尽管在网络基础设施上投资了数十亿美元,许多电信公司仍在与低盈利能力作斗争,因为数据和语音等核心服务变得越来越商品化。
根据全球管理咨询公司凯尔尼的报告,电信公司可以通过分层化来打破这一循环——将其运营分为三个财务独立的层级。
这些层级包括:拥有基站和光纤管道等被动物理资产的基础设施公司(InfraCo);运营网络的网络公司(NetCo),包括路由器和核心处理设备;以及纯粹面向客户的服务公司(ServCo),负责销售、营销和产品打包。
凯尔尼合伙人兼报告联合作者佐罗瓦·辛格在接受采访时表示:"过去十年,电信行业从投资回报率角度来看非常困难。"
然而,通过分层化,电信公司的不同组成部分实现"运营独立和财务自给自足",辛格认为电信公司可以创建一个需要问责制和财务透明度的内部市场,从而可能推动利润并使其对投资者更有价值。
结束集团模式
如今大多数电信公司的运营方式像集团公司,各部门之间存在大量交叉补贴。这使得评估投资的真正价值变得困难。
辛格说:"很难理解在网络上花费的十亿美元是否真正影响了客户体验或覆盖范围,以及是否真正推动了回报。"
分层化强制各层级之间建立商业关系。服务公司像增值经销商一样,会根据客户的实际需求和支付意愿从网络公司购买网络能力。
辛格说:"服务公司会说,'嘿,我从你那里得到的这些服务,我可以在市场上销售。这些我不能。'这种透明度现在是不存在的。"
这避免了网络部门在客户可能不会重视到愿意支付溢价的技术改进(如超低延迟)上大量投资的情况。
辛格补充说:"你可以继续改进X,但如果它不能帮助我销售更多,你为什么要这样做?"他指出,分层化可能导致严苛的、商业驱动的辩论。
为了实现分层化,电信公司必须将网络功能不是作为广泛的服务,而是作为称为库存单位(SKU)的离散、模块化产品来处理。
例如,网络公司可能不是销售高端5G套餐,而是提供能力或SKU目录,如低延迟保证或特定应用的网络切片,每个都有自己的成本。然后服务公司会混合搭配这些SKU,为消费者和企业创建定制产品。
这将帮助电信公司更好地将5G服务货币化,其价值在于为从工业自动化到关键任务应急响应网络等应用提供特定的服务质量。此外,分层结构将允许更清晰的"价格发现",而不是猜测如何为服务定价,辛格说。
几家欧洲运营商已经接受了分层化。例如,捷克共和国的O2将其运营分为Cetin(向O2及其服务公司和其他第三方运营商提供批发网络SKU的网络公司)。此举有助于建立纪律性,并允许对所有依赖网络的产品进行准确的成本归属。
尽管有明显的好处,但分层化的道路是困难的。辛格指出,由于文化障碍和电信业务流程的运作方式,对组织结构的重大变革可能难以实施。与渐进式改进不同,分层化是一种需要完全承诺的转型。辛格补充说:"你要么做,要么不做。你不能采取小步骤。"
分层化还需要大量前期投资,包括改革传统的计费和支持系统(BSS)以处理基于模块化、基于SKU的目录,以及强烈的变革动力。辛格说:"没有外部催化剂,可能是私募股权公司或投资者的利润警告,公司走这条路的概率非常低。"
辛格说,分层化在政府严格监管的市场中更可能成功,他解释说在这些市场中,监管机构希望了解关键国家基础设施的运营情况,这正是网络公司有效提供的。但这也可能是一把双刃剑。他说:"你对监管机构越透明,他们就越可能监管你,所以这也是一个真正的风险。"
Q&A
Q1:电信公司分层化模式包括哪三个层级?
A:分层化模式包括三个财务独立的层级:基础设施公司(InfraCo),拥有基站和光纤管道等被动物理资产;网络公司(NetCo),运营网络设备如路由器和核心处理设备;服务公司(ServCo),纯粹面向客户,负责销售、营销和产品打包。
Q2:为什么传统电信公司模式难以评估投资价值?
A:传统电信公司像集团公司一样运营,各部门之间存在大量交叉补贴,这使得很难理解在网络上花费的资金是否真正影响了客户体验或覆盖范围,也难以评估是否真正推动了投资回报。
Q3:实施分层化模式面临哪些挑战?
A:分层化面临多重挑战:需要对组织结构进行重大变革,存在文化障碍;需要大量前期投资改革传统系统;需要外部催化剂如私募股权公司推动;在监管严格的市场中,透明度可能导致更多监管风险。
好文章,需要你的鼓励
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。