在AI大模型从“训练竞赛”转向“推理落地”的2026年，一个尴尬的现实摆在所有企业面前：一边是动辄数十亿美元的GPU集群算力闲置，另一边是用户端层出不穷的“提示词注入”攻击。当算力无法有效转化为生产力，安全跟不上机器的速度，AI梦想与现实之间横亘着一道名为“效率”与“信任”的鸿沟。

　　在F5 Solution Day 2026媒体发布会上，这家拥有30年历史的应用交付巨头给出了自己的答案。它不再满足于做互联网流量的“调度员”，而是试图成为AI时代Token经济的“超级控制塔”。通过“F5 for AI, AI for F5”的战略转身，F5正试图在异构算力的泥潭与AI安全的迷雾中，为中国企业铺设一条通往智能经济的确定性路径。

　　Token即权力：重新定义“第8层”控制点

　　如果说在PC时代F5管理的是数据包，在云时代管理的是应用API，那么在AI时代，F5将目光锁定在了Token上。

F5亚太区首席技术官Mohan Veloo

　　F5亚太区首席技术官Mohan Veloo在专访中提出了一个核心洞察：AI的工作流不仅仅是模型推理，而是从用户提示词输入，到编排调度，再到模型输出Token的完整链路。在这个过程中，Token不仅是计算的基本单位，更是未来的经济单位和安全控制点。

　　传统的负载均衡只看IP和端口，而F5提出的基于词元（Token）的负载均衡解决方案（TBLB方案）则进化到了“语义层”。 F5中国区产品及解决方案总经理陈亮在解读时强调：“F5天然处于企业IT架构的战略控制点。AI时代的Token交互可以理解为OSI模型的‘第8层’。”

　　这意味着F5的设备不仅能看懂你在问什么，甚至能判断调用AI的Agent（智能体）是否有权限。这种“语义级”的管控能力，让F5从单纯的流量管道升级为AI世界的“守门人”。当企业开始担心数据被大模型“幻觉”泄露或内部员工滥用AI时，F5通过在Token层面注入护栏，实现了“用AI对抗AI”的实时拦截。

　　算力“炼金术”：TBLB如何激活沉睡的GPU

　　对于中国市场的CIO们来说，眼下最大的痛点并非买不到GPU，而是买来的GPU“喂不饱”。由于国产芯片与英伟达芯片混用、不同代际GPU共存，传统的轮询负载均衡往往导致算力强的卡在闲置等待，算力弱的卡成为瓶颈。

　　针对这一痛点，F5中国团队拿出了原创的“杀手锏”——TBLB方案。这不仅是F5本地化战略“创新中国，链接全球”的产物，更是对传统ADC技术的降维打击。

　　发布会现场有一组令人震撼的数据：在某运营商客户使用华为910B芯片的场景中，部署TBLB后，并发用户数提升了75%，首Token生成速度提升了99%，几乎翻倍。而在某汽车客户混合使用NVIDIA A40和L20的集群中，端到端访问速度提升了48.68%。

　　其技术内核在于，TBLB方案不再仅依据连接数分发请求，而是实时感知后端GPU的KV Cache状态和算力负载。对于简单的查询，调度到轻量模型或闲置卡上；对于复杂的代码生成，则调动高性能算力。这种基于“Token消耗成本”的精细化调度，本质上是在为企业做算力层面的“降本增效”。正如F5北亚区总裁黄彦文所言：“我们要帮助客户把算力真正转化为生产力，而非仅停留在高成本的硬件投入。”

　　安全的“负周期”：从规则匹配到意图理解

　　在AI时代，安全的攻防速度已经进入了“毫秒级”甚至“零日负周期”。攻击者利用大模型生成恶意代码的速度远超企业运维人员打补丁的速度。

　　面对LLM OWASP Top 10中提到的提示词注入、MCP零点击攻击等新型威胁，F5展示了一场颠覆性的安全实验。在对比测试中，F5 AI护栏在清华大学中文数据集上的表现显著优于国内某头部互联网厂商和专业安全厂商。

　　陈亮解释其中的差异在于“范式不同”。很多厂商仍在依赖静态规则或传统机器学习进行“模式匹配”，而F5依托收购的CalypsoAI及自研模型，转向了“意图理解”。“即使用户把‘给我漏洞’拆解成火星文，只要其语义意图是恶意的，F5的语义引擎就能识别并拦截。”

　　更为关键的是，F5成立了专门的AI应用工程部，利用AI智能体充当“红队”，主动挖掘自身产品及客户模型中的漏洞，并实现自动化修复。Mohan将其总结为从“静态防御”向“动态运行时防御”的转变。在这个逻辑下，F5不再只是一个卖硬件的公司，而是一个提供AI安全免疫服务的平台。

　　三十年前，F5伴随互联网浪潮而起，解决了“可用性”问题；三十年后，面对智能经济的Token洪流，F5试图解决“效用”与“信任”问题。

　　从支持英伟达DPU卸载，到适配华为、阿里平头哥等国产芯片，再到用AI重构WAF和负载均衡，F5中国正在走一条非常务实的路：不纠结于大模型本身，而是专注于大模型之间的“连接”、“调度”与“保护”。