HPE加倍投入私有5G,并意图瞄准一个不断增长的市场——据IDC预测,该市场到2026年规模将增长到超过16亿美元。HPE宣布收购私人蜂窝网络技术提供商Athonet,进一步扩展自己连接边缘到云端的产品阵容。

Athonet总部位于意大利维琴察,在为全球企业和通信服务提供商提供4G和5G移动核心解决方案方面拥有超过15年的经验。Athonet在各个行业拥有450多个成功的客户部署,包括领先的移动运营商、医院、机场、交通港口、公用事业、政府和公共安全组织。
HPE在谈及此次收购的必要性时指出,随着企业面临跨大型站点和远程站点的复杂连接挑战,私有5G可以在园区和工业环境中提供高水平的覆盖范围、可靠性和移动性,此外还增强了Wi-Fi提供的具有成本效益的高容量连接。HPE将把Athonet的技术整合到HPE Aruba 网络产品组合中,直接向企业提供私有网络功能,同时让通信服务提供商(CSP)能够为客户快速部署私有5G网络。
HPE公司全球副总裁、通信技术事业部总经理Tom Craig表示:“电信客户正在寻找更简单的方法来部署私有5G网络,以满足客户在连接边缘不断增长的期望。”
“与此同时,企业客户需要定制的5G体验,具有低延迟、隔离资源、扩展范围和整个园区的安全性,以及完善现有无线网络的工业环境。通过收购Athonet,HPE现在拥有面向CSP和企业客户最完整的私有5G和Wi-Fi产品组合之一——我们将通过HPE GreenLake将其作为一项服务提供给客户。”
通过这次收购,HPE将把Athonet的技术整合到自己现有的企业级产品以及Aruba产品中,以打造一个私有的网络产品组合,加速从边缘到云的数字化转型。
HPE认为,这一新的网络产品组合将提供增强型的专用网络,将Wi-Fi的高容量与5G的覆盖范围和移动性相结合,并加速5G部署,从而提高敏捷性和创新能力,帮助电信B2B团队和企业客户。此外,它还将通过HPE GreenLake为企业提供基于消费的模型,使成本与收入保持一致,从而降低进入新市场的风险。
HPE还认为,私有5G为企业提供了超安全、易于部署和易于管理的新功能,并为机器人技术和工业物联网、数据网络和管道、安全系统便利化等高度专业化的应用做好了准备。
收购Athonet也有助于加强Aruba的连接边缘产品组合,提供HPE所描述的独特且备受追捧的能力,从而提供完全集成的Wi-Fi和私有5G网络。与Aruba Central的集成将使网络管理员能够通过单一管理平台管理Wi-Fi和私有5G,并发挥AI驱动的洞察力、工作流自动化、以及强大的安全性。
Athonet首席执行官、联合创始人Gianluca Verin表示:“Athonet成立之初的宗旨是为客户提供私有4G和5G解决方案,这些解决方案可以提供运营商级的可靠性和性能,以满足他们不断增长且更具挑战性的连接需求。”
Verin补充道:“我们很高兴加入HPE并结合我们的高技能团队,因为我们针对快速增长的私有5G市场扩展了我们的联合服务提供商产品,并以HPE的战略为基础,成为领先的边缘到云解决方案提供商。”
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。