP平台转型与能力 - 从传统ADC进化为应用交付与安全平台(ADSP) 功能从WAF升级至WAAP 核心目标转向API保护 [11] - ADSP平台可无缝运行于本地数据中心高性能硬件 虚拟化与混合环境及云原生SaaS环境 实现跨环境一体化运维 [14] - 平台提供融合能力 既保证应用安全又保证应用交付快速 特别适合边缘AI控制延时性需求 [15] AI网关产品的技术创新 - AI网关具备基于抽象化和上下文的大语言模型路由能力 可将提示词精准匹配至合适的大模型 [16] - TBLB AI推理网关通过实时判断后台算力 将GPU算力调用率提升30-60% 某芯片制造厂推理服务成功率提升至少8% [16] - AI网关集成多个安全小模型 做智能调度 不断扩充大模型安全防护能力 应对新型攻击 [16] F5平台的全方位服务能力 - 为所有应用提供全面整合交付服务 包括负载均衡 DNS CDN 多云网络及API网关 [17] - WAAP平台与零信任 AI安全 网络防火墙深度协同 实现代理式安全运营 [17] - 解决方案具备前所未有的部署灵活性 可部署于本地数据中心 公有云 主权云 SaaS平台 边缘网络及AI工厂等环境 [17] 跨职能运维支持与AI助手 - 平台覆盖NetOps SecOps DevOps和平台运维 提供统一策略管理 深度安全分析 自动化与编排工具 [17] - 发布AI助手具备"解释 生成 优化"三大核心能力 可跨平台应用于全系列产品 [19]