根据物联网市场研究机构 Berg Insight 的报告,早期的物联网 (IoT) 连接管理平台 (CMP) 是全球移动运营商和物联网移动虚拟网络运营商 (MVNO) 价值主张中的标准组件。这些平台是在市场期望被过度夸大的时期开发的,但现在市场正面临物联网连接服务的平均收入 (ARPU) 下降的挑战。
该研究报告《物联网连接管理平台和 eSIM 解决方案》指出,随着供应商专注于应对物联网连接服务 ARPU 下降的挑战,物联网 CMP 市场的动态已发生演变。这导致现有供应商退出市场,而其他供应商不得不重新思考其产品和定价策略,通常涉及分层产品和增值服务的添加。
总的来说,研究预测物联网 CMP 年收入将以 12% 的年复合增长率增长,从 2024 年的 10 亿美元增长到 2029 年的 18 亿美元。
分析师表示,物联网 CMP 领域的碎片化催生了一种新的产品类别,即连接管理编排 (CMO) 平台。这类平台通过应用程序接口集成运行在物联网 CMP 之上,最初由 IoTM Solutions 和 Simetric 等供应商引入,现在已有多个物联网 CMP 供应商和物联网 MVNO 跟进。
Berg Insight 表示,未来几年将有多个趋势对物联网 CMP 市场产生积极影响。首先,物联网 CMP 和增值服务可以帮助移动运营商从其 5G 网络基础设施中获得企业市场收入。
其次,移动运营商集团将业务集中到关键市场会导致独立移动运营商数量增加,从而扩大第三方 CMP 的目标市场。此外,新的 eSIM 物联网规范 SGP.32 将使较小的移动运营商能够利用现有的 SM-DP+ 系统为物联网市场提供 eSIM 服务。不过,Berg 提醒说,他们需要用物联网 CMP 来补充其产品。
在关键参与者方面,研究将思科列为全球最大的物联网 CMP 供应商。Berg 表示,该公司在所有主要地区都有强势地位,到 2024 年底与全球约 60 家移动运营商建立了合作关系。使用思科物联网控制中心管理的 SIM 卡数量达到约 2.62 亿。
Aeris 被评为第二大物联网 CMP 供应商,到 2024 年底拥有 28 家移动运营商合作伙伴和 8400 万个连接设备。研究强调该公司在 2023 年初接管了爱立信的物联网业务,此后成功实现了运营的现代化和精简化,同时将其传统平台和物联网加速器合并为一个单一平台。
Mavoco 近年来已成为重要参与者,年底时拥有超过 10 家移动运营商合作伙伴。Mavoco 的物联网 CMP 是云和核心无关的,允许移动运营商利用现有基础设施来经济高效地服务全球物联网客户。其他拥有大量物联网 CMP 部署的供应商包括 Comarch、诺基亚和沃达丰。
Berg 表示,物联网 CMP 也是 1NCE、1oT、Emnify、Eseye 和 FloLIVE 等供应商价值主张中的关键组件,这些供应商作为技术提供商为移动运营商和物联网 MVNO 提供服务。
AT&T 被列举为完全接受 CMO 理念的移动运营商的例子,该公司于 2024 年 11 月与 Simetric 共同宣布推出物联网控制台单一视图。
Enea 被视为提供相关产品的另一个供应商例子。其物联网 CCS 服务与现有物联网 CMP 协同工作,使移动运营商能够为其企业客户提供多租户私有 APN 服务。
新投资主要针对远程 SIM 配置平台集成、eSIM 编排和连接管理编排功能、基于机器学习的分析、安全服务以及 5G SA 支持的可编程网络功能。
好文章,需要你的鼓励
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。