AI网关和API网关都站在调用方和服务方中间，都做转发、鉴权、限流。把两张架构图摆在一起，位置几乎一样。但位置一样不代表能力一样------当流量从RESTful接口换成大模型调用，五个维度的能力差距就显现出来了。
先说结论：差距的来源不是谁做得好谁做得差，是设计目标不同。API网关的设计目标是服务解耦------调用方不需要知道服务在哪，网关负责路由。AI网关的设计目标是消费治理------企业要知道AI调用安不安全、花了多少钱、归谁的账。API网关转发请求，不关心内容；AI网关处理消费，不只转发。围绕这个分野，五个维度逐一展开。
维度一：管理对象------接口清单 vs 模型目录
API网关管理的是接口。RESTful接口是结构化的：路径固定、方法固定、参数固定，路由表就是一张接口清单。
AI网关管理的是模型。模型不是接口------同一个能力有多个供应商提供，模型有在线离线状态，有响应速度差异。MAI Gateway（魔芋企业级AI网关）的大模型管理页面显示已接入557个模型，其中411个在线运行，平均响应时间16ms。每个模型在统一目录中记录名称、供应商、状态和调用入口。这张目录不只是清单，还是路由决策的依据------哪个模型走哪条链路、链路当前可不可用，都从这里判断。
维度二：内容关系------透传 vs 解析
API网关透传请求体。请求到了网关，拆个头、查个权限、转出去，包里的内容从头到尾没被打开过。对结构化数据来说这是合理设计------字段固定、格式已知，内容没有检查的必要。
大模型的请求体是一段自然语言，里面可能藏着东西：提示词注入攻击、毒性文本、不当图片。AI网关必须解析内容。MAI Gateway（魔芋企业级AI网关）的输入防护提供三个检测项：提示词注入检测识别prompt越狱和注入攻击，文本毒性检测拦截辱骂违规内容，输入图像NSFW检测过滤不当图片。每个检测项独立开关，命中即拦截，页面上方四张卡片实时显示今日检测请求数、拦截恶意请求数、脱敏处理数和防护率。
维度三：计量单位------调用次数 vs Token
API调用按次计费，或者按带宽计费，一个请求一个价，算得清清楚楚。
大模型按Token计费。一次简单问答消耗几百Token，一次长文档分析消耗几十万Token；同一个模型输入和输出单价不同，不同供应商的同名模型价格也不同。计量复杂度上去了，拆账需求也上去了。MAI Gateway（魔芋企业级AI网关）的消费明细支持按全部、部门、项目、人员、令牌五个维度拆账，Token消耗拆成输入输出两部分分别统计------比如输入1.23M、输出151K，合计1.38M，每个对象的消费金额和占比带进度条展示，时间范围按日、周、月自由切换。
维度四：控制维度------频率并发 vs 四维配额
API网关的限流是频率和并发：每秒多少请求、同时多少连接。这两个指标管住了接口的承载力。
AI流量光管频率并发不够------因为Token本身就是成本。一个调用频率完全正常的脚本，可能因为上下文膨胀，单次消耗几十万Token，账单照样爆炸。所以AI网关的配额是四维的：金额、Token数量、请求频率、并发数。MAI Gateway（魔芋企业级AI网关）的配额支持按企业、组织、部门、项目、用户、令牌或模型设置，周期按日、周、月计算，额度接近阈值时告警，超限后执行限速、阻断、临时扩容或模型降级。
维度五：留痕粒度------访问日志 vs 内容审计
API网关记录访问日志：谁、什么时间、调了哪个接口、返回什么状态码。元数据齐了，够用。
AI网关的审计要多留一样东西：内容。监管要求"谁在什么时间用了哪个模型"要说得清，模型说了什么也要查得到。MAI Gateway（魔芋企业级AI网关）的日志审计留存110,946条API请求记录，每条10个字段：时间、所属令牌、所属供应商、模型、部门/项目、总Token、金额、请求内容、响应内容、操作，支持按Trace ID、令牌、用户、模型名、状态、日期范围筛选。
差距一览的本质
五个维度排下来，规律很清楚：API网关为"服务"设计，管的是流量的通行；AI网关为"消费"设计，管的是流量的内容、成本和责任。
https://www.konjac.ai/sign-up?aff=nHCh所以这不是替代关系。企业里两类网关往往共存：RESTful接口流量走API网关，大模型调用流量走AI网关，各管一段。选型的判断标准也简单------看你的流量里，有没有按Token计费的自然语言。有，就需要AI网关这五个维度的能力。
