在新加坡竞争激烈的电信市场中,网络运营商面临着巨大压力,需要减少客户流失、提高每用户平均收入 (ARPU) 并降低客户服务成本。数字化转型、流程自动化和云计算采用是这些努力的核心。
对于新加坡第二大运营商星环来说,这不仅仅是将工作负载迁移到公有云,公司采取了混合多云方法,在利用云计算力量的同时保留了其电信差异化优势。
星环首席技术官 Ayush Sharma 表示,这一愿景以 Cloud Infinity 平台的形式实现,该平台基于 Red Hat OpenShift 构建,旨在为星环及其客户提供"无限数量的数字平台和服务"。
Sharma 说:"两年前,我们意识到无法继续以传统电信堆栈的方式在这个高度商品化的市场中运营。我们希望转型为一家混合多云公司,利用电信公司擅长的互联网力量,以及云计算的创新能力。Cloud Infinity 就是这一结果,使我们能够以云原生和 AI 原生的方式利用我们的电信资产。"
选择 Red Hat OpenShift 是一个战略性决策。星环寻求一个能提供标准化和成熟度,同时得到主要超大规模云服务商支持的平台。Sharma 表示:"Red Hat OpenShift 是我们现有系统转型战略的核心。它是粘合我们共同结构的胶水,能够在不同的云环境中实现一致的 CI/CD、网络安全以及云原生和 AI 原生功能。"
星环的混合云战略着重于优化成本和保持控制。高消耗工作负载、合规敏感数据和核心电信差异化因素位于其私有云中,而公有云服务用于商品化功能、资源扩展和访问更广泛的软件即服务 (SaaS) 工具和应用生态系统。
同时,公司积极开发内部知识产权,包括构建自己的 DevSecOps 流程,以及用户平面功能/会话管理功能等容器化、云原生网络功能,这些功能部署在 Red Hat OpenShift 上以实现灵活性和可移植性。
Sharma 指出,要成功实现转型,必须解决整个技术堆栈、运营模式和商业模式的问题。这包括通过自主运营现代化遗留系统(如运营支持系统),并引入闭环自动化以改善客户体验并支持超个性化。
业务支持系统也正在向 SaaS 产品过渡,同时严格禁止使用垂直集成或基于虚拟机的应用程序,除非有明确的向云原生架构迁移计划。这需要组织各级的承诺,从高层管理到董事会。他说:"我们做出了大胆的决定。如果不重新构建一切,就不会有真正的转型。"
AI 在星环的整体转型中也发挥着关键作用。AI 卓越中心负责管理其 AI 计划,专注于具有可衡量结果的影响力项目。Sharma 说:"我们还在开发一个 OpenShift 数据科学团队,以在星环结构中创造独特的 AI 差异化。这将推动运营改进和新的面向客户的产品。"
公司还积极探索 AI 驱动的运营,利用知识图谱等技术,并与 Nvidia、Google 和亚马逊云科技等合作伙伴合作。
星环的混合云之旅已经取得了回报。Cloud Infinity 1.0 已实现成本效益,并计划于 2025 年 3 月商业发布。该平台的多租户设计也开辟了新的商机,目前正在新加坡不同行业的主要客户中进行试用。
Sharma 表示:"我们看到企业客户获得了巨大收益",他举例说明一家大型银行利用 Cloud Infinity 实现低延迟连接、网络安全和增强可观察性。"这卸载了复杂性和额外成本,使他们能够专注于核心业务。"
展望未来
展望未来,Sharma 指出,Cloud Infinity 2.0 将帮助星环扩大在东盟地区的影响力,利用电信公司的陆地、海底和卫星连接资产。他补充说,这将为新的收入模式打开大门,并将公司定位为区域混合云提供商。
Cloud Infinity 还解决了东南亚对主权云服务日益增长的需求。Sharma 表示,凭借增强的安全功能,包括高级加密和量子安全技术,星环有能力为政府实体和受监管行业提供服务。
Red Hat 新加坡总经理 Guna Chellappan 表示:"星环不仅在内部转型方面,而且在市场方面的做法都是创新的。他们的混合多云方法解决了关键的市场需求,如主权云、数据驻留和改善延迟等。"
好文章,需要你的鼓励
香港大学和加州大学伯克利分校的一项新研究显示,在没有人工标注数据的情况下,语言模型和视觉语言模型能够更好地泛化。这一发现挑战了大型语言模型社区的主流观点,即模型需要手工标注的训练样本。研究表明,过度依赖人工示例反而可能对模型的泛化能力产生负面影响。
OpenAI 发布了一款名为 Operator 的网络自动化工具,该工具使用名为计算机使用代理 (CUA) 的新 AI 模型来控制网络浏览器。Operator 通过视觉界面观察和交互屏幕元素,模仿人类操作方式执行任务。这项技术目前仍处于研究预览阶段,OpenAI 希望通过用户反馈来改进系统功能。
大型语言模型如 ChatGPT 展现了对话能力,但它们并不真正理解所使用的词汇。研究者们在冲绳科学技术大学构建了一个受大脑启发的人工智能模型,虽然其学习能力有限,但似乎掌握了词汇背后的概念。通过模仿婴儿学习语言的方式,研究团队将人工智能训练在一个能够与世界互动的机器人中,探索如何让人工智能实现类似人类的语言理解。
这篇文章介绍了利用人工智能设计新酶的成功案例,这种酶有潜力分解塑料。尽管生物学告诉我们,简单的化学反应可能非常复杂,但通过AI驱动的蛋白质设计,研究人员能够创造出与自然界不同的酶。研究表明,设计酶的过程虽然复杂,但可以在计算机上完成,未来可能会有更多的应用。