Anthropic向Akamai採購116億美元CPU算力，取得最高5%認股權

[SUMMARY]Akamai與Anthropic簽下7年116億美元雲端合約，主攻CPU工作負載；交易並附帶最高約5%認股權，顯示AI基礎設施正從GPU擴張到分散式CPU能力與股權綁定的供應鏈模式。[SUMMARY] <h2>事件說明</h2> <p>雲端服務暨資安業者Akamai宣布，已與Anthropic擴大合作，後者將在未來7年採購總值116億美元的雲端運算服務，以支援持續成長的CPU工作負載需求；若合作規模進一步擴張，總額最高可達約200億美元。Akamai盤後股價因此大漲，市場明顯將此視為其雲端業務轉型的重要里程碑。<em>來源資訊同時指出，這是Akamai歷來最大合約。</em>[1][2]</p> <p>更值得注意的是，這筆交易不只是算力採購，還包含股權安排。Akamai向Anthropic發行認股權證，允許其以每股111.33美元認購可轉換為Akamai普通股的無表決權特別股，對應流通在外普通股約5%；其中約2%隨此次採購承諾歸屬，其餘約3%與後續採購規模掛鉤。[1][2]</p> <h2>技術分析</h2> <p>這起合作凸顯AI基礎設施的需求結構正在改變。新聞明確指出，隨著AI從聊天機器人走向能自主執行任務的AI代理人，運算需求不再只集中在GPU的訓練與推論，還包含工具呼叫、程式執行與檔案處理等CPU密集型工作。Akamai並表示，AI代理人多達90%的執行時間可能花在非GPU工作，這意味著AI系統的瓶頸正在從單一加速器運算，延伸到更廣泛的通用計算與工作流編排。[1][2]</p> <p>從架構角度看，Akamai Cloud的價值不在於單點算力，而在其分散式雲端基礎設施。Akamai原本以CDN與網路安全服務聞名，後來透過收購Linode跨入雲端運算，再利用既有全球網路基礎設施，把核心資料中心與邊緣節點串成分散式雲端平臺。這種設計特別適合承載需要低延遲、地理分布廣、且大量涉及狀態切換與外部工具互動的AI代理人工作流。[1][2]</p> <p>就資安與風險治理而言，這類CPU工作負載增加，代表攻擊面也會從模型本身擴展到執行環境、檔案處理、工具鏈與權限邊界。當AI代理人能執行程式與操作檔案時，若缺乏最小權限、沙箱隔離與輸入驗證，便可能把提示注入、惡意檔案、權限濫用與供應鏈污染放大為系統性事件。雖然來源未提及特定漏洞或CVE，但其揭示的工作負載型態，已足以說明安全控制重心必須從模型治理延伸到執行面治理。[1][2]</p> <p>此外，股權綁定的商業結構也值得關注。當客戶同時是資金來源與資產持有人時，雲端供應、資本市場與業務成長的界線會變得模糊，市場更難單純以傳統營收模式判讀真實需求。來源提到部分華爾街投資人對AI產業的循環交易有所疑慮，核心就在於企業彼此採購、彼此投資，可能放大需求外觀，但未必等同於同等幅度的可持續現金流。[1]</p> <h2>影響範圍</h2> <p>對Akamai而言，這筆合約不僅強化雲端業務的成長敘事，也代表其從傳統CDN與資安供應商，進一步被市場視為AI基礎設施供應商。若雲端營收如管理層所述持續擴大，未來可能超越其他業務，Akamai的公司定位將出現結構性轉變。[1]</p> <p>對Anthropic而言，這代表其已經不只依賴單一型態運算資源，而是開始將CPU納入核心AI基礎設施策略。這對AI代理人產品、內部工具編排、推理後處理與工作流自動化尤其重要，因為這些環節往往比模型推論更吃通用計算與分散式協作能力。[1][2]</p> <p>對整體AI供應鏈而言，此案也可能成為未來大型AI公司與基礎設施供應商合作的參考模板：長約、擴充條款、認股權證、以及雲端與資本的綁定。這種模式有助於鎖定供給、分攤擴產風險，但也可能讓外界更難評估真實需求與長期成本結構。[1]</p> <p>對資安團隊而言，這類分散式雲端與AI代理人場景會帶來更高的治理要求，包括身份與存取管理、工作負載隔離、日誌可觀測性、資料最小化、以及跨區部署的一致性控制。由於來源未提供具體產品或版本資訊，任何落地風險評估都應回到架構層，而非假設存在單一漏洞即可解釋全部風險。[1][2]</p> <h2>防護建議</h2> <p>第一，將AI代理人的工具執行與模型推理分層隔離，避免同一權限域內同時承載外部輸入、程式執行與敏感資料存取。這可降低單一提示或檔案事件擴散為全面性入侵的機率。[1][2]</p> <p>第二，針對CPU密集型工作負載建立明確的配額、沙箱與網路出站控制，特別是處理檔案、腳本與外部API呼叫的流程。因為來源已指出，AI代理人多數執行時間可能落在非GPU工作，這些流程本身就是攻擊者最容易切入的面向。[1][2]</p> <p>第三，落實最小權限與細粒度授權，將工具呼叫、檔案讀寫、程式執行、憑證存取分開管理，並對高風險操作加入人工審核或二次確認。對於需要跨節點執行的分散式平台，更應建立統一身分治理與短生命週期憑證機制。[1]</p> <p>第四，建立供應鏈與商業風險並行監控。當雲端採購、股權安排與營運合作交織時，企業除了看SLA與效能，也要關注合作集中度、財務依賴度與退出機制，避免在技術或商業任一端發生變動時造成連鎖衝擊。[1]</p> <p>第五，對AI代理人的輸出與行為建立可追溯稽核鏈，包括提示、工具參數、執行結果與檔案異動紀錄。只有把「模型做了什麼」與「系統實際執行了什麼」完整對齊，才能在事故發生時快速界定責任與修復範圍。[1][2]</p> <p><strong>5步驟修補清單</strong></p> <ol> <li>盤點所有AI代理人與CPU工作負載，區分推理、工具呼叫、程式執行與檔案處理流程。[1][2]</li> <li>將高風險工作流移入獨立沙箱或獨立租戶，並限制網路出站與本機存取權限。[1][2]</li> <li>重設權限模型，採用最小權限與短期憑證，分離管理員、服務帳號與工具帳號。[1]</li> <li>為所有工具呼叫與檔案操作啟用完整審計紀錄，並建立異常行為告警門檻。[1]</li> <li>定期檢視雲端供應商集中度、商業綁定與退出條款，避免單點合作演變為營運風險。[1]</li> </ol> <h2>參考資料</h2> <ul> <li><a href="https://www.ithome.com.tw/news/179230" rel="noopener noreferrer nofollow" target="_blank">https://www.ithome.com.tw/news/179230</a></li> <li><a href="https://www.bloomberg.com/news/articles/2026-09-24/anthropic-strikes-12-billion-deal-with-akamai-for-ai-computing" rel="noopener noreferrer nofollow" target="_blank">https://www.bloomberg.com/news/articles/2026-09-24/anthropic-strikes-12-billion-deal-with-akamai-for-ai-computing</a></li> <li><a href="https://www.reuters.com/technology/akamai-anthropic-sign-116-billion-cloud-services-deal-2026-09-24/" rel="noopener noreferrer nofollow" target="_blank">https://www.reuters.com/technology/akamai-anthropic-sign-116-billion-cloud-services-deal-2026-09-24/</a></li> </ul>