在新加坡竞争激烈的电信市场中,网络运营商面临着减少客户流失、提高每位用户平均收入(ARPU)和降低客户服务成本的巨大压力。数字化转型、流程自动化和云采用是这些努力的核心。
但对于新加坡第二大运营商StarHub来说,这不仅仅是要把工作负载迁移到公有云——该公司采取了一种混合多云的方法,在利用云的强大功能的同时,保留了其电信业务的差异化。
StarHub公司首席技术官Ayush Sharma表示,这个愿景以Cloud Infinity的形式实现了。Cloud Infinity是一个基于Red Hat OpenShift构建的平台,旨在为StarHub及其客户提供“无限数量的数字平台和服务”。
他说:“两年前,我们决定不能继续以传统电信公司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和云的力量展开创新。结果就是我们打造了Cloud Infinity,它使我们能够以云和AI原生的方式利用我们的电信资产。”
选择Red Hat OpenShift是战略性的决定。StarHub寻求一个提供了标准化和成熟度的平台,同时也得到了主要超大规模企业的支持。Sharma说:“Red Hat OpenShift是我们转型战略的核心,它是把我们的共同结构结合在一起的粘合剂,可以在不同的云环境中实现一致的CI/CD、网络安全、云原生和AI原生功能。”
StarHub的混合云战略专注于优化成本和保持控制。消耗重的工作负载、对合规性敏感的数据、还有电信公司核心的差异化因素,都驻留在私有云中,公有云服务则用于商用功能、扩展资源、访问更广泛的软件即服务工具和应用生态系统。
与此同时,StarHub公司正在积极开发内部知识产权,包括构建自己的DevSecOps流程,以及容器化的云原生网络功能,例如用户平面功能/会话管理功能,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,解决整个技术堆栈、运营模式和业务模式对于成功转型是至关重要的,其中包括通过自主运营对运营支持系统等遗留系统进行现代化改造,以及结合闭环自动化来改善客户体验和支持超个性化。
业务支持系统也正在向SaaS产品过渡,对没有明确迁移到云原生架构计划的垂直集成或基于虚拟机的应用,将采取严格的政策,这就需要组织各个层面做出承诺,从高管到董事会。Sharma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StarHub公司的整体转型中,也发挥着至关重要的作用。该公司有一个AI卓越中心管理着他们的AI计划,专注于那些具有可衡量成果的有影响力的项目。“我们还在组建一个OpenShift数据科学团队,以在StarHub架构中创造独有的AI差异化,这将推动运营改进和面向客户的新产品。”
StarHub公司还在积极探索AI驱动的运营,利用知识图谱等技术,与Nvidia、Google和AWS等合作伙伴展开合作。
StarHub公司的混合云之旅已经开始获得回报。根据StarHub公司的年度报告显示,Cloud Infinity 1.0已经实现成本效益,计划在2025年3月投入商业运营。该平台的多租户设计也开辟了新的商机,目前新加坡不同行业的主要客户正在对其进行试用。
“我们看到企业客户获得了巨大的好处,”Sharma举了一个例子,一家大型银行利用Cloud Infinity实现了低延迟连接、网络安全和增强可观察性。“这降低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平台将帮助StarHub扩大其在东盟地区的覆盖范围,利用公司的陆地、海底和卫星连接资产,这将为新的收入模式打开大门,把StarHub公司定位为区域混合云的提供商。
Cloud Infinity平台还满足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,StarHub完全有能力为政府实体和受监管的行业提供服务。
Red Hat新加坡总经理Guna Chellappan表示:“StarHub不仅在内部转型方面,而且在市场方面都采取了创新的方式。他们的混合多云方法满足了关键的市场需求,例如主权云、数据驻留和改进延迟等。”
好文章,需要你的鼓励
最新调查显示,大多数高管预计 AI 将在未来两年内彻底重塑企业。68% 的高管计划在未来一年投资 5000 万至 2.5 亿美元用于生成式 AI。尽管面临经济压力和数据质量等挑战,企业正加速采用 AI,但基层员工的应用仍有待提高。AI 的变革力量已经显现,并正在加速发展。
文章深入探讨了 AI 技术的快速发展趋势及其未来影响。作者通过分析量级增长 (OOM)、AI 能力跃升以及模型的情境意识等方面,论证了 AI 即将迎来重大突破。特别强调了到 2027 年 AI 可能具备 AI 研究员/工程师的工作能力,以及 AI 系统在获得持久记忆和更广泛上下文后将产生质的飞跃。
微软研究人员提出了一种新的内存技术——管理保留内存 (MRM),旨在解决 AI 基础模型工作负载的存储和 IO 问题。MRM 具有短期数据持久性,可优化 AI 推理性能,同时降低能耗和成本。这一创新概念有望填补现有内存-存储层级中的空白,为 AI 时代的内存技术发展开辟新方向。
随着数字化转型成为战略重点,企业纷纷投入资源,但成效不一。麦肯锡研究显示,90%的公司启动了数字化转型,但平均仅实现了预期收益的三分之一。展望2025年,生成式AI等技术的进步正在改变数字化转型格局。为确保成功,企业需要重新校准预期,区分数字化增强与真正的数字化转型,并采取更有效的预算结构。