航空航天和卫星系统制造商Swissto12近日在其位于瑞士雷嫩的总部开设了专门建造的组装设施,以支持地球同步轨道卫星的工业化规模生产。几周前,该公司刚刚获得欧洲航天局成员国提供的7300万欧元资金支持,用于加速其HummingSat太空项目的开发和产业化。
成立于2011年的Swissto12已与全球领先的卫星运营商建立了合同关系,并与欧洲航天局合作。该公司表示,其核心使命是推动全球卫星通信产业的变革性转变,从传统的大型、定制化、昂贵且部署缓慢的服务,转向更小、更快、更便宜的资产,这些资产利用软件定义的可重新配置有效载荷架构和敏捷的多轨道能力。
HummingSat平台被描述为一类新型地球同步轨道卫星,据称比传统地球同步轨道卫星"显著"更小且更具成本效益。HummingSat为地球同步轨道卫星市场提供了新的经济模式,实现了更快的建造、更低的成本和搭载发射。该平台还提供电信级服务骨干,可直接接入3GPP非地面网络标准,专为大众市场采用而设计。
Swissto12认为,其外形规格可以通过专有的太空级增材制造技术和先进的射频系统支持成本效益的生产和搭载发射机会,进一步提升有效载荷性能,简化生产流程,减少制造时间和成本。
该卫星是通过欧洲航天局的公私合作伙伴计划开发的。该公司的射频产品据称受益于独特的专利3D打印技术和相关的射频产品设计,提供轻质、紧凑、高性能且"具有竞争力"的射频功能。首次交付计划于2027年进行。
这个新的专用洁净室被称为瑞士首个此类卫星的端到端制造中心,该公司认为这将成为增强满足需要快速可靠部署客户需求努力的关键推动力。
这个额外的1000平方米洁净室设施补充了Swissto12在雷嫩现有的5500平方米开发和生产设施,此举标志着该公司能力的重大扩展,并建立了此类卫星的首个端到端国内制造中心。
Swissto12首席执行官埃米尔·德·赖克在评论新设施的开放时表示:"将我们先进卫星有效载荷和HummingSat的集成能力引入内部,是我们减少产品建造时间和成本战略的核心。这种敏捷性为需要以速度交付前沿产品和创新的客户带来价值。"
欧洲航天局的资金是HummingSat先进电信系统研究合作项目的一部分,旨在帮助Swissto12扩大制造能力并加速新产品创新。这些举措还旨在满足政府和商业部门对成本效益、敏捷和主权通信日益增长的全球需求。
此外,这项投资还旨在让Swissto12进一步开发其相控阵天线技术,用于低地球轨道、中地球轨道和地球同步轨道卫星有效载荷,以及用户终端等地面产品。
Q&A
Q1:HummingSat卫星平台有什么特点?
A:HummingSat是一类新型地球同步轨道卫星,比传统地球同步轨道卫星显著更小且更具成本效益,提供更快的建造速度、更低的成本和搭载发射机会,还能提供电信级服务骨干直接接入3GPP非地面网络标准。
Q2:Swissto12新建的生产基地有多大?
A:Swissto12在瑞士雷嫩总部新建了1000平方米的洁净室设施,这是瑞士首个此类卫星的端到端制造中心,补充了现有的5500平方米开发和生产设施。
Q3:HummingSat卫星什么时候能投入使用?
A:根据计划,HummingSat卫星的首次交付预计在2027年进行。该项目通过欧洲航天局的公私合作伙伴计划开发,最近获得了7300万欧元的资金支持。
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。