任何通过多年收购建立的网络通常都会积累结构性债务,包括基础设施重叠、库存分散以及缺乏对运行状况的统一视图。对于Lumen Technologies来说,这种债务在四十年和数十次收购中不断累积。Lumen是一家企业网络基础设施公司,服务于大型企业、政府和批发客户,拥有全球约50万英里的光纤网络,2025年收入达124亿美元。该公司正在从传统电话运营商向AI时代的企业连接和网络即服务(NaaS)转型。
据该公司称,Lumen目前路由全球多达三分之二的互联网流量,运营着世界上对等连接最多的互联网网络。随着公司的发展,每次收购都留下了自己的系统、设备和数据孤岛。结果是17个以上的库存系统、近500个没有通用模式的数据源,以及跨越40年制造世代的网络硬件。
数据统一是转型基础
Lumen的应对方案将这个问题视为数据和自动化挑战,而不是传统的网络更新。公司在其库存和订购系统中部署了智能体,并构建了统一的运营工作流平台。
"以前需要多个资源、几周甚至几个月才能解答的问题,现在我们可以在几分钟内回答,"Lumen首席数据官Kina Corcoran告诉Network World。
Lumen吸收的每次收购都带来了自己的数据边界和对网络元素、客户和成本的定义。这些系统之间无法互通。工程师无法将设备与使用该设备的客户关联起来,也无法理解移除设备的成本和收入影响,除非手动从多个断开的源中提取数据。这使得大规模的系统性简化实际上变得不可能。
转型的第一步是在所有这些源之间建立统一的数据层。Lumen将近500个数据源整合到一个通用平台中,构建了连接网络元素、客户服务、成本数据和收入数据的数据对象,跨越了以前严格的组织和系统边界。
"这是我们第一次能够将这些事物相互关联,"Corcoran说。
结果是Corcoran所描述的数字孪生,远超网络层面。"这是我们库存、架构、生态系统的数字孪生,"她说。
NetPal工具实现自动化执行
Lumen现场工程师用于执行退役的工具叫做NetPal,这是一个建立在其数据平台之上的专有工作流工具。
在NetPal存在之前,将单个网络设备退役意味着手动查询和更新50多个独立系统。这包括库存记录、服务保障、NOC协调、流量迁移规划,以及环上每个受影响节点的记录更新。每个步骤都是顺序的,任何一个系统的错误都会产生下游问题。这个过程如此脆弱的原因与耗时如此之久的原因相同:没有可靠的单一真实数据源可供查询。
NetPal通过在统一数据层之上提供单一界面改变了这种情况。工程师识别目标设备,工具会显示承载的流量、受影响的客户以及能耗影响。它还映射如何整合流量并标记需要更新的下游库存记录。调度协调和现场确认都通过同一界面运行。
"我的规划团队现在的产出是以前的8倍多,"Lumen基础设施和运营现代化高级副总裁Alexandre Mercier-Dalphond告诉Network World。
运营效益在整个业务中复合增长
规划团队内部的吞吐量提升只是其中一部分。随着库存数据变得更加准确,退役执行更加可靠,运营效益在整个业务中复合增长。
在最近的网络中断中,平均解决时间从几小时下降到15分钟。现场团队现在根据准确的库存进行调度,而不是在中断的第一阶段花时间协调冲突记录。首次正确率也有所提高,减少了重复调度。
同样干净的数据加速了服务交付。Lumen的Rapid Routes产品通过AI辅助预配置提供400G波长服务。
Lumen还正在从15个以上的传统库存系统迁移,包括一些基于大型机的平台,转向使用Blue Planet作为目标平台的单一管理架构。Mercier-Dalphond说,Lumen预计将成为第一个完全退出基于大型机的网络库存的一级运营商。
转型经验与启示
Lumen网络转型过程中获得的几个经验教训可以广泛适用于其他面临传统复杂性问题的网络运营商。
干净的数据释放了你认为不可能的事情。干净的库存使Lumen能够系统地识别和移除高功耗的传统设备,即使在增加新容量的同时也能保持公用事业消耗持平。"拥有干净的数据集使我们能够真正做出更好的决策,"Mercier-Dalphond说。"我们惊讶地发现,现在我们能够把所有这些整合在一起,发现了我们从未想过拥有的机会口袋。"
文化是技术项目的一部分。系统和人员之间的继承冲突可能比任何技术障碍更快地阻碍转型。Lumen在技术工作的同时运行了文化项目,包括与Brené Brown的Dare to Lead框架的合作。"这很大程度上帮助我们改变了内部人员的想法和心态,让他们想得更大,思考得与过去不同,"Corcoran说。
勇于挑战。大多数运营商避免推动传统客户迁移,担心收入损失。Lumen改变了这种方法。"人们说,Alex,让我们不要在传统收入上捅马蜂窝,"Mercier-Dalphond说。"我们实际上改变了叙述。"Blue Voice的退役证明了这一点,这是Lumen的传统语音网络。Lumen接触了一个主要企业客户,阐述了留在老化基础设施上的风险,并通过数据平台处理依赖关系执行了迁移。
网络工程师多年来一直清楚地知道传统基础设施需要做什么。大规模实施的工具根本不存在。现在有了AI的力量、适当的数据和正确的流程,这种情况已经改变。"我们一直梦想或希望的现在成为可能,"Mercier-Dalphond说。
Q&A
Q1:Lumen面临的网络复杂性问题有多严重?
A:Lumen经过四十年和数十次收购积累了巨大的结构性债务,包括17个以上的库存系统、近500个没有通用模式的数据源,以及跨越40年制造世代的网络硬件,各个系统无法互通。
Q2:NetPal工具如何提高工作效率?
A:NetPal是建立在统一数据平台上的工作流工具,将原来需要手动查询和更新50多个独立系统的工作简化为单一界面操作,使规划团队的产出提高了8倍多。
Q3:数据统一给Lumen带来了哪些具体改善?
A:网络中断的平均解决时间从几小时降至15分钟,首次正确率提高,减少重复调度,同时能够系统性地识别和移除高功耗设备,在增加新容量的同时保持功耗持平。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。