铱星通信公司与沃达丰物联网建立新合作伙伴关系,整合铱星NTN Direct服务,为运营商客户及其资产提供无处不在的连接。
与这家全球语音、数据、定位、导航和授时卫星服务公司的合作旨在扩展运营商物联网部门的覆盖范围,为需要窄带物联网连接的客户提供服务,这意味着最偏远地区的设备现在也将实现连接。
通过此次合作,沃达丰物联网将获得铱星NTN Direct服务的接入权,这是一项基于3GPP标准的服务,提供窄带物联网和直连设备连接。
沃达丰物联网服务已在智能电表和使用低功耗广域网的追踪设备等应用中部署。该网络在全球180多个国家的760多个网络上连接了超过2.15亿台设备,为企业提供管理、监控和操作物联网设备的能力。
计划于2026年商业化推出的铱星NTN Direct将使用铱星网络为沃达丰物联网的窄带物联网客户提供连接,用于物联网、汽车和工业设备的数据传输、追踪和实时监控。合作伙伴表示,这对于在极其偏远地区需要连接的行业特别有价值,如风电场、石油管道、船舶追踪和紧急服务等。
铱星的定位导航授时服务在从同步5G网络到保障全球贸易等应用中得到使用,低地球轨道卫星帮助关键系统不间断运行。
铱星运行在全球协调的L波段频谱上,拥有经过验证的基础设施,在大规模提供抗恶劣天气和低功耗连接方面拥有良好记录。此外,考虑到铱星网络在提供依赖高可靠性的生命安全服务方面的历史,该公司表示其星座非常适合直连设备和窄带物联网服务及应用,在偏远和移动环境中需要一致性能的场合提供关键优势。
在成功集成和测试后,铱星和沃达丰物联网计划为全球客户推出全面的商业服务。
铱星首席执行官马特·德施表示:"铱星NTN Direct在非地面网络和窄带物联网服务中脱颖而出,为沃达丰物联网等移动网络运营商提供无与伦比的真正全球覆盖、可靠性和能力组合。这一合作将通过提供不妥协的可扩展性,并推进我们连接和赋能各地企业资产和人员的共同愿景,帮助改变全球连接格局。"
沃达丰物联网首席执行官埃里克·布伦内斯说:"我们非常兴奋地宣布与铱星的新合作伙伴关系,这为新一代物联网连接打开了大门。通过使用直连设备卫星连接,新老客户将受益于真正的全球覆盖,意味着他们可以在目前无法连接的世界角落可靠地连接设备。这标志着我们连接一切、无处不在使命的重要一步。"
作为更好地为行业提供编排、连接和管理物联网设备能力,让用户通过合规连接在全球范围内扩展运营和加速发展的使命的一部分,沃达丰全球物联网功能也可在甲骨文企业通信平台行业应用中使用。
Q&A
Q1:铱星NTN Direct是什么服务?
A:铱星NTN Direct是一项基于3GPP标准的卫星通信服务,提供窄带物联网和直连设备连接。该服务计划于2026年商业化推出,将为物联网、汽车和工业设备提供数据传输、追踪和实时监控功能,特别适用于风电场、石油管道、船舶追踪等偏远地区的连接需求。
Q2:沃达丰物联网目前的规模有多大?
A:沃达丰物联网已在全球180多个国家的760多个网络上连接了超过2.15亿台设备。其服务已在智能电表和使用低功耗广域网的追踪设备等应用中部署,为企业提供管理、监控和操作物联网设备的能力。
Q3:这次合作对用户有什么实际好处?
A:通过沃达丰物联网与铱星的合作,用户将获得真正的全球覆盖服务,能够在目前无法连接的世界最偏远角落可靠地连接设备。这对于在极其偏远地区工作的行业特别有价值,如风电场、石油管道、船舶追踪和紧急服务等领域。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。